针对Delta并联型机构基于运动学建模和控制方法存在的跟踪精度不高、控制能量大、鲁棒性低等问题,以本课题研制的Delta并联助航灯具清洗装置为研究对象,设计了一套基于动力学模型和计算力矩控制的动力学控制系统,实现清洗机构末端的动力学控制,以确保清洗作业的快速、精准和抗干扰。本文主要进行了助航灯具清洗机构的运动学逆解模型的误差补偿、动力学建模和参数辨识、基于分数阶PI^-λD^μ的计算力矩控制策略研究、分数阶PI^-λD^μ控制器参数整定以及整个控制系统设计与实现。首先,针对Delta并联清洗机构末端控制精度问题,提出一种基于RBF神经网络的提高Delta并联机构运动学控制精度的方法。在已有的并联清洗机构运动学控制系统的基础上,探讨了影响控制精度的因素和现有提高控制精度方法的局限性。然后对Delta清洗机构进行工作空间分析,并在工作空间内,通过实验采集训练样本。以末端实际位置为输入样本,末端的期望位置与实际位置之差为输出样本,进行RBF神经网络模型训练,得到末端实际位置与位置偏差之间的非线性映射关系,并基于此设计位置补偿控制器。在Delta并联清洗机构平台上进行实验验证,对Delta清洗机构末端进行轨迹跟踪实验,末端控制误差由±30mm减小到±5mm,有效的减少了末端位置误差,为Delta清洗机构精准控制提供了一种简单易行的方法,也为动力学控制系统的精准性奠定了基础。其次,针对由于模型简化、参数测量不精确、关节间存在摩擦等原因存在,导致求解的动力学模型不精确问题,提出基于最大似然估计的动力学模型参数辨识方法。在Delta清洗机构模型简化的基础上,通过欧拉-拉格朗日方程法推导出了Delta清洗机构动力学模型数学表达。考虑实际清洗作业需求,设计了3条激励轨迹,进行了轨迹跟踪实验,获得了电机的转角、速度、加速度、电流以及末端位置信息。采用小批量梯度迭代法对似然函数进行迭代求极值,从而得到动力学模型的待辨识参数,并随机抽取部分样本作为测试集进行验证。采用校正决定系数R2_adjusted作为评价辨识结果的优劣指标,结果分析表明,该方法获得的动力学模型拟合度不低于92.6%。再次,针对Delta并联机构动力学系统进行了整数阶、分数阶PID控制器设计,并给出了整数阶、分数阶PID的数字实现方法。并采用改进的变步长量子粒子群算法对整数阶、分数阶PID进行了参数整定,仿真实验证明分数阶PI^-λD^μ在响应速度、响应精度、抗干扰性能上都要优于整数阶PID。在此为基础上,为进一步探讨了分数阶PI^-λD^μ五个参数变化对控制系统的影响,进行了单一变量法的阶跃响应仿真实验,结果表明分数阶PI^-λD^μ比例、积分、微分系数变化对系统影响与传统PID一样,而λ影响系统稳态误差,μ影响系统超调与震荡。最后,综合上述三部分,综合设计了一套助航灯具清洗机构的动力学控制系统,完成控制系统界面设计、编程与调试。结合实际清洗作业需求,规划了实验验证轨迹。对上述RBF补偿控制器、动力学模型、整数阶PID计算力矩控制进行了相同轨迹下的实验验证,对比分析表明,采用计算力矩控制对并联机器人进行跟踪任务具有更快的响应、更高的抗干扰性能。验证了动力学控制系统的快速、精准、稳定性。