机械臂是一种能模仿人手臂的某些动作,按固定程序抓取、搬运物件或操作工具的自动操作装置。它可代替人进行繁重劳动以实现生产的机械化和自动化,能在有害环境下操作以保护人身安全,因而广泛应用于机械制造、冶金、电子、轻工和原子能等部门。目前,机械臂已经受到越来越多部门的重视,对机械臂的研究也越来越多。其中,运动学分析和轨迹规划是工业机器人控制的主要研究方向,高效精确的逆运动学求解算法和快速平滑的规划轨迹对现代制造业规模化的生产,提高作业效率有着重要意义。因此,本文分别在机械臂的逆运动学求解和轨迹规划方面进行了研究,提出了改进的BP神经网络求解逆运动学的算法和基于组合函数的轨迹规划方法以及基于改进遗传算法的时间最优轨迹规划。首先,介绍了机器臂位姿的表示方法,采用D-H方法对机械臂建模,分析它的正运动学和逆运动学问题,并以Dr.Robot H20为例,模拟正运动学和逆运动学的建模过程。其次,针对逆运动学问题求解复杂,求解精度不高的问题,提出了一种改进激励函数的BP神经网络求解逆运动学问题的方法。相比于基本的BP网络求逆方法,该方法通过对隐含层激励函数的调整,使网络的收敛速度更快,误差更小,有效的解决了逆运动学求解问题。然后,研究了轨迹规划路径设计问题,针对传统的轨迹规划方法,提出了一种基于不同频率的正余弦函数组合的轨迹规划方法,该方法具有较小的速度和加速度,降低了机械臂关节的冲击,减少了机械磨损。最后,提出了一种最优时间轨迹规划方法,通过改进的遗传算法对B样条函数轨迹的优化,使机械臂在满足关节约束条件下,完成指定任务的时间最短。仿真结果表明该轨迹规划方法不但缩短了机械臂的运行时间,而且各关节的运行轨迹平滑,符合运动要求。