1.一种基于极限学习机的混联机构自适应反步控制方法，其特征在于，包括步骤：(1)建立包含未知随机扰动的混联机构动力学模型；

(2)将未知随机扰动定义为两个集总扰动项；

(3)将包含集总扰动项的混联机构动力学模型转换为状态空间方程；

(4)构建基于极限学习机的神经网络对集总扰动项进行扰动估计；

(5)构建三阶反步控制器，进行自适应反步控制；

所述步骤(1)中，混联机构动力学模型为：

其中，x、 分别为混联机构的位置向量、速度向量、加速度向量，M(x)为正定惯性矩阵， 为离心力和哥氏力矩阵，G(x)为惯性矩阵，KT为电机转矩常数矩阵，Ic为电机电枢电流矩阵， 为电枢电流导数矩阵，L、R、KE分别为电机电感矩阵、电阻矩阵、反电动势常数矩阵，TM为电机传动比矩阵，u为电机控制电压矩阵，Δ1、Δ2分别为不匹配扰动建模不精确部分、匹配扰动建模不精确部分，w1、w2分别为外部力干扰、电机电压随机扰动；

所述步骤(5)中的三阶反步控制器，通过以混联机构各关节姿态为跟踪目标，针对三阶子系统分阶构建Lyapunov函数，每阶子系统设定虚拟控制量，同时通过神经网络对未知扰动进行补偿，将得到的电机控制电压施加到混联机构动力学模型，并将混联机构各关节姿态反馈给反步控制器，构成闭环反馈控制。

2.根据权利要求1所述的基于极限学习机的混联机构自适应反步控制方法，其特征在于，所述步骤(2)中，定义集总扰动项为：其中，d1是力/力矩控制通道中的集总扰动，为不匹配扰动；d2是电机电压控制通道中的集总扰动，为匹配扰动。

3.根据权利要求2所述的基于极限学习机的混联机构自适应反步控制方法，其特征在于，所述步骤(3)中，状态空间方程为：其中， 为系统状态变量，ic为电机电枢电流。

4.根据权利要求3所述的基于极限学习机的混联机构自适应反步控制方法，其特征在于，所述步骤(4)中，所述神经网络为：其中， 分别为不匹配扰动项的估计矩阵、匹配扰动项的估计矩阵，z为网络输入矩阵， 分别为不匹配扰动网络输出权值向量、匹配扰动网络输出权值向量，h1(z)、h2(z)分别为不匹配扰动隐层节点输出函数矩阵、匹配扰动隐层节点输出函数矩阵。