随着机器人技术的快速发展,机器人的应用领域也越来越广泛。上至太空行走,下至深海探险,无论是救灾救援或是日常家居生活,都能看到机器人的身影。为了使机器人更好的适用于复杂的工作场景,同时也为了保证其自身安全,运动学控制理论相应而生。本文以实验室研制的七自由度冗余仿人手臂为基础,主要的研究包括冗余机械臂运动学控制算法,多目标进化算法。本文的研究内容如下:1)为解决冗余机械臂运动学控制问题,本文基于广义加权最小二乘法,提出“次任务精度”的概念,修正了原算法的转换矩阵,使其始终保持满秩,提高了原算法的数值稳定性。本文也对权值矩阵的选取进行了改进,减少了计算量且避免了关节速度发生震荡的情况。在七自由度冗余机械臂上的仿真结果也证明,在跟踪给定的轨迹时,本文所改进的算法避免了关节速度发生震荡的情况,具有更好的优越性。2)针对传统运动学控制算法无法同时保证主、次任务的完成精度问题,本文拟采用多目标进化算法来解决。以教与学优化算法为基础,模拟了课余时间学生与老师之间相互交流的反馈机制,提出了反馈阶段。在反馈阶段,将学生的成绩与班级平均成绩进行比较,高于平均成绩的优等生进行自我激励学习,低于班级平均成绩的差生向老师直接进行反馈学习。本文引入了非支配排序的概念将该算法扩展到多目标空间;同时,为了保证种群进化的多样性且为了避免最优解丢失的情况,引入了拥挤距离计算机制和精英保留策略。利用11个测试函数、4个性能指标,将多目标反馈教与学优化算法的性能与其他几种知名的算法相比。结果表明,多目标反馈教与学优化算法在最优解集的广泛性、均匀性以及收敛性方面均表现极佳,是一种具有竞争力的多目标进化算法。3)本文将多目标进化算法引入到机械臂运动学控制中,以期均衡主任务与次任务的完成精度的问题。将多个次任务对应多个优化目标。利用机械臂各关节初始变量作为决策变量,机械臂各关节运行的角度范围和角速度范围作为约束条件,选择可操作度指标和避关节限制指标建立冗余机械臂多目标运动学控制的数学模型。以避关节限制指标为指标的单目标实验证明了本文所提反馈阶段的极佳探索能力。而利用可操作度指和标避关节限制指标为双目标的实验也证明了所建立的数学模型的有效性,证明了在冗余机械臂运动学控制中引入多目标进化算法是可行的。