近年来,随着中国制造2025、德国工业4.0等战略规划的提出,新一轮工业产业革命带来了更多的机遇与挑战,智能制造作为主攻方向,对于强化我国工业基础能力,提高综合集成水平有着不可或缺的重要作用。机械臂是机器人技术领域中得到最广泛实际应用的自动化机械装置,更是智能制造生产过程中的核心装备。由于单机械臂无法满足日益复杂的制造任务需求,可以执行更加复杂的任务的多机械臂系统则在智能制造过程中则扮演着越来越重要的角色。同单机械臂相比,多机械臂系统更为复杂,并且协同控制理论的研究较为薄弱,尤其是多个机械臂轨迹同步问题,包括位置同步和速度同步。机械臂协同控制的难点,在于如何保证多机械臂系统在复杂应用场景的一致性和稳定性,这是众多科研工作者积极探索的课题。因此,研究智能制造背景下多机械臂的协同控制问题,具有重要的理论意义和实用价值。本文的主要研究内容为:（1）针对多机械臂系统的信号带宽受限问题,提出了一种基于事件触发的自适应输出控制方法。首先采用分布式观测器估计领导者的状态;其次采用障碍李雅普诺夫函数保证系统同步误差有界,利用自适应律来抑制模型干扰对于系统的影响,并采用高增益观测器来获取机械臂的速度;为了解决信号传输带宽有限的问题,引入事件触发机制,使得信号传输次数和运算量大幅度减少。通过理论分析证明系统的稳定性,数值仿真实验表明,本控制协议是有效的、可行的。（2）针对不同切换拓扑下模型参数不确定的多机械臂系统,提出了一种基于参数线性化的自适应事件触发控制方法。首先采用基于机械臂自身状态的事件触发机制设计辅助变量;其次利用参数线性化方法设计控制器来解决模型参数不确定性问题,并考虑了时变传输延时问题;在干扰存在的情况下,采用自适应律提高系统的鲁棒性。通过应用Lyapunov函数证明了系统轨迹同步误差在有限时间收敛。通过数值仿真实验,验证了本控制协议的有效性、可行性。（3）考虑不同切换拓扑下模型不确定的多机械臂系统,提出了自适应神经网络控制方法。首先采用事件触发机制设计辅助变量;其次,利用神经网络方法在线逼近系统非线性不确定模型;设计自适应律解决外部干扰,以提高系统的鲁棒性;采用二阶滑模观测器在线获取机械臂的速度,提高观测器精度。通过应用Lyapunov函数证明系统协同误差在有限时间内收敛,并采用数值仿真实验验证了本控制协议的有效性、可行性。