机械臂轨迹跟踪控制是机器人控制技术中的重要研究内容。工业机械臂是高度非线性、强耦合、模型不确定的复杂系统,且运动过程中往往具有重复性特点,如何针对机械臂系统模型和运动特点设计有效的控制策略,实现机械臂对参考轨迹的快速精准跟踪具有重要的研究意义。迭代学习控制不需要被控系统的准确数学模型,且对具有重复运动特性的系统具有优良的控制效果。本文针对已有的学习算法进行改进,并应用于机械臂的跟踪控制。论文的具体研究内容包括:(1)对机械臂系统的运动学和动力学进行分析并建立了系统的动态模型。首先,通过对运动学的分析,建立系统末端执行器相对于坐标参考系的位姿关系。然后通过对动力学的分析,利用拉格朗日法建立了机械臂的N自由度数学模型。最后对机械臂建模过程中存在的问题进行了分析。(2)采用带初态学习的指数变增益迭代学习方法设计了机械臂轨迹跟踪控制器。在原有D型迭代学习律的基础上通过改进算法,一方面引入对初态偏差的学习部分,以便消除由于初态偏差的存在而对系统跟踪性能的干扰,另一方面在原来的固定学习增益的基础上加入指数变增益部分来提高学习速度,最后结合P型学习律的优点得到了带初态学习的指数变增益PD型学习算法,并运用?范数理论给出了严格的数学证明。最后,基于改进的学习算法设计了机械臂轨迹跟踪控制器,并与无初态学习的定常增益控制器进行仿真对比。(3)基于加速抑制初态误差迭代学习的机械臂轨迹跟踪控制器设计。针对随机初态误差设计了在时间轴上随着迭代次数的增加而不断缩短对初态偏差学习时间的控制器,证明系统在存在有界的输出干扰和状态干扰的情况下,系统跟踪误差最终会收敛到一个与状态干扰和输出干扰有关的一个界内。最后将所设计迭代学习算法应用到机械臂的轨迹跟踪控制中。