多关节机械臂具有灵活性好、定位精度高、速度快等优势,在工业生产中扮演着重要的角色。轨迹跟踪问题是机械臂控制研究中十分重要的一个方面,但由于机械臂耦合性强、非线性的特点,很难建立起其精确的数学模型,对机械臂高精度的轨迹跟踪控制技术研究一直是国内外学者研究的重要问题。本文以多自由度机械臂为研究对象,结合运动学、动力学、轨迹规划等影响轨迹跟踪精度的因素,进行了比较系统的理论分析和仿真验证,提出了基于信度分配的ICMAC(Improved Cerebellar Model Articulation Controller)的轨迹跟踪方法和基于模糊自组织思想的SOICMC(Self-Organizing Improved Cerebellar Model Articulation Controller)轨迹跟踪方法。首先,本文以实验室六自由度机械臂为例,基于D-H坐标系法确定了其基本的机构参数,对机械臂运动学的正问题进行了数值计算,并基于Robotics Toobox工具箱建立了六自由度机械臂的运动学模型,对机械臂的运动学问题进行了仿真验证。其次,基于Soliworks建立了六自由度机械臂的三维模型,并应用拉格朗日法对其动力学方程进行了推导。结合得到的机械臂的质量、质心以及转动惯量等动力学参数,对机械臂各个关节的运动参数、能量以及质心位移时频曲线进行了动力学仿真,为后面机械臂轨迹跟踪的仿真打下了基础。接着,提出了基于B样条曲线的时间最优轨迹规划方法,结合遗传算法,对该方法在每段B样条曲线上的时间进行了优化,提出了基于遗传算法的B样条曲线时间最优轨迹规划方法。最后,结合CMAC小脑神经网络的学习速度快、泛化能力强的特点,考虑到CMAC学习算法在联想强度更新上存在的问题,提出了基于信度分配的ICMAC机械臂轨迹跟踪方法,并从激活存储单元的概率的角度出发,结合模糊自组织算法,提出了 SOICMAC轨迹规划方法,从最终的仿真结果看,提出的两种方法都能有效的跟踪机械臂轨迹,并且后者在跟踪的精度、速度上都有明显提高。