机器人是一个时变的、耦合的复杂非线性系统,已经有很多针对机器人的研究工作,但随着机器人技术的快速发展和人机交互技术的广泛应用,约束条件下多关节机器人控制研究显得极为重要。本文针对约束条件下的多关节机器人系统,进行自适应控制器设计。论文主要完成了以下工作:1、针对关节空间受时变输出约束的刚性多关节机器人系统,首先设计了一种非线性状态转换器将原本受约束的系统转换为不受约束的新系统,然后针对新系统采用Backstepping设计法,在每一步构造合适的虚拟控制器,设计出自适应神经网络(Adaptive Neural Network,ANN)控制器,在ANN控制器设计过程中,径向基神经网络被用来逼近系统中的未知非线性模块。使用Lyapunov稳定性理论进行稳定性分析,证明了在所设计的控制器下,闭环系统所有信号都是一致最终有界的(ultimately uniformly bounded,UUB),同时所设定的时变输出约束没有被违反。最后,以两连杆平面机器人为例进行了仿真验证。2、针对任务空间受输入输出约束的刚性多关节机器人系统,首先采用障碍李雅普诺夫函数(BLF)方法来保证系统输出不会超出约束;然后,考虑机器人系统存在的输入约束,构造了一个辅助系统来处理输入约束的影响;机器人系统中的未知非线性函数通过径向基神经网络进行拟合,同时设计了一个扰动观测器对未知外界扰动进行逼近。采用Backstepping方法为机器人系统设计了新的ANN控制器,并使用Lyapunov稳定性理论证明了闭环系统中的所有信号都是UUB的,且输入约束及输出约束均得到满足。最后,以两连杆机器人以及平面三连杆冗余机器人为仿真对象进行了仿真验证。3、在前两章的基础上,研究了考虑时滞且受输入输出约束的柔性多关节机器人的轨迹跟踪控制问题。同样使用BLF保证输出不会超出输出约束,但针对输入约束,为了降低控制器复杂度,采用了更简单的动态系统来处理输入约束;采用LKF(LyapunovKrasovskii Function)来处理时滞。与刚性关节机器人相比,柔性多关节机器人系统的阶数更高,在使用传统的Backstepping方法设计控制器时会出现维数爆炸的问题,因此本文采用动态面设计法来解决此问题。最终,为柔性多关节机器人系统设计了自适应神经网络轨迹跟踪控制器,使用Lyapunov稳定性理论证明了闭环系统中所有信号都是UUB的,且输入约束及输出约束均得到满足。最后,以单关节柔性机器人以及两关节柔性机器人为仿真对象进行了仿真验证。最后,对本文的研究内容进行了总结,对未来相关领域的研究进行了展望。