传统工业机器人大多由刚性材料制造,其负载、自重比较大,作业过程中会产生较大的能耗;当进行人机协作的相关任务时,对于使用者来说,较大的关节刚度有一定的操作风险。因此,轻量化成为工业机器人的发展趋势,具有低自重/负载比、高柔顺性、高精度和高鲁棒性的柔性关节机器人已经成为了各个行业应用的发展趋势。但是由于其自身内部的弹性结构也会导致机器人关节的控制精度差、鲁棒性差等一系列问题,对柔性关节机器人执行高要求控制任务时的稳定性和精度产生了不良影响。为了使柔性关节机器人能够获得较好的性能,对柔性关节的研究至关重要。本论文以轻量协作机器人的柔性关节作为研究对象,针对该关节的动力学建模及高精度、高鲁棒性的控制策略开展研究,主要工作及创新点具体如下:(1)将六自由度协作机器人的柔性关节作为系统的研究对象,并将携带负载的柔性关节等效为两刚体弹簧系统,并利用前馈与反馈相结合的控制策略对机器人进行控制,在对其结构组成及控制精度等因素研究的基础上,进行关节运动仿真分析及实验验证,表明所提理论能够有效提升机器人精度。并建立柔性关节机器人的动力学模型,研究了柔性关节机器人的控制原理。(2)由于柔性关节存在的弹性机构、摩擦阻力及固定的伺服参数导致其运动精度低,难以建立被控对象精确的动力学模型,以及在建立动力学模型时出现的参数整定不良和性能欠佳等问题,将BP神经网络控制算法引入到PID控制器中,完成对柔性关节位置闭环反馈的BP神经网络控制系统的设计,并对此方法进行仿真分析,结论表明了所用方法的准确性。(3)在BP神经网络控制系统中存在收敛速度慢、易陷入局部极小值等缺陷,本文采用附加动量项与自适应学习率结合的算法对神经网络PID控制器参数进行在线整定,并根据PID的控制特性及被控对象的数学模型,提出在PID控制中的速度环及电流环上引入前馈控制,提高了伺服电机的动态响应特性和控制精度、缩短了神经网络自学习的时间,能够在BP神经网络调节过程中使跟随误差保持良好的状态。