工业智能机器人集现代制造技术、新型材料技术、智能控制技术和人工智能信息技术为一体,是智能制造的代表性产品,对其的研发、制造和应用已经成为衡量一个国家科技创新和制造业水平的重要标志。鉴于此,本文以当前的机器人操作系统作为系统参考框架,以Delta并联机器人为应用对象,利用现代机器人系统构件化思想对工业智能机器人的关键技术进行研究。主要包括:机器人的运动学、动力学建模及其机构参数优化,基于模糊逻辑的智能控制方法,可重用运动规划方法,以及针对智能控制方法和运动规划方法的实验等方面内容,旨在建立一套高性能、低成本、易于集成的工业智能机器人系统。本文首先以Delta并联机器人为对象,建立了其运动学和动力学模型。在此基础上,提出了构件化机器人本体机构参数优化方法,此方法包含各向异性动力学优化算法和全域动力学优化算法。在考虑各向异性动力学特征的机构参数优化算法方面,设计了全域驱动关节力矩指标和全域驱动关节力矩波动指标两种目标函数,并使用PSO算法对优化模型进行求解。优化结果表明,两种目标函数都能有效地提高机器人的动力学性能。在基于全域动力学性能指标的多目标机构参数优化算法方面,为了使机器人在全工作域内具有良好的动力学性能,设计了能够量化表达机器人全域动力学灵敏度的目标函数。优化结果表明,优化后的机构参数能同时提高机器人的全域动力学和运动学性能。上述模型和算法利用了机器人系统构件化思想,各个模块之间可以重新组合生成满足新任务需求的机构参数优化模型。从工业智能机器人的运动控制角度出发,提出了区间二型模糊逻辑控制系统的从属设计方法,并将其应用于含有内部和外部不确定性的并联机器人轨迹跟踪控制之中。首先针对Delta并联机器人的轨迹跟踪控制问题设计基准一型模糊逻辑控制器,在此基础上,将一型模糊隶属函数经模糊化生成二型模糊隶属函数。针对一型模糊隶属函数的模糊化问题,研究了三种模糊化方法,并对这三种方法生成的区间二型模糊逻辑控制器的控制性能进行了对比。分析了模糊度、模糊方法和输出控制面之间的关系,得出使控制器获得最佳非线性特征的模糊化方法。为了提高控制品质,引入了输出信号增强系数并给出了其计算方法。通过仿真验证了提出的区间二型模糊逻辑控制系统的设计方法的有效性。为了使工业智能机器人的运动控制器具有良好的适应性,提出了基于自学习区间二型模糊神经网络的智能控制器。此控制器具有并联结构,包含一个区间二型模糊神经网络和一个传统PD控制器。在区间二型模糊神经网络的设计方面,使用从属设计法建立了区间二型模糊集。在前件区间二型模糊集的设计过程中,提出了双序列对称式梯形隶属函数排列法,使得系统的自学习律和稳定性分析具有了解析形式,有利于算法在硬件上的实现。在神经网络自学习律的设计方面,建立了基于滑动模态控制理论的参数自学习算法来在线调节区间二型模糊神经网络的结构参数,并利用李雅普诺夫稳定性定理证明了系统的稳定性。结合Delta并联机器人的轨迹跟踪问题,给出三组验证性仿真实验。仿真结果表明,在存在系统不确定性的情况下,采用基于区间自学习区间二型模糊神经网络的智能控制器能够显著提高系统的轨迹跟踪精度和鲁棒性,并使控制系统具有很强的环境适应能力。针对机器人运动规划问题,提出了可重用粒子群最优运动规划方法。本方法将运动规划问题和优化轨迹参数的重用问题结合起来,对含复杂约束的机器人运动规划问题进行研究。采用基于轨迹特征点的机器人运动轨迹表征方法,使得不同轨迹可通过归一化计算统一时间和空间尺度,从而增加了本方法的通用性。在运动规划方面,提出了基于PSO的全局最优运动规划算法。建立了包含避障问题等多约束条件的适应度函数。为了提高收敛速度,设计了基于轨迹特征点适应度值的粒子群初始化方法。在优化轨迹的重用方面,提出了基于优化轨迹调整量数据库的优化轨迹重用方法。为了提高轨迹数据库检索精度,设计了基于增强轨迹特征点适应度值向量的相似检索方法,使得检索向量中包含更多轨迹特征点与障碍物之间的位置关系信息。建立了使用主键进行数据关联的优化轨迹数据库的数据存储形式,分割了增强轨迹特征点适应度数据库和优化轨迹调整量数据库。在此基础上,建立了基于词汇树的数据库索引方式以提高本地优化轨迹数据的检索速度。仿真结果表明,本文提出的运动规划方法计算速度快,规划结果稳定,能够有效处理有复杂约束的运动规划问题。以Delta并联机器人为机械本体,搭建了工业智能机器人控制及轨迹规划实验平台。设计了基于自学习区间二型模糊神经网络的智能控制系统实验和可重用粒子群最优运动规划方法实验,并在实验平台上对智能控制系统和运动规划方法的有效性进行了验证。实验结果表明,基于自学习区间二型模糊神经网络的智能控制系统能有效地提高机器人轨迹跟踪控制的精度和稳定性,可重用粒子群最优运动规划方法能够快速地在线解决有复杂约束的机器人运动规划问题。