随着航天事业蓬勃发展,太空探索已经成为各国重点发展内容之一。巨型航天器的在轨装配、检测与维护等空间在轨服务技术是未来发展重要趋势,其中,空间机器人可承受高危险、高载荷任务,在轨服务中具有广阔的应用前景。在面向在轨任务时,空间机器人需要完成爬行、运输、装配、检测等相关操作,而机器人精准、稳定的运动是任务实现的关键。传统的空间机器人多为单臂或双臂的非冗余机机器人,冗余机器人也仅为七自由度,其移动范围小、灵活性低、鲁棒性差,在空间任务复杂、多变情况下,可适用度仍十分有限。所以,发展并研究空间爬行机器人的相关技术势在必行且迫在眉睫。本文对空间超冗余四足爬行机器人的轨迹规划方法进行研究,旨在使空间机器人在太空桁架上,灵活稳定、精准柔顺的完成运动任务,具体研究内容包括以下几个方面:（1）在空间超冗余四足爬行机器人建模问题上,本文采用旋量法建模。旋量法是借助旋量代数的有关理论,将机械臂的运动等效为绕某直线的旋转和移动的复合。此外,在运动学建模上,结合蒙特卡洛方法分析机器人可达工作空间;在动力学建模上,通过等效力法,实现开链、闭链系统的关系转换。旋量法建模,可直接整体描述运动、几何描述直观、分析过程简单,有效的为后续研究工作打下基础。（2）空间超冗余四足爬行机器人运动过程中,涉及步态设计。在步态设计方面,本文设计变坐标系方式,对爬行机器人的迈腿与躯体移动两种运动状态进行建模分析,并采用四足运动与躯体跟进同步策略,提高运动效率;同时,为保证机器人爬行稳定、运动高效、灵活,分别设计三足步态、两足步态、单足步态,实现多种步态运动。（3）在机器人足端路径与轨迹规划方面,针对桁架任务点遍历顺序问题,设计了基于黏菌-蚁群融合算法,实现机器人足端最短距离的路径规划。同时,为保证足端轨迹的平滑、流畅,设计了基于黏菌算法的分段多项式插值法,得到足端笛卡尔空间的时间最优的轨迹规划。黏菌-蚁群融合算法主要涉及:首先,根据黏菌网络算法抽象出“重点管道重点培养”方法,对路径点进行规划并筛选出优质管道,并将优质管道的两端等效为固定点对;然后,根据固定选择的原则,将黏菌算法筛选出的优质管道与蚁群算法的状态转移公式结合,共同完成变量更新,得到融合算法。该方法有效降低路径点的遍历维度,提高算法效率;同时,优质管道可解决算法局部最优问题,有效的提高机器人足端路径寻优结果。基于黏菌算法的分段多项式插值法,将分段思想、多项式插值函数、黏菌算法相结合完成设计。该方法主要涉及:选择三段三次多项式,拟合机器人足端两点的运动轨迹,并运用黏菌算法的寻优性能,优化分段多项式参数。该设计方法,既保证轨迹插值平滑度,又降低多项式维度与复杂度,得到机器人足端笛卡尔空间的时间最优轨迹插补结果。（4）在机器人关节空间的轨迹规划方面,针对超冗余机器人的逆解与轨迹跟踪精度问题,将基于雅可比伪逆方法的等效PI控制器与优化能力强的亨利气体溶解度算法结合,提出了基于气体溶解度算法的参数整定器的PI控制方法。该算法主要涉及三个模块,分别是:第一,选择结构简单、效果好的等效PI控制器,用于处理机器人末端的位置偏差给定量;第二,将位置偏差给定量抽象成机械臂末端速度,并通过雅可比矩阵逆求解出关节空间的角速度,然后对关节角速度积分得到关节角度。其中,运用加权雅可比及雅可比伪逆,实现关节约束与关节避奇异;第三,采用优化性能强的亨利气体溶解度算法整定PI控制器参数,并借助优化后的等效PI控制器,实现误差最小的轨迹跟踪。最后,通过对九自由度机械臂的直线和曲线轨迹规划实验,完成方法验证。实验结果表明,在解决超冗余度机械臂基于关节空间的轨迹跟踪问题中,采用设计的带亨利气体溶解度参数整定器的基于雅可比伪逆的等效PI控制方法,所得到的关节空间的优化轨迹结果,其关节的角与角速度均在约束范围内、运动稳定、跟踪精度高。（5）空间超冗余四足爬行机器人爬行过程中,躯体移动的闭链动作过程会产生力交互作用,使机器人躯干和关节产生冲击力或力矩,影响机器人运动效果。于是,设计机器人运动过程的变刚度控制,使机器人完成柔顺运动。针对机器人变刚度柔顺控制问题,本文选择将集中式与分布式阻抗控制相结合,设计基于亨利气体溶解度算法优化的分段混合阻抗控制方法。该方法主要涉及是:首先,分析四足机器人躯体与各机械臂间的内力相互作用关系,完成等效内力的建模;然后,通过对集中式与分布式阻抗控制器的推导,得到机器人各机械臂的输出控制力矩函数公式,将控制力矩施加在机械臂上,完成四足机器人协同柔顺运动的规划;其中,机器人躯体移动过程中,前面的运动段采用结构简单的集中式物体阻抗控制,临近目标位置的运动段运用精度高的分布式阻抗控制;最后,根据约束条件和期望指标,选用改进的亨利气体溶解度算法来优化阻抗控制器的参数,借助优化后的阻抗控制器来调节机器人位置与力的动态关系,进而实现柔顺运动。所涉及的改进的亨利气体溶解度算法主要是:通过设计初始气体粒子双向并行分布策略、粒子更新时加入变异因子策略,更好的完善算法寻优能力与速率,进而更好的服务于高效、高精度阻抗控制器的设计,最终实现机器人变刚度柔顺运动。