六自由度机器人是多输入、多输出的复杂时变和强耦合的非线性系统。工业中大多采用位置PID控制,但在伺服系统中存在摩擦、间隙、磁滞效应、饱和、未建模动态和外部扰动等非线性因素,常规PID很难达到理想效果。本论文就已知末端轨迹下的高速运动控制问题进行了深入研究,采用智能算法使位置PID参数根据外界环境的变化实现在线整定,以提高机器人位置控制精度。首先,本论文以华南理工大学机器人研究所与广州数控设备有限公司合作研发的六自由度机器人为对象,建立D-H坐标,对其进行机构学、运动学、静力学和动力学分析。依次建立交流伺服电机模型、伺服电机减速器模型和关节转动副粘性库仑摩擦模型并求其传递函数,为下一步智能控制算法的实现提供控制对象。其次,分析在大传动比情况下,不考虑负载惯量的影响,不考虑电机之间的耦合,进行单关节建模的可能性。并利用六自由度机器人三维模型构建仿真的机构学模型,完成控制对象的单关节建模。分别研究并仿真未加重力补偿的单关节PID控制和重力补偿作为PID前馈控制情况下的方波信号响应,为智能控制算法整定PID参数提供研究平台。再者,智能控制算法用于在线整定位置环PID参数。建立模糊控制器,输入模糊化并建立模糊规则,去模糊化得PID参数变化。采用BP神经网络正向计算得控制量,并通过学习训练隐含层和输出层权系数,实现PID参数的在线调节。在控制器中加入RBF辨识网络求取灵敏度信息,建立被控系统的辨识模型,动态观测被控对象的输出对控制输入的灵敏度信息,提供给神经网络,通过自身的权系数调整输出PID控制参数。本论文分别采用RBF辨识的单神经元PID控制、RBF辨识的BP PID控制和模糊高斯基神经网络,仿真正弦跟踪曲线及PID参数的变化并作了相应的分析,其能够很好克服机器人中存在的非线性、不确定性、强耦合等因素的影响,跟踪效果较好。最后,在实际六自由度机器人平台上验证上述智能控制算法。机器人末端沿特定轨迹运动,利用Matlab接口编程将模糊、BP神经网络、RBF辨识的单神经元网络、RBF辨识的BP神经网络和模糊高斯基神经网络控制算法嵌入到上位机主程序,实现运动控制卡位置PID参数在线整定,使控制器能够适应机器人动力学特性的变化。通过实际轨迹与预定轨迹的对比,验证上述智能算法的可行性。