移动机械臂是由可移动的基座和可操作的机械臂组成的复杂非线性系统。多自由度的机械臂和可移动的基座让移动机械臂兼具移动性和灵活性的双重优点,使得其在家庭服务,智能仓储和工业生产等领域中得到了广泛的应用。针对移动机械臂理论和应用的研究对于提高生活质量和促进生产力发展具有至关重要的作用,近年来已成为机器人领域的研究热点。本文针对移动机械臂运动学范畴中的若干问题进行了研究,主要内容包括:移动机械臂基座的路径规划、六自由度机械臂的逆运动学问题和机械臂避障轨迹规划的优化问题。本文的创新点主要体现在以下三个方面:(1)针对人工势场法(APF)容易产生局部极小值和路径规划效率不高的问题,提出一种基于切向量和粒子群优化的改进人工势场法(PSO-TVAPF)。首先,迭代的计算的机器人当前位置与目标之间障碍物的切向量,并通过一定的筛选策略选择最优切向量;然后,将所得切向量与传统人工势场法中的引力和斥力按照某种比例进行合成,形成机器人路径规划的驱动力,切向量的引入,对于避免局部极小值和改善路径规划质量有着显著的作用;最后,为了进一步提高算法的鲁棒性和路径规划效率,使用粒子群算法对基于切向量的人工势场法(TVAPF)进行优化。仿真实验和实物实验表明本文提出的基于切向量和粒子群优化的人工势场法能够有效的避免局部极小值和大幅度的缩短最终路径长度。(2)提出一种基于极限学习机和顺序变异的遗传算法优化的计算六自由度机械臂逆运动学解的智能算法(ELM-SGA)。算法的基本思路是先利用极限学习机求出一个精度不高的初始逆解,然后利用基于顺序变异的遗传算法优化初始逆解得到高精度解。ELM-SGA算法的提出受到基于神经网络和遗传算法求逆解的混合智能算法(Hybrid)的启发,在保证与原算法达到同等精度的情况下最大限度的提高算法的时间效率,这里的时间效率包括两个方面,神经网络的训练时间和计算逆解的时间。极限学习机随机初始化输入层权值和隐藏偏置能够最大限度提高训练速度。与传统的遗传算法的随机变异不同,本文提出一种顺序变异的方式对初步逆解进行优化,这能够有效的提高遗传算法的局部搜索能力,提高算法收敛速度。仿真实验和MT-ARM机械臂的验证也证实了本文提出的算法在保证高精度的前提下能有效提高求机械臂运动学逆解的时间效率。(3)针对机械臂的避障轨迹规划问题,提出一种改进的人工势场法,然后利用本文提出的逆解算法ELM-SGA对轨迹上的点进行求逆,进行碰撞检测,直至得到安全轨迹为止,最后利用粒子群算法以末端轨迹长度和机械臂能耗为适应度函数对轨迹进行优化。仿真实验结果表明,改进后的人工势场法能够有效缩短末端轨迹长度和降低机械臂能耗。