随着国民经济持续发展,生产效率与产品质量都得到了极大提高,人们的物质需求也在不断增长,对机器人技术提出了更复杂的要求。其中少自由度并联机械手因具有刚度大、精度高、无累计误差等优点,在食品、药品和电子等行业应用前景广阔,具有很大的研究价值。本文以三自由度Delta并联机械手为研究对象,主要针对基于动力学的控制算法的设计及实现进行研究。首先介绍了 Delta并联机械手的主要结构,研究了机构逆运动学方程与简化逆动力学方程。并分别利用Matlab与Solidworks/Motion仿真,验证运动学准确性。利用Matlab/Simulink、Simmechanics分别建模仿真验证系统动力学逆解准确性。重点研究基于动力学的控制策略,在Simulink中设计控制器,在Simmechanics中搭建机械手物理模型,进行软件联合仿真分析。首先分析了计算力矩法的控制律与稳态误差,针对计算力矩法中PD参数难以确定、跟踪效果不理想等问题,设计模糊控制器,提出模糊自整定解耦控制策略,优化了控制参数,改善了跟踪效果。针对简化动力学方程所带来的被控对象具有不确定性以及存在外界环境随机扰动等问题,提出用径向基(RBF)神经网络逼近模型的不确定性,设计了 RBF神经网络补偿控制策略,并设计Lyapunov函数证明控制系统的稳定性。之后加入外部环境扰动,仿真对比三种控制算法跟踪期望轨迹的准确性。仿真结果表明,三种算法在无外部扰动情况下都可以很好的完成给定轨迹跟踪任务。在加入干扰后,计算力矩法稳态误差明显增大,RBF神经网络跟踪效果最优但运算量偏大,模糊解耦控制效果次优但运算量较小。最后进行控制系统的硬件与软件设计,搭建机械手试验平台。利用TwinCAT3与C++、Simulink等共同完成机械手的控制程序,其中控制算法主要在C++中实现。对计算力矩和模糊解耦算法进行轨迹跟踪试验,结果表明模糊解耦算法跟踪精度更高,稳态误差较小,能够较好的完成轨迹跟踪。同时表明控制系统可靠有效,能够处理较为繁重的算法计算任务,给并联机械手优化算法实用化提供了一种解决思路。