机械臂自出现以来便得到了长足的发展与大量的研究,并衍生出各种各样的机械臂。机械臂在人类生产生活中已经取得了大量的应用,极大的提高了人类生产生活水平。由于人工智能技术与计算机技术取得突破性进展,机器人技术的发展进入崭新的阶段。机器人研究的最终目标是研究出与人类类似的智能机器人,而机械手臂是其不可或缺的重要组成部分。因此,对于具有人类手臂特征的机械臂的研究是未来机械臂研究的重要方向。本文以电子科技大学机器人研究中心服务机器人SRU3研究为依托,进行具有人类手臂特性的机械臂系统的设计与研究。首先本文设计了机械臂系统平台,根据人类手臂结构特征,设计机械臂为3关节6自由度刚性机械臂,使得机械臂能尽可能的模拟人类手臂的运动特性。机械臂的控制系统设计为3层结构,上层控制采用PC进行机械臂的控制算法解算,中层采用MCU进行信息处理与电机驱动,下层为驱动电机与传感器设备等。整个控制系统采用分布式控制结构,机械臂上每个驱动电机都由一个MCU来进行控制。下层控制系统的软件架构采用基于?C/OS-III实时操作系统的架构实现,以提高整个系统的实时性与稳定性。然后,本文基于所设计的机械臂结构,对机械臂进行模型建立。本文分别建立了机械臂的运动学正、逆模型和动力学模型,运动学模型采用基于旋量理论的建模方法进行建模,动力学模型采用基于旋量理论与拉格朗日方程的建模方法建立模型。采用旋量理论建立运动学模型能有机的将机械臂刚体变换与螺旋运动结合起来,将正运动学模型描述为指数积公式(POE)形式,建模过程相较于常用的D-H法更简单。机械臂逆运动学模型一般采用Paden-Kahan子问题进行求解,而本文采用一种基于代数法与立体几何法的逆解方法进行解算,运算过程更简单直观。最后,本文设计了机械臂基于模型的控制算法以及自适应控制算法,分别考虑了在系统模型已知以及模型未知情况下的控制要求。自适应控制中自适应方法采用基于径向基函数神经网络,利用神经网络的拟合性能,对机械臂系统进行拟合。同时,分别考虑了系统状态完全已知与未知的两种情况,解决在实际应用中多种环境条件下的控制。采用Lyapunov稳定性原理以及MATLAB仿真对控制器的有效性与系统稳定性进行了分析与验证。最后,在机械臂平台尚未搭建完成的情况下,借助于Baxter机器人的手臂系统,对文中设计的两个自适应神经网络控制器进行实验验证,为算法有效性提供了进一步的证明。