本文就小波神经网络及其在柔性冗余度机器人抑振控制中的应用作了深入系统的分析研究。 小波理论是一门崭新的学科，它在信号处理、图象处理、模式识别、目标分类等领域已有了成功的应用。然而，小波理论在控制方面的应用潜力目前还远未发挥出来。本文采用近期控制界热点人工神经网络理论，利用它的优势即非线性函数的逼近能力，并结合小波理论良好的局部分析能力，探索并构造了小波自适应神经网络。通过与普通BP网络、加权最小二乘法网络、小波RBF网络相比，证明了新的小波自适应网络具有其它神经网络不可比拟的学习性能和自适应能力。同时针对神经网络学习算法收敛速度慢，收敛效果不好等缺点，进行了学习算法的优化研究，推导出了小波神经网络自适应算法。并且在构造法、删除法的基础上，本文提出了称为“二分法”的网络结构优化方案，简单易行。 在实际应用上，我们将小波自适应神经网络运用于柔性冗余机器人抑振控制。论文设计了基于小波神经网络的柔性机器人抑振控制系统，给出了系统的软硬件实现，选取了简单的WYD直流位移传感装置，并用此传感器设计了机器人柔性臂末端振动信号测量装置，分别对在不同情况下对柔性冗余度机器人进行了仿真实验。仿真结果表明此算法的确实有良好的抑振能力，机器人柔性臂的振动得到了很好的抑制。这也说明了将高级的控制策略相互结合，将更能发挥各自的优势。 论文对柔性冗余度机器人抑振的后续研究具有参考价值。