码垛机器人作为现代码垛系统中最重要的设备,它对促进工业自动化、流水线无人控制生产起了重要的推进作用。这其中搬运速度成为了衡量码垛机器人性能的重要标准。本论文主要论述高速机器人在运动过程中的特点,特别是在高速情况下。由于机器人运动所产生的复杂的动态特性,即非线性时变特性,并针对此种情况提出该问题的一系列解决办法。本文分别从机器人本体的运动学分析、Trio控制器性能优化、基于学习速度的迭代学习控制方法研究、以及抓手末端轨迹优化等共计四大部分内容,它们贯穿于第二章到第五章。针对机器人本体机构研究,由于本研究对象的特殊性,本文通过解析法与几何图形相结合,在给定力矩或功率的条件下,推算出末端的速度与加速度表达式,最后通过码垛机器人的实际运行,得出该机器人的理论最大码垛能力。针对Trio控制器的研究,本文通过对Trio系列不同控制器的研究,特别是对数据传输效率的研究,得出基于PCI总线结构的控制器最能满足要求;同时又通过对同一Trio控制器不同控制命令的研究,得出各种命令的响应情况,即控制命令时间执行要比运动指令快,而基于数组的数据传输命令最快;最后通过对控制器参数的调整达到控制器性能的最优,如对Trio控制器的PID参数的校正。在对机器人结构、机器人运动学原理有了进一步认识之后,提出了一种基于迭代学习控制方法的码垛机器人速度优化。迭代学习控制方法通过对系统跟随误差的学习,在满足误差允许的条件下,实现机器人各轴运动速度的最大化,从而实现机器人码垛效率的提升。而且本方法对系统建模的要求也比较低,易于在实际控制器上实现。系统仿真实验结果表明,经过迭代算法改进后的最优轨迹与未改进的标准轨迹比较后,前者通过改进局部速度,使机器人的运转速度有较大提升。通过进一步研究码垛机器人运动特点,通过改善各电机之间的运动配合,给码垛效率也带来了很大的进步。本文通过比较码垛机器人常用的运动轨迹,得出各种轨迹情况下的性能,以及为实现各种情况而采取的运动轨迹。尽管控制算法有久远的研究,且对机器人也有很多的应用,但是针对码垛机器人高速控制还是一种比较新的应用研究,希望本文所提出的方法能够为该领域的深入研究提供参考。