随着科学技术的日益发展,机器人技术广泛综合了多学科的发展成果,在人类生活应用领域不断扩大,并不断引起人们的重视。论文研究的特种机器人是一种是自动执行工作的机器装置。它既可以接受指挥控制,也可以根据以人工智能控制技术制定的原则纲领行动,由于其工作状态是通过各关节的驱动控制产生连杆的运动,使悬系于末端的负载能被运送并装填到指定的位置。该特种机器人系统可以考虑成一种多关节的机械臂系统。因此,论文首先采用机械臂的数学建模方法对特种机器人的运动学与动力学方程进行了推导,建立了该特种机器人的数学模型。由于特种机器人在工作时受到各种随机干扰以及参数变化影响,因此它是一种复杂的多输入多输出非线性耦合系统,具有时变,强耦合及非线性的动力学特征,控制难度加大。智能控制理论的发展为解决这类复杂机器人系统的控制问题给出了较好的方法。将模糊逻辑系统与神经网络方法相互结合而形成的模糊神经网络(FNN)既具有模糊控制的推理归纳能力,又具有神经网络并行处理、自学习且有良好的联想能力,能够更好的适应机器人系统控制。论文将模糊神经网络智能控制系统应用于该特种机器人的控制中并进行了仿真研究,仿真显示了该方法的有效性。最后,论文将蚁群算法与模糊神经网络智能控制方法相结合,对其网络参数进行智能优化训练。在MATLAB提供的Simulink仿真环境下,对特种机器人系统进行智能控制动力学仿真与控制研究。结果显示,与基于BP算法学习训练的模糊神经网络智能控制器相比较,采用蚁群算法优化训练的模糊神经网络控制系统具有更为稳定准确的轨迹跟踪效果,提高了该控制系统的泛化能力,且较BP算法使系统训练的收敛速度更快,避免了神经网络训练中容易陷入局部极值的缺陷。仿真分析说明了该系统的可行性与有效性。