随着科学技术的不断进步,各种各样满足人类需求的机器人已经出现在了人们的工作和生活中。在目前,机器人在自由空间的位置控制已经取得了良好的效果,但随着机器人应用领域的不断扩展和对机器人智能化要求的不断提高,以位置控制为主的传统控制方案已经不能满足某些复杂环境的应用需求。在工业生产以及日常生活中,大部分机械臂在操作时都难免受到外界干扰,特别是安装基础存在振动的机械臂,当其受到干扰时,跟踪精度将受到更大的影响,其操作的可靠性、安全性的问题更加突出。同时,机械臂通常需要完成与环境发生接触的作业任务,往往会遇到机械臂动力学模型不确定、环境位置不确定等情况,为防止机械臂与环境发生硬接触而造成事故,因此在对机械臂进行控制时,需要机械臂具有柔顺性。针对这一问题,本文针对基础振动干扰影响下的机械臂的柔顺控制进行研究。本文以基础振动机械臂为研究对象,首先,对引入被动柔顺的基础振动机械臂的运动控制进行了研究。为使机械臂在发生碰撞时起到缓冲作用,将柔顺驱动引入刚性机械臂中,使机械臂具有一定的柔顺性,但柔顺驱动的引入会引起机械臂的柔性振动,并与基础振动耦合,影响机械臂的跟踪精度。针对基础振动以及柔顺特性带来的柔性振动影响下的机械臂轨迹跟踪问题,首先对基础振动柔顺机械臂进行建模,再运用奇异摄动理论,引入双时间尺度将复杂系统降阶解耦,分解为彼此独立的快变子系统和慢变子系统,并分别设计控制器进行控制。针对慢变子系统,将基础振动转化为不确定干扰项,采用抗干扰能力较强的神经网络鲁棒控制对机械臂进行轨迹跟踪控制;针对快变子系统,利用速度差值反馈控制器对柔性振动进行抑制。并通过仿真验证了该控制算法在基础振动影响下的鲁棒性,以及对柔性振动的抑制能力。其次,对基础振动干扰下机械臂的主动柔顺控制中的阻抗控制进行了研究。传统的基于转矩的阻抗控制能够快速准确地跟踪上期望轨迹曲线,且能从自由空间到接触空间实现平稳过渡,但在接触空间中力的跟踪情况较差,无法准确控制接触力。针对传统阻抗控制算法的不足,研究了自适应阻抗控制算法。自适应阻抗控制算法通过迭代思想,使用上一个采样周期的力矩和角速度来补偿阻抗方程中的不确定性参数。它与传统阻抗控制算法相比,最大优点是不需要精确的知道机械臂动力学模型以及环境位置,能准确的跟踪期望力,且对基础振动干扰具有一定的鲁棒性。并对传统阻抗控制和自适应阻抗控制进行了Simulink算法仿真,通过仿真验证了所提出控制算法的有效性及可行性。最后,搭建了基础振动机械臂实验平台,并在Lab VIEW中对基础振动机械臂的位置控制算法进行了编程与调试,实现了硬件软件的通信,完成了基础振动机械臂的位置控制实验。通过分析实验结果,验证了机械臂在受到基础振动干扰时,使用神经网络鲁棒控制算法仍然能实现较好的轨迹跟踪效果,并且相对于PD控制精度更高,证明提出的控制算法达到预期的控制效果。