逆运动学问题是目前机器人领域研究的热点之一。 本文在对MOTOMAN-UPJ型机器人进行结构分析后，采用D-H方法建立了其运动学模型，推导出机器人的正运动学公式。本文提出只需要一次矩阵逆乘的逆解算法。与传统方法相比，大大减少了计算逆解运动方程的计算量。针对有时在逆解中有几组不是真解的问题，本文详细讨论各位置参数的取值对逆解结果的影响，明确了逆解角度求解公式，避免了可能出现的漏解的情况。 本文将解析算法得到的运动学正解作为训练样本，采用径向基函数(RBF)神经网络来研究机器人的逆运动学问题。利用RBF神经网络的局部逼近的优点，本文将求解机器人运动学逆解转化为对神经网络的权值进行训练，实现了机器人从工作空间到关节空间的非线性映射。减少了求解运动方程的计算量，与BP网络相比，加快了收敛速度，解决了实时性差的问题。并用数值实例进行了验证，给出了训练结果和期望结果的对比，表明这种方案十分有效，使运动学仿真和控制更为准确可靠，为进一步研究和实用化提供了理论基础。 最后，在熟悉其编程环境及有关操作步骤的基础上，结合机器人的基本结构及各轴运动特点，本文设计完成了机器人运动学的相关实验。验证了了机器人逆运动学的两种不同的算法。