手爪作为末端执行器是机器人实际执行作业的关键部件,也是实现机器人“大脑”活动的具体表现机构。为了适应日益复杂的柔性作业的需要,模仿人手构造的多指多自由度机器人手爪的研究,已成为国内外人们极大关注并大力发展的研究领域之一。本论文在综合分析国内外机器人多指手研究现状与发展水平的基础上,着重研究了多指手的实时智能控制方法及仿真实现。本文主要进行了以下几个方面的研究工作:首先,本文在分析多指手抓取物体时手指与物体的约束关系的基础上,采用Newton-Euler法建立了多指手动力学模型,构建了多指手与物体的动态合成方程,并通过适当的线性变换,把物体的运动分解为在自由运动空间和约束空间中的运动,在两个空间中分别采用位置控制和内力控制。从而实现了多指手位置与力的混合控制。其次,针对模型参数不确定,本文给出了两种有效的智能控制方法,以消除模型参数不确定给系统带来的负面影响。(1)基于强化学习的多指手控制方法,该方法将反馈控制与强化学习相结合。反馈控制使关节和被抓持的物体运动跟踪期望轨迹,强化学习则利用其良好的在线学习能力和对非线性函数的逼近能力,消除模型参数不确定带来的位置跟踪误差,改善了多指手的控制性能。(2)自适应模糊滑模控制方法。滑模控制对未建模动态和外部干扰有良好的适应能力,但也容易使系统状态产生抖动,为了消除抖动,用自适应模糊神经网络逼近滑模控制律中的非线性控制项以及系统中的不确定项,以达到光滑控制。利用Lyapunov函数推导规则参数的自适应律,通过参数的在线学习能快速而平滑的跟踪并逼近期望轨迹,大大改善了控制性能。最后本文将多智能体的思想运用于多指手协调控制。针对多指手系统的特性,给出了一种基于多智能体的分布式多指手控制系统结构。并在智能体开发平台JADE上进行智能体开发、仿真及动画演示。