近年来，非线性系统控制理论与应用研究迅速发展，尤其是参数可变非线性系统的控制问题吸引着人们越来越多的研究，已成为研究的热点问题之一。该问题的研究与发展不仅具有重要的理论价值，而且具有很强的应用背景。其中，人工神经网络被认为是一种基本不依赖模型的数学工具，它比较适用于那些具有不确定性或高度非线性的对象，具有较强的自适应性和学习功能，它是人工智能的一个重要的分支研究领域。本文工作的重点在变参数人工神经网络的非线性特性基础上，提出一种变参数人工神经网络模型和学习算法。利用变参数神经网络对非线性参数可变系统模型来进行参数估计，利用人工神经网络典型的非线性能力来逼近参数可变系统中系统变量和系统参数之间的映射关系。 机械手逆运动学求解是进行机械手控制的重要步骤之一，但由于机械手逆运动学问题本身的复杂性，建立通用求解算法相当困难。本文以此作为变参数人工神经网络算法的应用，利用变参数人工神经网络在非线性系统中的逼近能力，根据机械手逆运动学问题的特点，设计出了相应的人工神经网络求解结构，并推导出相应的学习算法。仿真结果表明，利用变参数人工神经网络求解机械手逆运动学问题，具有较高的计算精度，而且具有求解速度快，可满足机械手实时控制的要求。