六自由度并联机构有刚度强、载重比大、精度高等优点,在工业的各行业得到广泛的应用,为此也对其控制的精度、速度以及智能性和实时性提出了更高的要求。同时,由于六自由度并联机构存在非线性、多耦合的动力学模型、寻求正解困难等缺陷,这些缺陷无疑增加了六自由度并联机构运动控制的难度。本文在研究并联机构的定位方法的基础上,提出多种基于生物智能协调机制的控制算法应用于六自由度并联机构。首先,对六自由度并联机构的发展状况、研究热点、运动控制策略和运动学正解方法的研究现状进行了综述,指出了目前发展存在的问题以及将来的发展方向。就六自由度并联机器人运动学正解的难点,给出了附加电子罗盘的Stewart平台的位置正解法。该方法使得求解位置正解的过程得到简化,避开了传统解析法的多次迭代、奇异性、收敛性与初值相关的弱点,并能获得唯一确定运动学正解。该方法可以为并联机构的运动学正解研究提供参考。针对粒子群优化算法后期进化速度慢,容易陷入局部极小值等缺陷,为粒子群优化算法引入高斯白噪声干扰变异,提高其进化后期的多样性和收敛速度。该算法用于寻求并联机构运动学正解时,可快速、稳定获得并联机构运动学正解。充分利用并联机构运动控制系统中的冗余信息,根据概率统计的基本理论对电子罗盘、视觉检测以及编码盘信息进行融合,提出基于多传感器数据融合的并联机构运动学正解法。与单一传感器测量结果相比,该方法可以求得更准确的位置正解,并且无须求并联机构的运动学模型。同时,使得各种传感器自身的缺陷得到弥补,从而能反映系统的动态性能,并且降低了相同定位精度下的系统造价以及安装要求。综合克隆选择算法的维持抗体的多样性和粒子群优化算法的群体协作的优点,提出了具有全局搜索能力的粒子群优化的免疫克隆算法,用粒子群优化的进化方程指导抗体的变异方向,利用克隆选择的变异增加抗体的多样性,提高了免疫克隆选择算法的进化速度,改善了粒子群优化算法的收敛精度。然后采用粒子群优化的免疫克隆算法优化设计了PID控制器,可动态在线实时调节参数以适应时变、非线性系统的控制要求。基于生物免疫系统的免疫反馈机理,修正了免疫系统中辅助性细胞T_H的模型使其更合理,并根据实际情况对抑制性细胞T_C的模型进行了简化,与控制系统的性能要求相联系设计了一改进的免疫控制器,仿真实验验证了其良好的动态性能和抗干扰能力。为了适应Stewart平台的动态特性,参照合作型协同进化模型构造多个实数编码的子种群进行协作产生问题的完整解,并根据系统的控制特性动态改变子种群个体的产生范围,根据进化过程动态调整子种群变异概率,最后设计出基于生物协同进化机理的控制器用于Stewart平台的运动控制。相对于SGA控制,基于协同进化机理的控制有较高的控制精度,同时该算法充分体现了协同进化模型的并行性,有较高的求解速度。针对Stewart平台的强耦合性以及建立精确动力学模型困难的特点,考虑到递归神经网络利用历史信息以及动态逼近能力,首先运用Elman型动态递归神经网络对Stewart平台进行模型辨识,然后通过设计合理的评价函数对其进行解耦控制。提出变异协同进化的免疫克隆算法,该算法中变异体种群和抗体种群协同进化,保证了免疫克隆算法变异的方向性。采取新颖的变异协同进化的免疫克隆算法对神经网络进行训练,提高了全局搜索能力及速度。最后,分别在辨识模型以及实际平台上,验证解耦控制和辨识的效果。另外,该解耦控制方法具有较好的通用性,可用于其它的非线性、时变的、多耦合的对象的控制。以新型6-PSS并联机器人为应用对象,为其建立运动控制仿真平台,并在仿真平台上对本文所提出的并联机构控制策略进行仿真。在此平台上可进行动力学模型以及控制策略的仿真,为Stewart平台的后续研究打下了坚实的基础。最后,对全文研究内容进行了总结,指出研究工作中存在的不足,明确了下一步的研究方向。