近年来,随着自动化技术、计算机技术和智能控制理论的不断发展,智能机器人在国内外得到了广泛的研究。具有结构拟人化的仿人机器人更是备受关注,成为目前机器人研究领域中一个新的热点课题,其研究重点在于灵活自如地实现复杂环境中的运动任务,如搬运、拾取、人机协作等。因此,仿人机械臂的控制及轨迹规划的研究具有重要的实际意义。本文以NAO仿人机器人为研究对象,针对NAO机器人手臂的轨迹规划和跟踪问题,提出了基于模糊PDC(Parallel Distributed Compensation)控制结构的强化Q学习算法。具体的研究内容如下:首先,对NAO机器人手臂机构进行分析,求解右臂的运动参数,采用拉格朗日功能平衡法构建机械臂的动力学模型,为设计闭环控制系统、实现轨迹跟踪提供了数学模型。其次,针对NAO机器人手臂在轨迹跟踪时存在较大末端误差的问题,提出了基于T-S(Takagi-Sugeno)模糊模型的并行分布补偿控制算法。通过拉格朗日动力学方程,构建出手臂的T-S模糊模型。为了降低跟踪误差、提高鲁棒性,采用并行分布补偿策略设计了状态反馈闭环控制器。与模糊比例微分控制算法进行了比较,分析了机械臂在无干扰和有干扰两种条件下的轨迹跟踪情况,仿真研究结果表明了所提算法的有效性。最后,针对NAO机器人手臂的运动避障问题,提出了基于模糊PDC结构的强化Q学习轨迹规划避障算法。建立轨迹规划的环境模型,根据当前状态选择执行动作,同时获取下一时刻的回报值并更新状态,经过多次迭代探索决策出最佳的避障轨迹。仿真和实验表明所提算法能够使机械臂完成障碍物躲避和目标物抓取任务,验证了所提方案的有效性。本文的研究工作可为仿人机器人手臂的发展提供理论依据和方法,具有重要的理论价值和实际意义。