工业机器人是机器人中的一个重要分支,是机器人领域的重要研究发展方向。对工业机器人运动轨迹规划和控制的研究,一直受到人们的普遍关注。关节型工业机器人以其工作范围大、动作灵活、结构紧凑等特点在机器人中备受设计者和使用者青睐。本文基于模块化设计思想,设计实现一定焊接任务的AS-MRobot6R关节型机器人,采用D-H法对该关节型机器人的机构和运动学进行分析,建立了该关节型机器人的运动学模型;根据目标路径,求出机器人的逆解,在关节空间和操作空间轨迹规划过程中,分别利用模糊C均值聚类算法、最邻近和K均值聚类的综合应用来训练网络,实现了RBF神经网络的改进,并用该算法实现了轨迹优化,达到了轨迹规划的快速收敛和近似逼近,具有很强的容错能力,避免了因约束点的输入顺序和野值产生的影响,使得规划轨迹达到工程上的要求,从而验证了该算法的可行性。然后应用虚拟样机技术,在机械系统动力学软件ADAMS上建立该AS-MRobot6R关节型机器人的仿真模型,按照已经规划好的末端工具运动轨迹,对实验过程进行轨迹规划仿真,并研究了该关节型机器人的运动学指标在仿真运动过程中的变化情况。从理论分析和仿真实验结果的一致性,证明了该改进的RBF神经网络算法的有效性、合理性和在轨迹规划方面的可行性。改进的RBF神经网络算法可以用于关节型机器人教学或在使用关节型机器人的工业环境中进行仿真演示或实时检测,为机器人轨迹规划优化算法的研究提供了理论上的有力支持,具有较高的应用价值。