近年来,多个机械臂的协同控制问题越来越引起科研工作者的关注,但是同单机械臂相比,多机械臂协同控制系统理论研究仍然比较薄弱。多机械臂协同控制系统比单机械臂更加复杂,尤其是对于多个机械手臂轨迹规划问题,多个机械手臂相互避碰以及多个机械臂之间负荷分配等问题。在我国,很多高等院校,科研院所都积极开展研究机械臂协同控制的问题,机械臂协同控制的难点,在于多个机械臂的轨迹规划以及如何保证多个机械臂系统的稳定性,这是众多科研工作者积极探索的方向,也是机械臂协同工作研究领域的热点之一。本文主要针对多个刚性机械臂协同控制在系统参数不确定的情况下的对预定轨迹进行追踪的问题提出解决方法,并且设计了控制方法来消除多机械臂协同控制系统输出受限带来的不良影响。使用障碍李雅普洛夫函数来保证系统输出受限,同时采用径向基函数(RBF)神经网络的自适应学习能力来估计系统的未知动态。基于李雅普洛夫函数直接法以及RBF神经网络,本文针对多机械臂协同控制设计了状态反馈与输出反馈两种控制方法,并采用了障碍李雅普诺夫函数来保证输出受限,通过MATLAB仿真平台,验证了控制方法的稳定性以及有效性。多机械臂系统是基于单个刚性机械臂系统动态模型推导而得,由多个刚性机械臂抓取一个目标物体,并为目标物体设定预定轨迹,使得目标物体在多个机械臂协同控制之下,能够按照预定轨迹运动。与单机械臂系统相比,多机械臂更加复杂,有更多的未知参数,使得我们很难得到准确的多机械臂系统动力学方程。因此,通过基于神经网络的控制方法,分别采用状态反馈与输出反馈两种控制策略来对多机械臂系统模型进行控制,实现对预定轨迹的追踪,并使用李雅普洛夫函数直接法进行稳定性分析,证明其系统的参数均为一致有界。最后通过数字仿真展示了控制器能够控制多机械臂系统抓取目标物体对预定轨迹进行跟踪。针对加入了输出受限的多机械臂系统,本文分析了输出受限对于多机械臂系统造成的影响,并提出了障碍李雅普洛夫函数来处理多机械臂系统输出受限的问题,对控制方法进行稳定性分析,证明在闭环系统内的状态量均为一致有界。最后通过数字仿真,验证了基于障碍李雅普洛夫函数和神经网络的控制方法能够在保证输出受限这一约束条件下实现对预定轨迹的跟踪。在多个刚性机械臂协同控制的模型基础上,本文提出了状态反馈和输出反馈两种控制方法,采用RBF神经网络对系统动态方程采用整体逼近的策略,并证明了控制方法的稳定性以及闭环系统内所有参数的一致有界性。针对加入了输出受限的系统提出了障碍李雅普诺夫函数处理输出受限带来的影响。在已有理论的基础之上,本文对多机械臂系统协同控制理论研究进行了扩展,提出了解决在输出受限影响下的控制策略,验证了控制方法的稳定性并通过数字仿真证明了系统对预定轨迹的有效跟踪。