以提高生产效率、降低生产成本等优势,机器人代替人工在工业生产中的使用与日俱增。机械臂作为工业机器人的重要分支,其应用环境也越来越复杂,因此在复杂环境下机械臂如何自主、高效、高性能避障的运动控制问题摆在了人们面前。对于机械臂完成工作的自主运动,一个好的轨迹规划方法对能否保障机械臂作业的安全性、提高机械臂作业效率、减低能耗、延长寿命等综合性能至关重要。为此,围绕着六自由度关节式机械臂的轨迹规划进行了深入研究,本文做了避障路径规划、轨迹规划及基于时间-能耗-跃度的多目标优化等工作,将非均匀有理数B样条曲线插值法（NURBS）、人工势场法（Potential field method）结合免疫双态粒子群算法（Immune two-state Particle Swarm Optimization）得到NPIPSO算法,实验验证了该算法能让机械臂有效避障,显著提高轨迹规划质量。本文具体研究内容如下:（1）以Denso VS-050机械臂这种经典的机器人作为研究对象,分析了机器人位姿描述和坐标系复合变换,根据机器人的连杆参数及相关的其它参数确立了机器人的D-H坐标系,建立机器人的运动学模型,推导出机器人正逆运动学方程,基于MATLAB完成了机器人的正逆运动学分析和仿真验证。（2）为解决无障碍下多约束多目标最优轨迹规划的问题,对比了六自由度机械臂常见轨迹规划方法,通过仿真实验证明了五次NURBS曲线插值关节轨迹方法能够提高关节各高阶运动曲线的平滑性,选用免疫双态粒子群算法进行时间-能耗-脉动冲击多目标优化,得到分布均匀且多样性良好的Pareto解集,由工况需要设置权值选择最优解。采用蒙特卡罗法由各关节工作范围分析得到了Denso VS-050机械臂的工作空间。基于MATLAB的机械臂轨迹规划仿真实验,表明该方法不仅能够有效提高机械臂运行效率、减小脉动冲击、提升轨迹平滑性,还能降低能耗。（3）为拓展机器人在恶劣工作环境或突发情况下遇到障碍物时自主运动的轨迹规划能力,应用前文轨迹规划方法,结合一种改进后的人工势场法,提出了NPIPSO算法,在笛卡尔空间中对若干个个体基因,赋予其个体约束条件,保障其能有效避障,再对这些个体基因进行优化,通过不断迭代来重塑路径点,从根本上避免了传统人工势场法的缺陷。通过V-REP仿真软件进行Denso VS-050机械臂避障仿真实验,为体现NPIPSO算法优越性,另选取路径长度作为单目标性能进行优化,仿真实验表明NPIPSO算法下机械臂运行路径长度缩短了30.86%,且收敛速度比非支配排序遗传算法（NSGA-Ⅱ算法）更快。（4）为实际检验算法的可行性,利用Denso VS-050机器人、kinectv2传感器等搭建机械臂避障轨迹规划实验平台。对比NSGA-Ⅱ算法,NPIPSO算法取解多样性和均匀性更佳,算法运行效率更高,验证了 NPIPSO算法在机器人避障过程轨迹规划的安全性、实用性和优越性,规划出来的轨迹对比优化前,时间性能提高了25.50%,能耗性能提高了9.15%,跃度性能提高了20.25%,NPIPSO算法有效提高了机械臂轨迹规划性能。论文的研究成果可为机器人在复杂环境下规划出理想的轨迹运动提供参考。