并联机器人具有结构简单、刚度大、定位精度高和动态响应快等优良特性,特别适合于高精度、大载荷且工作空间小的场合。由于并联机器人模型的不确定性,高度非线性和强耦合性等特点,传统的控制方法很难得到理想的控制效果。因此,本文着重于找到一种适合医疗康复的并联机器人的位置闭环控制策略,以保证并联机器人在测量和建模的不精确、负载的变化以及外部扰动的影响下仍然可以精确有效的工作。本文首先通过对六自由度并联机构结构的研究,以Matlab为工具完成了并联机器人运动学分析和轨迹规划。对并联机器人工作空间进行仿真分析,表明该并联机器人能够达到康复训练的位置和姿态要求；并通过轨迹规划给出上平台动点的轨迹参数,采用CP轨迹规划算法进行实例仿真。在研究基于BP神经网络整定的PID控制算法和PSO算法,并均作出算法改进的基础上,提出了一种基于粒子群优化的神经网络自适应控制算法。算法结合传统PID控制、BP神经网络和PSO全局优化算法,用PSO来优化BP神经网络的初始权值,然后用优化后的BP神经网络在线调整PID参数。优化过程引入了变异操作,并考虑激活函数增益及隐含层数的选择对PSO和BP的综合影响。该算法合理地确定了神经网络的初始权值,改善了神经网络容易陷入局部极小值以及收敛速度慢的问题。通过仿真实验对比分析得知该方法在精确性和实时性上有很大的改进。最后,在Matlab中的SimMechanies搭建了Stewart六自由度并联机器人模型,并采用传统PID控制对并联机器人系统进行仿真。针对该并联机器人进行基于PSO优化的神经网络自适应控制器的设计,并在仿真平台上验证了该控制器的正确性及有效性。仿真实验表明,基于PSO优化的神经网络自适应控制器不仅可以实现PID控制参数的在线调整,而且在快速性和稳定性能上比PID控制更优越。