模块化可重构机械臂系统够弥了补传统固定形态机械臂的不足,可根据任务变化重新构型,由于其运行环境往往特殊,所以对它的可靠性有很高的要求,因此对它进行容错控制的研究具有重大的理论价值。目前对控制算法的研究大多在理论层面,较少有考虑执行器饱和约束这类现实问题,解决这类问题是将理论联系实际的关键一步,所以说对考虑饱和约束的可重构机械臂控制方法的研究具有深刻地现实意义。本文首先介绍了选题的背景与意义,接着对可重构机械臂国内外研究现状,理论研究成果,自适应动态规划以及抗饱和控制进行了综述介绍。其次,利用牛顿-欧拉法对可重构机械臂系统进行动力学建模,迭代出系统的动力学模型。再次,考虑系统的饱和约束以及能耗损失这些现实问题,对可重构机械臂系统带执行器饱和约束的最优控制问题进行了研究。基于自适应动态规划方法,修改损失函数中的效应函数,在线迭代推导哈密顿-雅可比-贝尔曼(Hamilton-JacobiBellman,HJB)方程的解,并利用神经网络——径向基网络,近似出HJB方程的解。并对其进行了稳定性分析和仿真验证。然后,基于带执行器饱和约束的最优控制研究,对系统发生执行器加性故障的容错控制方法进行探究。设计了故障观测器,对故障实时观测,根据故障信息结合最优控制理论设计了一种改进损失函数,使容错控制转变为最优控制,进而获得执行器饱和约束下可重构机械臂容错控制的最优控制策略,并对其进行了稳定性分析和仿真验证。最后对全文进行总结,并结合工作中遇到的问题对进一步研究进行展望。