机械臂控制系统不仅是一个多输入多输出、高度耦合的复杂非线性系统,而且实际上还存在诸多不确定性因素,如负载变化、随机扰动、测量误差、摩擦及未建模动态等,因此无法得到完整、精确的机械臂系统模型。随着现代工业的快速发展,需要更高品质的机械臂为之服务,对机械臂的工作速度和精度要求越来越高。而不确定性因素会对机械臂的控制性能产生严重影响,因而更进一步地探讨有关不确定性机械臂的控制问题具有十分重要的理论意义和实用价值。本文以固高科技6-DOF串联机械臂为载体,通过理论研究和仿真实验相结合的方式,系统深入地研究了6-DOF串联机械臂的实时逆运动学求解问题、动力学建模问题和高精度轨迹跟踪控制问题,为串联机械臂的开发应用提供一套有效的理论和技术解决方案。建立机械臂连杆坐标系并获得D-H参数,推导得出机械臂正、逆运动学计算公式。由于任务空间的位姿变量和关节空间的关节变量具有一对多关系,因此重点解决逆运动学算法的实时性和稳定性问题。将四元数算法运用到机械臂逆运动学求解中,得到一套可以解决一般6-DOF串联机械臂逆运动学问题的高效算法,大大降低求解难度。采用MATLAB对机械臂正、逆运动学进行仿真,深入的了解机械臂运动学控制机理。采用拉格朗日函数法推导6-DOF串联机械臂的动力学方程,系统的给出拉格拉日函数法建模的步骤及换算方法。建立二自由度机械臂动力学方程,分析其惯量特性、哥氏力特性、重力矩特性,为关节控制器和轨迹跟踪控制器的研究设计提供动力学模型。针对执行重复作业任务的工业机械臂,引入迭代学习控制技术,用于适应工业机械臂重复执行作业任务时重复出现的动态特性,包括惯量耦合、力矩耦合、摩擦力、噪声干扰等。在传统D型迭代学习控制的基础上提出了新型的D型迭代学习控制算法,新型算法在学习律中加入收敛因子同时还加入输出误差,从而达到提高收敛速度及轨迹跟踪精度的目的。运用MATLAB对新型迭代学习控制算法在机械臂中的应用进行仿真实验,验证算法的有效性。