可重构机械臂因其模块化的特点,能够很方便地被装配成不同的构形以适应不同环境下任务的需求,具有鲁棒性强、容错性好、灵活性强、成本低等诸多优点,近年来其应用领域日趋广泛。对于可重构机械臂而言,现有的研究大多是针对无外界环境或任务约束的自由空间开展的,机械臂在执行任务过程中不与外界环境之间发生接触或产生力的作用。然而,随着人们对机械臂灵活性、智能化的需求越来越高,越来越多的场合需要机械臂去执行一些在约束环境下的复杂、精细操作。在这种情况下,通常要求在对机械臂进行轨迹跟踪控制的同时需要控制机械臂与环境之间的接触力。因此,研究约束环境下的可重构机械臂的力位置协同控制策略成为可重构机械臂研究工作的必由之路。本文首先基于指数积公式分析了可重构机械臂的正运动学,然后利用数值方法分析了逆运动学的求解过程,建立了可重构机械臂从关节空间到操作空间(或称之为任务空间)之间的变换关系；结合旋量理论利用牛顿-欧拉方程建立了可重构机械臂在自由空间的动力学模型,利用雅克比矩阵分析了机械臂末端接触力与各关节力/力矩之间的映射关系,在此基础上建立了约束空间下可重构机械臂的动力学模型。其次,针对受约束机械臂其运动任务一般都是在操作空间定义而以往对机械臂的轨迹控制是在关节空间实现的这一问题,研究了一种基于神经网络补偿的受约束可重构机械臂鲁棒轨迹跟踪控制方法。然后,针对末端装有力传感器的可重构机械臂,在末端接触力信息可测的情况下,根据机械臂和环境约束之间的关系,在降阶模型的基础上,设计了一种自适应神经网络力/位置混合控制方法,以实现约束空间下可重构机械臂的力、位置协同控制,最后通过仿真结果验证了所设计控制器的通用性和有效性。