工业机器人是集成度很高的智能数字化产品,在当今自动控制领域扮演至关重要的角色。在不断变化的市场需求下,为了更好的满足工业生产的需要,要求工业机器人应具有很广的通用性、独特的柔性、动作准确性高等更好的性能。规划机器人的运动轨迹对于控制机器人运动来说,至关重要。在机器人完成工作任务的运动过程中,轨迹生成算法会影响系统的整体性能。好的轨迹生成方法,可以使机器人在运动到目标位置之前保持稳定、快速、精确的状态,并且能够在工作区域范围内形成任务要求的轨迹。因此,轨迹规划方式对机器人来说很值得研究。通常采用关节空间和笛卡尔坐标空间的轨迹规划方式对机器人要完成任务的轨迹参数进行分析,实时计算并生成轨迹。但是传统的方式在机器人的自由度增多时,计算变复杂,效果很差。目前,常采用遗传算法和BP神经网络优化轨迹规划问题,但因遗传算法过早收敛,易陷入局部极值,无法得到全局最优解,BP网络全局逼近、学习速度缓慢等缺点,在实际工程应用中,效果不理想。介于RBF神经网络快速收敛性,高精度逼近的能力,很适合应用在机器人的轨迹规划中。本文主要研究四轴工业机器臂在工作空间的轨迹规划方式,以提高机器臂对路径点拟合的速度和精度为目的,采用RBF神经网络对机器臂轨迹路径点拟合逼近以提高机器臂系统的工作性能。由于本文重点侧重于提高机器臂完成作业任务的速度和精度,因此首先对研究的四轴机器臂系统进行了解分析,并用机器人学等相关知识建立四自由度工业机械臂的运动模型,采用D-H参数法得到它的运动学方程；其次,通过具备强大数值计算功能的MATLAB软件建立机器臂三维空间模型,验证模型的正确性,利用所建机器臂三维模型进行正逆向运动学仿真,绘制机器臂的坐标、速度、加速度曲线,对进一步探究机器臂轨迹生成算法有重要的指导意义；最后,简单介绍机器臂关节空间和直角坐标空间中的轨迹规划算法,并用RBF神经网络的拟合和逼近功能来优化规划方式的问题。运用MATLAB对径向基函数神经网络进行了设计,仿真研究其对插补点的拟合能力。结果表明,RBF神经网络规划的轨迹,相对于传统的轨迹规划方式,运算速度快,拟合效果好,可以优化机器臂对路径插补点的拟合逼近能力,验证了RBF神经网络用于规划四自由度机器臂轨迹的有效性和可行性。