随着近些年来世界各国对机器人领域的研究逐渐深入,在机器人控制与研究的方向,也得到了比以往更多的关注。人们对机器人的应用由以往的简单机械化任务,如装配,焊接等,逐渐扩展到更多更广阔的领域和行业中,并且机器人在这些领域和行业中大显身手,如在医疗领域使用的康复机器人,服务业使用的机器人接待员,机器人在各个领域的发展和推广带动了其他诸多研究领域的前进。这也使得在近年来,双足仿人机器人的发展备受瞩目。社会的发展变迁和生活方式的不断改变,使得人们对机器人功能要求越来越多,也越来越复杂。从简单的动作,到多个关节协动的复杂动作结合,双足行走,奔跑跳跃,人机交互、智能控制、机器视觉和虚拟现实等更多也更为高层次的要求。本文的主要研究将首先对6自由度机械臂系统进行D-H方法的运动学分析,并且采用牛顿欧拉方法对机械臂系统进行动力学建模。同时利用粒子群优化算法的收敛特性,生成具有一般性特点的关节运动轨迹,并对轨迹参数进行优化,由此激励产生的关节运动轨迹是严格有界且平滑的,将可以用模型参数检验的控制实验。采用“岭回归”方法对模型参数进行辨识,获取机械臂各个关节自由度的惯性参数。然后为了检验得到的机械臂模型的惯性参数,验证所提出辨识算法的实际效果,本文将设计递归自适应控制方案对机械臂系统进行运到控制仿真实验,利用之前的辨识参数和优化轨迹完成机械臂的轨迹追踪控制,对比追踪效果,检验辨识参数的有效性。针对多自由度机械臂系统设计的模型辨识方案,就可以通过计算机仿真得到较为准确的机器人系统参数,并且借助递归自适应方法,可以省去大量的数学推导,降低多自由度机械臂系统的推导难度。最后对针对双足机器人的行走过程,设计基于状态反馈的神经网络控制方案。在机器人系统的平衡性控制方案设计过程中,我们可以利用自适应神经网络解决未知系统,设计基于状态反馈的控制器。当机器人系统中的部分参数也可以辨识得到时,就能通过在线估计来补偿系统的部分未知参数,如机器人系统的惯性矩阵,以及运动过程中由外界环境产生的未知扰动。根据双足机器人行走过程中的单足支撑和双足支撑两个阶段,分别设计基于状态反馈的神经网络控制器。最后,通过仿真来模拟双足运动状态,对所设计的控制器进行验证,并通过实际轨迹对理想轨迹追踪过程产生的误差情况,确保所设计控制算法的准确性。