SCARA机器人具有结构紧凑、工作空间大、操作灵活、重复定位精度和性价比高等优点,已广泛应用于塑料、汽车、电子、药品和食品等工业领域。然而,SCARA机器人是一个多变量、强耦合的非线性系统,为提高SCARA机器人的控制和轨迹跟踪精度,对机器人的动力学参数辨识和轨迹控制算法进行深入研究,具有重要的理论意义和实际价值。本文以SCARA机器人为研究对象,基于机器人运动学、动力学理论,建立SCARA机器人动力学数学模型,提出随机权重粒子群算法的机器人动力学参数辨识方法并编写了相应程序。在此基础上,设计一种滑模鲁棒项神经网络自适应机器人轨迹跟踪控制器并进行试验验证。本文的主要研究内容如下:（1）SCARA机器人系统运动学数学建模。分析SCARA机器人关节与连杆在空间中的坐标变换关系,建立SCARA机器人运动学模型,并对SCARA机器人进行运动学模拟实验,验证所建运动学模型的合理性。（2）SCARA机器人系统动力学模型的参数辨识。基于负载对各关节力矩影响分析,对SCARA机器人进行了结构简化,利用Lagrange法建立带负载机器人的动力学数学模型,确定了需要辨识的机器人末端动力学参数。提出一种随机权重粒子群算法对机器人动力学参数进行辨识,并编写相应的程序。结果表明,随机权重粒子群算法的收敛速度与参数粒子搜索范围得到明显提升,辨识出的机器人力矩曲线与实际输出力矩曲线基本吻合,说明该算法对机器人模型动力学参数的辨识有较高的精确性。（3）SCARA机器人的轨迹跟踪控制方法。分析SCARA机器人实际工作过程中轨迹控制的外界干扰问题,提出一种基于滑模鲁棒项神经网络自适应算法对机器人进行轨迹跟踪控制,设计SCARA机器人轨迹跟踪实验验证该控制器的跟踪精度和稳定性。结果表明,SCARA机器人关节1、2的轨迹跟踪最大误差分别减小了92.6%和95.5%,跟踪误差均方根分别减小了22.64%和31.79%。有效验证了该算法即可以保证SCARA机器人在轨迹跟踪时具有较高的跟踪精度,又可以补偿相应的干扰。