工业机器人作为一个强耦合的复杂时变非线性系统,其运动轨迹规划和轨迹跟踪控制是一个非常复杂的过程,实际存在的各种复杂不确定因素也将对机器人的控制过程产生较大的影响,因此对工业机器人的轨迹规划和轨迹跟踪控制方法研究是一个传统又十分重要的课题。本文以工业机器人为研究对象,对其运动学逆解、运动轨迹规划和轨迹跟踪控制三个方面进行了研究,主要内容如下:机器人运动学逆解是对机器人的运动进行研究的基础,首先给出了一种六关节通用型机器人的逆运动学解析解算法并说明了其局限性,随后将牛顿迭代法应用于机器人逆运动学解,得到了逆运动学数值解;将两种优化算法——模拟退火法和遗传算法结合起来,提出了一种模拟退火自适应遗传算法并将其应用于实验室提供的广州数控GSK RB03A1型搬运机器人的运动学逆解,解决了机器人在某些奇异位置无法得到逆运动学解的问题。利用运动学逆解得到的关节角作为机器人轨迹的边界条件,进行机器人运动轨迹规划的研究。在笛卡尔空间层面得到了空间直线的速度参数表示法,并将正弦曲线应用于速度规划;同时将机器人末端姿态矩阵用四元数进行表示,将原本复杂的矩阵轨迹规划简化为对一个转角参数的轨迹规划,优化了空间圆弧姿态规划。在关节空间层面用基于加速度约束的三种插补函数——五次多项式插补函数、非对称S型插补函数、指数型插补函数分别进行了轨迹规划,并利用粒子群算法得到了五次多项式插补函数的各项系数,实现了机器人在加速度约束下的运动轨迹规划。对机器人的运动轨迹进行规划之后,还需要对其进行精确的轨迹跟踪控制才能使其进行高质量的作业。分析了目前已有的用于轨迹跟踪控制的方法:PD+前馈控制和迭代学习控制,利用机器人动力学方程本身所具有的动力特性以及李雅普诺夫函数分析法,分别对这几种控制方法的收敛性进行了证明;并提出了一种自适应迭代学习控制算法,将迭代学习控制理论与传统PD控制结合,采用自适应控制的理论思想,利用误差信息来调节控制力矩,从而改善轨迹跟踪精度,提高系统的控制品质。最后以SCARA机器人为实验平台,分别用传统的PD迭代学习控制算法和本文研究的自适应迭代学习PD控制算法进行轨迹跟踪控制对比实验,实验分为直线轨迹和圆弧轨迹两种类型,通过对实验结果的分析验证了所研究算法的可行性与优越性。