随着德国工业4.0和中国制造2025的提出,工业机器人逐渐取代了传统的人工操作,成为当前智能制造工厂中必不可少的设备之一。本文以FANUC ARC 100i型六轴工业机器人为研究对象,从运动学和轨迹规划两个方面展开深入研究,并进行了实验验证系统的设计与实现,具有较高的理论意义和工程价值。首先,在研究FANUC ARC 100i型六轴工业机器人运动学的数学理论基础上,利用改进的D-H参数法对其进行了运动学建模,并对该机器人的正逆运动学的求解过程进行了详细的分析与推导,完成了六轴工业机器人运动学分析的理论基础,最后通过仿真验证了正逆运动学推导的正确性。其次,针对传统的解析法和数值解法对工业机器人逆运动学求解稳定性差、精度低的问题,提出了一种将MPGA(Multi-population Genetic Algorithm)和RBFNN(Radial Basis Function Neural Network)相结合的MPGA-RBFNN算法。采用RBFNN求解工业机器人逆运动学,将非线性问题转化为线性问题求解,并保持非线性问题的高精度,同时采用并联结构的MPGA优化RBFNN的权值和网络结构,增强算法的全局优化能力。实验结果表明,该算法提高了工业机器人逆运动学求解时的稳定性,而且训练成功率和计算准确率也得到显著提高。然后,针对工业机器人轨迹规划中常出现的运行平稳性差的问题,提出了一种径向基函数插值的方法来对生成的轨迹进行优化。首先在点到点和连续路径点两种情况下验证轨迹曲线的连续性,然后采用本文提出的方法来优化工业机器人的运行时间,并采用该方法与常用的插值算法进行对比分析,证明了本文提出的方法能够实现工业机器人运动平稳,有效解决了运行过程中出现的抖动问题。最后,利用本文改进的算法,以FANUC ARC 100i型六轴工业机器人为实验研究对象,利用Microsoft Visual Studio软件和C#语言搭建了轨迹规划系统,对本文提出的算法进行实验验证和分析。实验结果表明,本文提出的算法有效提高了各个关节轨迹运行的稳定性。