工业机器人控制对象是一个多关节机械手,它的数学模型相当复杂,是一个与运动学和动力学密切相关的、强耦合、非线性的多变量系统。用传统方法控制机器人的位置和力在理论上虽然能做到对机器人快速、精确控制,但很难实现。除了需要大量繁杂的严格的数学公式推导,还要求有计算速度极高的计算机才能进行实时控制。近年来人工神经网络的重新出现,为解决机器人控制中存在的一些问题提供了新的途径。由于ANN方法具有模糊性、容错性、自适应性和自学习性的特点,比以往靠推导数学模型、参数寻优的控制方法具有明显的优越性。很多学者已用ANN解决机器人的复杂控制。本文主要对几种阻抗控制方法进行了研究。其研究思路如下:首先对传统的阻抗控制算法、自适应阻抗控制算法分别作了理论分析,并作了仿真研究;对上述两种算法作了多种环境条件下的比较研究,初步总结了阻抗参数的调节规则。通过仿真研究表明,合理的调整阻抗参数在实际力控制过程中至关重要,它可以有效地减少机械手与环境接触时的冲击力。其次论文试图探讨研究一种机器人控制算法的新途径——利用神经网络与逆系统方法相结合的思想。由于神经网络逆系统有较强的解耦线性化能力,从而实现对解耦线性化后的机械手系统控制的目的。论文中对上述过程作了仿真研究,仿真结果表明该算法的效果较理想。最后,利用PA—10机器人实现了神经网络逆系统方法对机械手原模型的解耦控制。实验表明该算法可以很好的完成机械手的轨迹跟踪任务。