多指手作为机器人的末端执行器,试图通过从结构和功能上模仿人手,实现对各种形状物体的抓取和灵巧操作,因此引起了人们的广泛兴趣。其中,能适应各种形状和要求的抓取规划方法是这类机械手研究的核心内容,针对这一问题,本文进行了深入的讨论和研究。首先根据BH-4手和Rutgers手设计出多指手的模型,并建立了相应的运动学方程。然后对其运动学的正、逆问题进行了分析和仿真,并对单手指的冗余问题进行了讨论。其次,根据该模型,通过综合考虑被抓取物体的物理信息和抓取的任务要求,研究了一种自主抓取规划方法,包括:(1)抓取的模式规划。首先根据已有信息建立了抓取模式的知识库,然后分别采用BP网络和RBF网络研究了抓取模式的分类问题,仿真结果表明后者具有更好的分类性能;(2)抓取的力规划。基于非线性规划中的序列无约束最小化技术,重点研究了多指手抓取的最小接触力计算方法,对抓取力和操作力进行了详细的研究和分析。仿真结果表明,该算法具有良好的性能,可以实现多指手的稳定抓取;(3)最优抓取规划。结合抓取模式对基于接近距离的最优抓取规划进行了相应的研究。利用VC++/OpenGL开发软件,设计实现了可以形象演示抓取规划问题的可视化仿真平台。最后,本文通过结合Holon抓取和模块化自重构的思想,提出了模块化自重构机器人手的新概念。这种机器人手可针对变化中的抓取任务及时调整构形,因此更适合在复杂多变的环境中完成抓取任务。基于遗传算法,研究了该自重构机器手的最优构形拓扑转换问题,并对构形拓扑变换的整个过程进行了仿真。