在人力成本不断提高的今天,食品、制药等行业引入大量机器人来完成分拣、搬运等工作,此时对机器人的要求是快速完成工作的同时具有较高的精度。SCARA机器人具有水平面灵活度高、铅垂平面刚性好,工作空间相对较大,控制简单,性价比高等特点,被广泛应用于该领域。机器人高速运行下动力学耦合效应明显,搬运过程中具有负载变化,传统PID控制算法采用强制解耦策略,且控制增益固定,难以达到理想的控制性能。根据机器人各轴耦合特性设计控制算法,可以提高机器人高速运行时的精度,此时需要控制器具有较强的运算性能和开放性。本文基于运算速度快、实时性高、开放性好的Twin CAT平台搭建机器人控制器,以SCARA机器人为研究对象,设计基于模型的算法和智能算法来提高SCARA机器人在高速搬运下的精度。本文首先对SCARA机器人进行正、逆运动学求解,并通过仿真来验证求解的正确性。对机器人的Jacobian矩阵和Hessian矩阵进行求解,分析奇异点,并在笛卡尔空间对机器人进行轨迹规划,得到笛卡尔空间轨迹与关节空间中关节角度、角速度和角加速度的对应关系。用拉格朗日法对SCARA机器人的动力学进行求解。其次,为了设计基于模型的控制算法,需要通过动力学参数辨识获得准确和完整的动力学模型。但是辨识中随机误差较大,因此采用分两步辨识的方法来优先确定一部分参数,这样有助于剩余参数辨识结果的选取。第一步采用动态Lu Gre摩擦模型作为机器人的关节摩擦模型,辨识出摩擦模型的系数,得出关节摩擦与关节速度的关系。第二步将机器人的逆动力学方程用观测矩阵和最小惯性参数集来表示,设计激励轨迹和辨识实验,对机器人惯性参数进行辨识。再次,以机器人高速运行下提高轨迹精度为目标,设计基于模型的控制算法。机器人搬运过程中负载的变化会导致模型不准确,动力学辨识在未建模动态的干扰下也会有一些误差。而计算力矩控制算法在模型不准确和有负载扰动下,存在一定的跟踪误差。对此在计算力矩法的基础上,提出加入模糊补偿的改进方案。进一步以提高响应速度为目标,提出了变增益的模糊补偿方案,设计了模糊自调整补偿控制器。最后搭建实验平台,编写控制算法,验证算法的可行性,同时测试机器人在高速运行时的跟踪精度。通过对比PID算法与计算力矩算法可知,在相同的运行轨迹下,计算力矩法所需控制力矩的最大值比PID算法小,这样长期运行将节省能量,且有利于进一步提高机器人的快速性。计算力矩经过模糊补偿控制以及变增益的模糊补偿控制以后,跟踪精度进一步提高。