目前，我国残疾人总量已经达到8000多万，其中肢体残疾占到残疾人总量的近30%。社会上对相关的假肢需求日益紧迫，对假肢等相关研究能够帮助残疾人实现正常的生活和更好的融入社会，因此这些研究就具有巨大的现实意义。本文首先开发仿生手的虚拟样机模型，能够完成简单的动作，并得出相关参数信息；然后根据这些参数信息建立仿生手食指的动力学方程，并进行仿真验证；根据给定的期望轨迹，设计运动控制算法使仿生手的手指可以以一定的精度和速度跟踪上期望轨迹，达到良好的控制效果。本文研究得到了吉林省科技发展计划项目（20090350），吉林大学“985工程”工程仿生科技创新平台项目，高等院校博士专项科研基金（20100061110029）以及吉林大学博士研究生交叉学科科研资助计划项目（2011J009）的资助。本文主要有以下四个方面的研究工作：（1）通过对人手的生物学、结构元素分析，初步确定仿生手模型的大致特征；然后应用ADAMS动力学建模软件开发出仿生手的虚拟几何模型，添加必要的约束，并给各个关节施加力矩，仿真验证了模型的合理性，各关节转角满足预先设计要求。（2）求出仿生手手指连杆的变换矩阵，导出各个连杆的伪惯量矩阵计算公式，利用第2章开发仿生手食指几何模型的有关参数；然后应用符号计算数学软件Maple计算出食指拉格朗日动力学方程的具体表达式；最后应用ADMAS和MATLAB进行验证仿真，仿真结果表明建立食指的拉格朗日动力学方程是正确的。（3）在前文研究工作基础上对食指进行轨迹跟踪控制。首先分析仿生手运动控制的特点，以及对控制性能的要求，选取迭代学习控制算法，简要介绍迭代学习控制算法的基本原理，然后应用自适应迭代学习控制算法对被控对象进行轨迹跟踪控制。仿真结果表明自适应迭代学习控制算法在迭代收敛的速度和跟踪期望轨迹的精度上都要优于闭环PD迭代学习控制算法，但是在控制精度和收敛速度上还需要提高。（4）在第4章的基础上提出一种改进的自适应鲁棒迭代学习控制，在控制律中加入鲁棒项，对建立的被控对象进行了验证仿真，与第4章所作的相同轨迹进行了对比，仿真结果表明比闭环PD迭代学习控制算法收敛速度快，精度高，自适应模块可以消除系统内的未建模或者干扰给系统造成的影响，增强了系统的鲁棒性；同第4章应用的自适应迭代学习控制算法做了仿真验证对比，仿真结果表明，当控制器的增益参数矩阵没有设定的很适当时，自适应迭代学习控制算法在关节角位移和角速度上都出现了比较大的偏差，当加入了变增益系数的增益参数矩阵时，改进的自适应鲁棒迭代学习控制的控制效果明显好于自适应迭代学习控制，而且在保证了系统跟踪精度的前提下，角位移和角速度的误差收敛速度都有了明显的提高。最后，总结全文的主要研究工作，归纳需要进一步研究的问题，给出了后续的研究思路。