在现代工业化制造技术日益成熟的背景下,对工业机械臂的工作性能提出更高的要求,尤其是涉及部分精密器件的制造,这就要求机械臂末端的执行机构实现对期望轨迹的完全跟踪。机械臂系统是一个难以建立精确数学模型、参数不确定、耦合性强的非线性系统,并且在实际运行过程中面对复杂因素的干扰,会存在末端负载突变,系统参数不能及时调整等情况,不利于实现轨迹的完全跟踪。考虑系统控制输入的可能变化情况以及系统运行过程中的参数自适应调整是现代工业机械臂研究的热点内容。设计最优控制器实现机械臂在一个工作周期内实现完全跟踪且消耗的能量最少对于现代工业具有重大意义。本文的主要研究内容如下。首先是对机械臂系统进行数学建模,求解出运动学方程,再根据运动学方程和关节的物理特性推导出用于系统分析的动力学方程。针对系统轨迹跟踪存在较大误差的情况采用自适应迭代学习控制方法加以改善,对已取得的研究成果进一步优化,设计带有初态学习的控制器以及采用指数变增益控制方法提高系统的响应速度和跟踪精度,实现对期望轨迹的完全跟踪。其次,考虑到机械臂物理特性及末端负载的变化,系统存在控制输入受限的可能性,双曲正切光滑函数可实现控制输入受限,把该函数作为系统的控制输入,设计模糊自适应反演控制器试验机械臂系统的跟踪效果。仿真结果证明控制输入受限对系统的稳定性以及轨迹跟踪效果产生的影响很小。最后,根据实际工作环境中对机械臂系统能量消耗最小的要求进行轨迹规划。得到的最优轨迹作为双关节机械臂轨迹跟踪控制系统的期望输入,在轨迹规划过程中采用交叉、变异因子自适应策略对差分进化算法进行改进,能够很好地提高算法的灵活性,轨迹跟踪效果有很大改善。通过仿真验证该优化算法能够实现搜索过程跳出局部最优,有效提升系统的轨迹跟踪精度。