1、手爪作為末端執(zhí)行器是機器人實際執(zhí)行作業(yè)的關鍵部件，也是實現機器人“大腦”活動的具體表現機構。為了適應日益復雜的柔性作業(yè)的需要，模仿人手構造的多指多自由度機器人手爪的研究，已成為國內外人們極大關注并大力發(fā)展的研究領域之一。本論文在綜合分析國內外機器人多指手研究現狀與發(fā)展水平的基礎上，著重研究了多指手的實時智能控制方法及仿真實現。本文主要進行了以下幾個方面的研究工作： 首先，本文在分析多指手抓取物體時手指與物體的約束關系的基礎上，采

2、用Newton-Euler法建立了多指手動力學模型，構建了多指手與物體的動態(tài)合成方程，并通過適當的線性變換，把物體的運動分解為在自由運動空間和約束空間中的運動，在兩個空間中分別采用位置控制和內力控制。從而實現了多指手位置與力的混合控制。 其次，針對模型參數不確定，本文給出了兩種有效的智能控制方法，以消除模型參數不確定給系統(tǒng)帶來的負面影響。（1）基于強化學習的多指手控制方法，該方法將反饋控制與強化學習相結合。反饋控制使關節(jié)和被抓持

3、的物體運動跟蹤期望軌跡，強化學習則利用其良好的在線學習能力和對非線性函數的逼近能力，消除模型參數不確定帶來的位置跟蹤誤差，改善了多指手的控制性能。（2）自適應模糊滑模控制方法。滑?？刂茖ξ唇討B(tài)和外部干擾有良好的適應能力，但也容易使系統(tǒng)狀態(tài)產生抖動，為了消除抖動，用自適應模糊神經網絡逼近滑?？刂坡芍械姆蔷€性控制項以及系統(tǒng)中的不確定項，以達到光滑控制。利用Lyapunov函數推導規(guī)則參數的自適應律，通過參數的在線學習能快速而平滑的跟蹤并