为了适应现代制造业规模化的生产，提高作业效率，这就要求机械手应该具有高效的逆运动学求解算法和平滑且运行时间最优的轨迹。因此本文在机械手的逆运动学求解和时间最优轨迹规划等方面进行了探讨和研究，提出了一种基于反向传播（Back Propagation，BP）神经网络和径向基函数（Radial Basis Function，RBF）神经网络的求解逆运动学的算法；还提出了一种基于遗传算法的时间最优轨迹规划算法。首先，介绍了机器人学的相关理论知识，给出了机械手位姿的表示方法，并引入了齐次变换矩阵；接着又讨论了PUMA560机械手的D-H参数和坐标系，分析其正运动学和逆运动学问题；最后通过仿真实验验证了运动学的正确性。这部分内容为后续的研究提供了理论基础。然后，研究逆运动学求解问题，针对高度复杂的非线性化逆运动学问题，提出了一种由BP神经网络和RBF神经网络组成的混合网络求解逆运动学问题的方法。该混合网络由并行的一个RBF神经网络和两个BP神经网络组成，其中RBF神经网络在训练过程中自动增加径向基层神经元，BP神经网络使用效率更高的Levenberg-Marquardt（LM）算法。最后进行仿真实验，并对BP神经网络的几种改进算法进行了综合比较，从而验证了该方法可以有效的解决逆运动学求解问题。最后，研究了轨迹规划问题，首先讨论了在笛卡尔空间和关节空间对机械手进行轨迹规划的问题；接着重点讨论了四阶三次B样条曲线的原理、性质和控制顶点的求法；还讨论了遗传算法的基本原理，最后提出了一种基于遗传算法的时间最优轨迹规划算法。该算法使用四阶三次B样条曲线对PUMA560机械手的前三个关节进行轨迹规划，然后使用遗传算法对规划出的轨迹进行时间最优轨迹优化。仿真结果表明，该方法很好可以很好的解决机械手时间最优轨迹规划问题。