随着无人机在军事、农业等方面的广泛应用,越来越多的学者对无人机进行了研究。索并联机器人具有轻质化的特点,十分适合搭载在无人机上配合完成任务。索驱动的并联机器人是并联机器人中的一种,具有更好的动态特性以及更低的功耗,具有较大可达工作运动空间以及更加灵活。本文对4SPS-S索并联机器人进行了研究分析,其具有四根绳索与一根刚性杆。4SPS-S索并联机器人是指具有四根绳索进行连接的并联机器人。其中,S是指球副,P是指移动副,绳索长度变化视为移动副,绳索与定平台以及末端执行器处的连接视为转动副,末端执行器与刚性杆用球铰连接也是转动副。本文对4SPS-S索并联机器人用四元数表示旋转,对其进行了运动学和动力学分析。对四元数进行了基本原理的介绍,用闭合矢量法对绳索长度的逆运动学求解进行分析。对4SPS-S索并联机器人动力学方程进行分析,求解奇异位形。奇异位形的存在割裂了机器人的工作空间,使得运动空间大大减小,在奇异点时,会导致刚度缺失乃至失控。本文对包括奇异点的轨迹进行了设置过渡的满足一致性条件的五次多项式轨迹的轨迹规划,提升了穿越奇异点的平稳性。同时使用最小二乘法求解绳索拉力分布。对4SPS-S索并联机器人进行相对编码器的自标定方法研究。用求解非线性最小二乘优化问题来代替正运动学求解问题,通过提升取样的样本点数量来达到最小二乘优化问题可解的条件,从而进行初始绳索长度的自标定。与使用外部传感器来进行标定相比,自标定方法性价比更高且使用更方便。对于标定方法进行了Matlab仿真,同时分析了不同取样点数对于结果的影响。并在样机上进行了自标定实验,与使用激光跟踪仪的标定方法的结果比较。在4SPS-S样机上,用PID方法对搭建的样机进行了轨迹跟踪的控制实验。介绍了PID控制器的基本原理。为了保证绳索受到的力始终大于零,在控制器中添加了动力学补偿来保证力大于零。又由于PID控制器对于环境的变化以及对于不同的位置跟踪控制的变化缺少自适应能力,因此对于PID控制器的三个控制参数使用BP神经网络进行优化提升其适应环境的能力。介绍了BP神经网络基本原理,同时给出了基于Simulink的控制器框图。通过BP神经网络对控制器进行改进,可以得到更好的控制效果。本文对一种索并联机器人4SPS-S关于轨迹规划、自标定方法以及控制方法进行了较为详细的研究,为其实际应用奠定了基础。