针对传统的异步电机参数辨识存在磁链输入项无法直接获得、观测器设计复杂的缺点,提出了一种将电流定向坐标系下的磁链模型和两相静止坐标系下的电流一阶导数模型结合的改进参数辨识模型。该模型的所有信号均为可直接检测的状态变量,减少了其他干扰对电机参数辨识的影响,提高了参数辨识的准确性。为了解决传统遗传算法收敛速度慢,易局部收敛的缺点,将遗传算法与牛顿法结合,提高了遗传算法的收敛速度和搜索能力。实验结果表明,利用GA-Newton（遗传-牛顿）法进行参数辨识鲁棒性强、收敛性好。在额定转速下,待辨识参数能够在较短的时间内收敛,具有较高的精度,同时也克服了一般遗传算法对辨识参数初始值要求高的缺点。

针对码垛机器人运动控制和实际应用问题，对码垛机器人运动学与轨迹插值进行了深入的研究。首先利用码垛机器人平行四边形结构特点，建立了连杆相互之间的坐标系，进行了正运动学描述。其次利用了位姿分离法简化了运动学方程，同时使用牛顿迭代法解决了运动学反解的问题。再次，对四自由度码垛机器人进行了数据采集分析，验证了牛顿迭代法解决运动学的正确性。最后，讨论了散乱节点插值算法在机器人轨迹规划中的应用，利用该算法对机器人路径轨迹进行插值以使得机器人运动轨迹更为平滑。实验结果表明，牛顿迭代运动学算法和散乱点插值算法具有很好的鲁棒性，对于机器人的精确运动和动力学控制有着重要的意义。

分析了渐开线函数的构成,详细介绍了牛顿法实现渐开线函数的求解,为齿轮参数自动计算提供借鉴。