在包装、医药和食品等领域,需要重复执行大量的抓取和搬运动作,并联机器人具备较好的动态性能,体积小、精度高,控制简单,被广泛的应用于上述行业当中。为了实现并联机器人平稳、高速动作,发挥其高速运动的性能特点,需要对其在工作环境中的轨迹进行规划,实现机器人运动轨迹最优。本文围绕并联机器人插补算法和最优轨迹进行研究,针对一种采用NURBS的时间最优轨迹优化算法进行了研究,并且在三维环境中验证了该算法的性能。首先,对Delta并联机器人进行了建模。将并联机器人结构进行简化获取简化后的模型,在此基础上推导出了并联机器人的运动学方程,对并联机器人运动学位置和速度进行了分析,随后对机器人空间奇异和工作空间范围进行了研究,验证了在要求的工作空间内并联机器人无奇异发生;其次,针对一类无运动前瞻轨迹规划算法进行了介绍。先说明了一种关节空间进行的算法,在关节空间利用多项式拟合的优良特性可以完成轨迹规划算,但是多项式拟合没有直线段,导致机器人运动速度较慢,在此基础上又介绍了T型和S型两类直线型规划算法。然后由于关节空间轨迹规划并不能严格控制笛卡尔空间中轨迹形状,又介绍了一种笛卡尔空间进行的算法,包括直线和圆弧两种轨迹规划算法;接着,因为并联机器人不仅要保证轨迹光滑,而且要尽可能保证完成任务时间短,基于上述要求针对一种运动前瞻轨迹规划算法进行了研究,该算法分为两个步骤:离线轨迹优化和在线实时跟踪,离线轨迹优化采用了一种改进的遗传算法,结合插补实际过程,针对初始种群生成方式进行了改进,使得初始种群更加均匀,还增加了自适应交叉和变异过程,进一步提升遗传算法的性能,最终通过上述方式获取优化曲线。在线实时跟踪是利用NURBS插补算法实现优化后曲线插补过程,这样在笛卡尔空间中就完成了整个最优轨迹规划算法;最后,本文搭建了一套并联机器人运动控制平台以及一套并联机器人三维仿真环境,并且将运动前瞻时间最优轨迹规划算法应用于三维仿真环境中,进一步验证了算法的可靠性。实验结果说明,时间最优轨迹规划算法能够充分发挥并联机器人性能,满足并联机器人平稳、高速、精确的运算指标要求,可以应用于实际工业环境中。