本论文主要对RPJ-D型机器人的一些研究工作进行了论述。针对喷砼作业的工艺特点和工作空间要求，完成对RPJ-D型喷砼机器人机构的整体选型设计，将机器人的手臂设计成：SOC{-R⊥R⊥P⊥R⊥R⊥P／R⊥R-}型机械结构，具有8个自由度，是一种具有冗余自由度的机器人。使得该机器人的工作范围增加，机器人的整体结构尺寸更紧凑。借助机械-液压联动机构，实现了机器人可以在作业中自动保持喷枪对壁面的垂直关系。根据施工现场的要求，增加机器人的模块化设计与多功能设计。根据工作范围或工作特点等的需要，对喷砼机器人各个重要工作部件分别建立了优化设计数学模型。用遗传优化算法，得到了全局最优解，完全满足了起初设想的各种要求，并且具有很好的联动传动精度。对机器人的液压控制系统按照节能，联动，适应多种动力的要求实现了合理设计。针对喷砼机器人的新型结构形式，建立了其运动学方程，推导了其雅克比矩阵，用蒙特卡洛法分析了机器人的有效工作空间。按照拉格朗日方法推导了喷砼机器人的动力学方程，为机器人的控制及仿真等工作提供准确的理论分析模型。提出了用人工神经网络求解喷砼机器人运动逆解模型的思路。运用新型神经网络技术，研究了对喷砼机器人运动逆解模型的创建问题。选择了RBF神经网络类的泛化回归神经网络来创建喷砼机器人的运动逆解模型，并且试验研究了扩散系数spread对本网络模型逼近能力的影响，选择了最佳扩散系数。经过仿真验证，求解结果可以使机器人完全按照工艺要求的路径与姿态运行，精度较高。避免了解析法公式推导的繁琐过程，解决了具有冗余自由度机器人运动逆解的不确定性问题，并且对如何提高求解精度提出了自己的观点。建立了喷砼机器人的虚拟样机模型。通过对机器人完成虚拟样机的造型建模和工作情况的动态仿真，为机器人某些分析提供必要的理论数据，并在机器人虚拟样机的基础上，实现对机器人有关部件的有限元分析与结构优化设计。