为研究静平衡状态下Delta并联机器人对外部载荷的响应情况,将相对刚度大的构件视为刚体以简化建模难度,同时将驱动臂和从动杆理想化为线弹性杆件,采用卡氏第二定理对其进行了静刚度理论分析与建模。利用该模型模拟实际情况下动平台所受到的负载情况,进而在不同位姿下探究了动平台位移和转角弹性变形量在可达工作空间内指定区域中的分布规律和特点。最后利用ISIGHT进行联合仿真,从而相互验证理论建模和仿真的正确性。

基于自主搭建的Delta并联机器人,深入研究其拖动示教以及示教再现过程,以降低其控制难度,提高并联机器人实用性和协作性。对Delta机器人进行运动学建模和动力学建模,然后进行无外部传感器机器人的拖动示教实验,并在对各关节轨迹优化后进行运动再现。结果表明:通过该方法,操作人员能够便捷地对并联机器人进行拖动示教,实现机器人的快速部署。

为避免解析法求解与数值法求解所具有的缺点，根据平行四边形结构的运动特性，简化了Delta并联机器人结构模型，并建立了3个惯性坐标系，将3个不同位置支链转换至相同状态下进行分析，采用几何法构造出机构位置正解与逆解的低阶方程组。根据刚性杆两端点运动速度在沿杆件方向分速度相同原理，构造了机构驱动输入与末端执行器输出的速度映射矩阵（速度雅克比矩阵）。运用Matlab软件进行编程，并通过实例验证了本机构位置正逆解算法的正确性。

为了实现对三自由度Delta并联机器人更精确的轨迹跟踪控制,对并联机构的动力学建模不确定性进行研究,提出了计算力矩控制基础上的RBF神经网络在线补偿控制策略。利用Lyapunov理论推导了神经网络在线权值自适应律,保证了系统稳定性。运用RBF神经网络在线自学习系统的不确定性,提高了控制效率同时增加算法的自适应性。在Simmechanics中建立系统物理模型并在Simulink中设计控制器,之后进行Simulimk/Simmechanics联合仿真,结果表明算法优于计算力矩控制,可以有效减小跟踪误差的收敛半径,实现对目标轨迹的准确跟踪。