传统的刚性机器人以其高刚度、高强度、高精度、高速度的特点在工业领域得到广泛应用。软体机械臂具有充分的柔顺性、适应性、超冗余或无限自由度,甚至可以任意改变自身形状以适应环境和目标,能够完成许多传统机器人不能完成的任务,相对于传统刚性机械臂可以满足在狭小、混乱、拥挤等复杂的环境中工作,但软体机械臂由于自由度多、软体材料本身的非线性特性等,使得软体机械臂的建模与控制更加复杂。本文对软体机械臂神经网络建模和位置控制方法进行了研究。主要研究内容如下:首先,本文以三气腔软体机械臂为研究对象,搭建了软体机械臂测试实验平台,用三维数字化仪采集软体机械臂不同驱动气压对应末端点的稳态位置信息;接着分别用BP神经网络、LSTM神经网络、BP与LSTM结合的神经网络建立软体机械臂的模型,研究软体机械臂末端点的稳态位置和驱动气压之间的对应关系,通过比较目标位置的预测气压和真实气压的误差值,发现基于BP神经网络与LSTM神经网络结合建立的软体机械臂模型预测效果最佳;然后基于测试集的目标位置和随机目标位置对此模型进行实验验证,将模型预测目标位置的对应驱动气压值再次加载给软体机械臂,计算得其末端点到达的位置和目标位置之间的误差为6.95mm;在此基础上,结合PI控制器,对模型预测的驱动气压值进行调节,机械臂位置误差得到较大改善。