随着机器人技术的进步与发展,机器人的应用领域变得更加广泛。从自动化车间装配至深海作业乃至太空的无人操作,都迫切需要机器人担任角色去执行更多更复杂的任务。为了满足复杂任务的作业需求,利用已有机器人,构建多机器人协调系统作业的模式势在必行。从研究的角度看,多机器人协调研究相较于单机器人涌现出了许多全新的问题,例如:多机器人的协调模式、选型、布局、轨迹规划及控制方法等问题。本文针对自动化车间大体积、重型工件的重复搬运任务,展开了多机器人协调系统的构建与控制研究。依据作业任务需求,构建合理的多机器人协调系统,以提高单台机器人在生产中的利用率。另考虑到单台机器人的轨迹跟踪精度对紧协调运动形式下的多机器人系统的控制品质有重大影响,故本文通过设计合理的机器人控制算法,以提升机器人在重复运动控制中的轨迹跟踪精度与抗干扰能力,保证多机器人系统协调运动的一致性。主要内容概括如下:首先,针对多机器人协调系统的机器人选型问题,提出了一个新的思路,即基于并联思想,将此问题等效为并联机器人的支链选型问题。通过并联机器人的构型综合理论,解决支链机器人的自由度选型以及空间位姿的摆放问题。基于此,提出了C集理论,用于多机器人协调系统构型综合与机器人基座位姿表示。接着,研究了已完成选型的多机器人协调系统的布局优化方法,提出了以最小布局面积、最短作业周期时间、最小条件数为优化目标,采用遗传粒子群算法优化各机器人的布局位姿,以满足任务的要求。该方法不仅适用于多机器人协调系统,也适用于工业生产线的布局。为规划整个多机器人协调系统的轨迹,首要解决的是多机器人系统的建模问题。为此,提出基于并联思想,将此问题转化为并联机器人的建模问题,从而使多机器人的建模变得简单。为提高整个系统的工作效率,提出了时间最优的轨迹规划方法,保证整个多机器人系统的高效性。在多机器人系统处于紧协调时,为保证各机器人协调运动的一致性,首先要确保系统中的各机器人具有较高的运动控制精度。为此,针对工业自动化生产线上重复运动的机器人控制问题,提出了基于人工蜂群算法优化迭代学习控制参数的策略。相较于普通的PD型迭代学习控制,具有更快的收敛速度以及更高的轨迹精度。针对上述重复运动的机器人模型处于较大非线性扰动的情况,提出了基于迭代学习的自适应滑模控制策略,在迭代学习的基础上添加了具有较高鲁棒性的自适应滑模算法。相较于普通的PD型迭代学习控制,具有更平滑的轨迹及较高的轨迹精度。最后,研究了多机器人协调系统的运动控制,搭建了异构双3-PRRR并联机器人系统。从硬件设计上确保了运动协调的冗余度,并设计了基于人工蜂群算法优化迭代学习控制参数的上位机软件。通过完成“门”字型搬运实验,实现了双机器人系统的协调控制。论文的研究工作为同构或异构的多机器人系统协同作业研究提供了一定的理论基础,能够在一定程度上指导多机器人协调系统的构建与控制运行。