在机器人本体的工程设计中,通常将RV减速器等刚性传动机构置于重负载、大惯量关节处,构成刚性关节,以确保机器人具有足够的刚度和基本的精度,将更紧凑轻盈的谐波减速器等具有柔性特征的传动机构置于轻负载、小惯量关节处,构成柔性关节,提升动力学性能并降低柔性的影响。由于这两种类型传动机构的特性存在较大差异,导致由其各自构成的关节的动力学截然不同,进而给这种关节驱动装置混搭的刚柔关节耦合联动机器人的整体建模、分析和控制带来很大挑战。本文以两类多关节串联结构机器人作为研究对象,包括具有刚性连杆和刚性关节的刚性机器人,以及具有刚性连杆且由刚性关节和柔性关节耦合联动的刚柔关节耦合联动机器人,不同于现有常用的拉格朗日整体动力学方法,基于虚拟分解控制（Virtual Decomposition Control,VDC）理论探讨了机器人的建模、分析与控制问题。（1）对于刚性机器人对象,运用虚拟分割方法将其分解为连杆子系统和关节子系统,并在各个子系统上设置坐标系。首先,在运动学分析中推导了每个关节的速度与各个坐标系的广义速度之间的映射关系。然后,建立了每个连杆子系统和关节子系统的动力学模型。接着,考虑模型的不确定性,对每个子系统分别设计了控制律。其次,基于虚拟功率流概念探讨了各个子系统以及整体系统的稳定性。最后,在六自由度刚性机器人上进行了轨迹跟踪仿真实验验证。（2）对于刚柔关节耦合联动机器人对象,针对传统自适应控制器在设计过程中需要大量精确模型参数的弊端,对刚性连杆子系统和刚性关节子系统设计了自适应神经网络控制器,对柔性关节子系统设计了自适应控制律,大幅降低了控制器的设计对精确模型参数的依赖性,简化了控制方案,提升了工程应用的可行性。在六自由度刚柔关节耦合联动机器人对象上的轨迹跟踪仿真实验结果,验证了所提出的基于VDC理论的自适应神经网络控制框架的有效性和优越性。