水下机械臂常搭载在水下航行器上,用于水下矿物资源与海洋生物资源的开采。由于机械臂运动系统本身就具有非线性、强耦合性,而复杂水下环境的水动力干扰和噪声更能影响机械臂的运动控制,其精确的控制模型往往无法获得,传统控制方法效果不佳。因此,面向水下机械臂,研究一种精度较高、稳定性较好、控制较有效的控制方法成为一种较为重要的研究课题方向。本文针对以上控制难点,以设计的水下电动机械臂为模型,提出了一种基于模糊RBF(radial basis function,径向基函数)神经网络的控制方法,进而提升水下机械臂的运动控制性能。本文主要内容如下:首先,本文设计了一种水下电动机械臂,以制定的参数标准对机械臂整体进行设计,包括自由度、整体构型、本体材料及驱动方式选择,同时对机械臂部分关键零件进行有限元分析,验证其设计强度的可靠性。然后,对机械臂进行运动学建模分析,利用D-H表示法建立机械臂每个关节的坐标系,得到了正运动学方程;利用数值迭代法再反向进行逆运动学建模,得到逆运动学方程。对机械臂进行基于蒙特卡洛法的工作空间分析,在Matlab软件仿真中得到了机械臂的工作空间。再次,对机械臂进行动力学建模分析,利用牛顿-欧拉方法求解机械臂的动力学模型,然后利用Morison方程,简化原有模型,得到水环境影响的附加质量力矩、水阻力力矩和浮力力矩,最终得到机械臂的水动力方程。最后,以前面得到的水动力方程作为机械臂运动控制的控制模型,提出了一种基于模糊RBF神经网络的控制方法。该方法能够对水下机械臂的动力学方程中包括水动力的不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统的控制性能有较好的精度和自适应性。在分析系统稳定性方面,考虑了动力学模型中的水动力项,采用Lyapunov稳定性理论,证明了包含水动力项的水下机械臂控制系统的稳定性。联合Matlab和Simulink软件,对水下机械臂进行五关节耦合仿真分析,并与常规RBF神经网络控制方法进行对比,验证了所提出控制方法的高精度和有效性,为水下机械臂的运动控制提供了一种精度较高、较有效的控制方法。