随着机器人产业的蓬勃发展,机器人技术越来越受到人们的关注,而机械臂作为大多数机器人的执行机构,是机器人控制技术中一个非常重要的研究领域。冗余度机械臂是指自由度(degree of freedom,DOF)数量多于其完成末端主要任务所必需自由度数量的机械臂。由于拥有更多的自由度,冗余度机械臂具有更好的灵活性,能够完成更复杂任务。机械臂的逆运动学将机械臂末端任务空间映射到机械臂关节角空间,对于冗余度机械臂而言,由于关节角空间的维数通常大于末端任务空间维数,所以其逆运动学有无穷多解。重复运动是冗余度机械臂在工业生产过程中的一个典型应用,它要求机械臂在完成一次末端轨迹闭合的周期运动之后所有关节都回到其初始状态,如果不是所有关节都回到其初始状态,则称为发生了关节偏移。本文以二次规划(quadratic programming,QP)为框架,针对冗余度机械臂重复运动二次规划方案和对应的递归神经网络(recurrent neural network,RNN)求解器展开了研究。在重复运动二次规划方案方面,本文首先在机械臂关节角速度层面上构造了冗余度机械臂速度层重复运动二次规划方案,该方案能够有效地解决机械臂在重复运动中的关节偏移问题。然后,本文将速度层重复运动二次规划方案与关节扭矩二次规划方案结合,提出了一种混合层重复运动二次规划方案,在实现机械臂重复运动的同时也能实现关节扭矩的优化,并有效地解决了关节角速度、角加速度和扭矩的振荡与发散问题。在二次规划方案求解器方面,本文首先提出了一种变参递归神经网络(varying parameter recurrent neural network,VPRNN)求解器,与传统求解二次规划方案的方法相比,该变参递归神经网络求解器对误差具有超指数收敛速率,计算精度更高,鲁棒性更强。然后,本文结合模糊控制技术和神经动力学,提出了一种自适应模糊递归神经网络(adaptive fuzzy recurrent neural network,AFRNN)求解器,该求解器能够根据误差大小自适应调节收敛系数,在保证计算精度的同时能够进一步提高模型的稳定性。最后,本文通过理论证明、计算机仿真以及机械臂实物实验,从机械臂末端轨迹跟踪精度、关节偏移大小、误差收敛情况以及机械臂关节角速度、角加速度和扭矩等方面分析证明了所提出的重复运动二次规划方案的有效性,以及所提出的变参递归神经网络求解器和自适应模糊递归神经网络求解器相对于传统方法的优越性。