六自由度Stewart平台具有多自由度、高刚度、高精度、可模块化生产等优点,随着国内外研究的深入,应用范围也不断扩大,其主要应用领域有飞行模拟器、并联机床、航空宇航器对接、医疗器械等多个方面,并要求平台控制系统具有很高的运动精度以及动态响应性能,在国防、商业方面具有重要的战略价值和意义。与实际物体相比,它具有可控性、无破坏性、经济性和可靠性等优点,因此其应用前景非常广阔。本论文主要提高六自由度Stewart平台的运动及控制性能,对Stewart平台开展了运动学、动力学以及智能控制等方面相关研究工作。本文首先对六自由度Stewart平台的运动学进行了研究,利用神经网络法逼近复杂非线性精确解算法和遗传算法全局搜索的特点,把二者有机的结合起来,提出了基于遗传-神经网络的六自由度Stewart平台运动学正解方法。遗传算法对原始样本进行离线全局搜索,得到一个较好的神经网络初始向量,作为第一个阶段输出。结合遗传算法和神经网络的优点,第一个阶段学习返回的一个次全局最优点,被用来作为神经网络第二个阶段学习的初始向量来提高位置正解的学习速度及精度。然后,应用奇异性理论分析Stewart平台的分岔特性。建立了Stewart平台的分岔方程,根据奇异性理论的静态分岔条件来判断机构的分岔点。根据Stewart平台在初始点附近的非奇异空间,提出了基于分岔理论的Stewart平台工作空间计算方法。研究了Stewart平台的奇异点与驱动杠的杆长关系,给出了相应关系图。接着对Stewart平台动力学进行了深入研究,利用拉格朗日方法对Stewart平台进行动力学建模,给出完整动力学模型,并进一步给出了动力学模型的特性说明。在此基础上,分析了惯性矩阵的块对角占优特性,研究Stewart平台关节空间动力学模型的耦合问题,将Stewart平台六输入六输出系统划分为三个两输入两输出子系统,建立了子系统动力学模型,削弱了Stewart平台的强耦合问题。为进一步降低子系统耦合性的干扰,提出了基于逆向力补偿的控制方法,提高了系统对耦合干扰的抑制能力。最后,对支持向量机的逆系统控制进行了研究,对六自由度Stewart平台解耦的三个DIDO子系统动力学模型进行分散控制,提出了一种复合智能控制策略,将模糊控制和支持向量机进行结合。此复合控制策略充分利用支持向量机非线性方程逼近能力,而且发挥了支持向量机逆控制和模糊控制互补的优势。提出了采用运动学正解的补偿方法,并将该方法与复合控制策略应用于Stewart平台DIDO子系统逆向力补偿控制中,并将其与传统PID的SISO控制进行比较,验证了控制策略及动力学模型的正确性。