模块化机器人由集成了电源、计算系统、传感器和执行器的模块构成,这些模块通常具有标准化的机械与电气接口,可以根据不同的任务需求进行自由组装。另外,还需要一个控制系统来确保模块化机器人的稳定和精确运动。本篇论文针对模块化机器人做了以下研究:(1)基于关节力矩感知的谐波传动式模块化机器人动力学模型建立对模块化机器人关节模块中的重要部件谐波传动装置的运动和力矩传输原理做了介绍,并建立了基于谐波传动装置柔性的数学模型。考虑了谐波传动装置的力矩传输扰动和机器人内部的传感器测量误差,在传统机器人模型的基础上考虑新的不确定性,结合模块化思想,基于关节力矩感知技术建立了模块化机器人系统的动力学模型。(2)基于反双曲正弦跟踪微分算法的机器人关节速度估计本论文基于局部位置信息,研究了一种新型的机器人关节速度估计方法。与传统通过增量式编码器测量电机端位置信息再求数值微分获得关节速度的方法不同,本文使用连杆端绝对式编码器数据获得关节位置,然后基于反双曲正弦跟踪微分算法获得关节速度估计值,本方法有效避免了由机械传输引起的运动学误差,并抑制了传统方法估计速度的噪声问题。速度估计器的稳定性通过李雅普诺夫稳定性分析方法被证明,最后通过实验证实了该速度估计器可以获得高精度的关节速度估计值。(3)基于谐波传统装置柔性模型和双编码器量测信息的关节力矩估计方法为了使模块化机器人系统获得较高的控制精度,需要考虑对机器人关节所受末端约束力及负载力矩进行补偿。关节力矩反馈技术被认为是解决该问题的一种有效的方法。为了在不采用关节力矩传感器的情况下获得关节力矩,本文基于改进的非线性谐波传动模型,介绍了一种关节力矩估计方法。在同时考虑波发生器与柔轮的柔度,谐波传动运动学误差以及力矩偏差的情况下,仅采用电机端与关节末端编码器的位置测量数据,对柔轮的输出力矩,即机器人关节力矩进行估计。并且本文通过多组实验验证了该力矩估计方法的适用性。(4)基于局部信息量测的模块化机器人鲁棒神经网络分散控制方法研究分散控制方法通过将复杂的机器人动力学模型分解为多个相互耦合的子系统,并设计局部控制器来同时对子系统模型不确定性与耦合效应进行补偿。该方法的优点是将控制系统的复杂程度由系统级降低至分散级,从而大大简化了控制器的复杂性并有效提高运算速度,同时还兼具较强的容错能力。本文拟通过前面研究获得的关节速度与关节力矩估计值,在有限传感器量测的情况下,实现仅采用局部关节信息量测下的模块化机器人分散控制。控制器还采用神经网络对机器人模型不确定性进行估计与补偿,实现了高精度的控制效果,通过李雅普诺夫稳定性分析方法证明了控制器的稳定性,最后,通过实验研究验证了控制器的有效性和优越性。