工业机器人最大的优势在于能够长时间准确地执行重复劳动,这使得它广泛应用于多种行业的生产线上。近几年,随着智能技术的引入,工业机器人取得了飞速的发展。机器人的轨迹规划是机器人控制系统中的基础环节。机器人轨迹规划的首要目的就是符合作业任务的要求,使其准确地完成用户指定的任务。在此前提下,轨迹规划时还需满足机器人的运动学与动力学约束,使机器人运行平稳,不会产生振动和冲击,且在不同的应用场合,对不同的运动性能指标进行优化。本文对六自由度机器人逆运动学的求解方法进行研究,并利用五次NURBS(Non-Uniform Rational Basic Spline,非均匀有理B样条)曲线插值方法进行六自由度工业机器人在笛卡尔空间的轨迹规划。主要研究内容如下:(1)利用RBF(Radical Basis Function,径向基函数)神经网络构建六自由度机器人的逆运动学解的预测模型,并利用FGA(Fluid Genetic Algorithm,易变遗传算法)对神经网络的参数:节点的中心向量、基宽向量以及输出权值进行优化,以提高求解精度。然后在川崎RA010N型机器人上采集样本数据,对网络进行训练。最后利用测试样本对网络的性能进行测试,分析其求解精度。(2)基于NURBS曲线理论,对于六自由度工业机器人,在笛卡尔空间中进行轨迹规划。首先求取五次B样条基函数,在此基础上,分析反求五次NURBS曲线的方法。本文采用五次NUBRS曲线插值方法进行轨迹规划,以保证机器人末端执行器的速度、加速度以及加加速度连续,而且轨迹首末处的速度和加速度满足约束条件。利用上述方法求取轨迹插补点后,根据机器人逆运动学,计算各个插补点对应的关节角度。(3)最后,对于所规划的轨迹在川崎机器人平台进行实验。