相比于传统的机械臂都是固定的构型,只能工作在单一的环境中,缺乏实用性和经济型来说,近年来可重构机械臂备受关注,到目前为止,针对没有任务环境的约束,即在自由环境中工作的可重构机械臂,已经有大量的研究成果,而机械臂在环境中工作会不可避免地与环境发生接触,在环境约束下实现对可重构机械臂的力/位置分散控制研究至关重要。针对可重构机械臂的控制开展了以下几个方面的研究:首先,介绍了本课题的研究背景并在研究背景下阐述了研究的意义,进而开始对本课题研究对象的国内外现状展开了系统的论述,并对自适应神经网络的各个方面进行了一个介绍,然后给出全文的章节内容安排。其次,利用牛顿-欧拉迭代方法求解机械臂的动力学问题,从而建立了在自由空间下机械臂的动力学模型,该模型考虑了摩擦和扰动的问题。在此模型的基础上,设计了神经网络控制器,为了较少抖动,在神经网络控制律中加入鲁棒项,并采用了Lyapunov定理验证稳定性,最后对二自由度机械臂进行了仿真验证实现跟踪控制。然后,根据末端执行器在任务空间中的接触力与关节空间中的关节力矩之间的关系,利用已经建立的自由空间的动力学模型,添加上末端执行力与关节力矩之间的映射关系,从而得出环境约束下机械臂的动力学模型,约束分为静态约束和时变约束,然后为了简化控制器设计过程,将动力学模型进行降阶处理,在降解模型的基础上分别在静态约束和时变约束的环境下将力和位置分散控制,在位置控制中,将模型信息分为已知部分和未知部分,未知部分采用RBF神经网络逼近,又为了中和摩擦力外部干扰以及神经网络估计误差的影响,在控制器部分增加了一个额外的自适应补偿器,最后运用不同构型验证控制器的有效性。最后,进行全文的总结说明,论述了需要进一步改进和研究的领域,对这些领域进行了未来的展望。