SCARA机器人是经典的工业机器人,因为它具有运行速度快,重复定位精度高等优势,所以应用在很多工业生产领域。由于工业机器人在进行实际的运行作业中会面临多变的工作环境,导致系统参数会发生变化,并且易收到随机干扰的影响。自适应控制方法具有更强的鲁棒性,无需精确求解机器人系统参数,而是通过在线辨识使系统获得良好的控制性能,因而在工业机器人的控制上具有很大的优势。课题围绕SCARA机器人的运动学奇异位姿回避、系统参数自适应控制、补偿控制器设计和跟踪控制实验等关键问题进行了研究。课题首先对SCARA机器人的系统模型进行了研究。根据SCARA机器人的自由度配置和结构尺寸建立了运动学模型并进行了正、逆分析,并针对逆运动学提出了满足实际应用的要求;由于关节型机器人存在的运动学奇异性,对机器人的奇异位置进行了分析求解,并引入阻尼对角加速度进行抑制,使机器人无法达到奇异位姿。其次,对SCARA机器人进行了动力学建模,并根据SCARA机器人的应用目的对动力学模型进行了合理的简化;为了解决此机器人系统惯性参数的不确定问题,提出了基于间接自适应控制和复合自适应控制的轨迹跟踪算法,利用力矩预报误差对系统参数进行自适应更新,使参数满足系统控制要求。并且以此基础上研制出一种基于动力学的轨迹跟踪控制器,可以达到该机器人系统对轨迹的有效跟踪,并将两种方法进行了比较分析。然后,针对工业机器人系统在实际工作中面临的外部干扰问题,提出了将跟踪精度和快速性作为控制器设计标准。通过引入标准误差信号作为系统状态变量,设计动力学非线性补偿项,对系统的外界不确定条件进行补偿,实现对机器人关节空间轨迹的跟踪控制,并证明的补偿控制器的渐进稳定性。最后,为验证该文所设计的自适应跟踪方法和补偿控制器的可行性,建立基于PC机的SCARA机器人伺服实验系统,在机器人系统参数不确定且存在外部干扰的条件下进行了轨迹跟踪实验,结果表明实现了系统参数不确定的自适应跟踪控制和对外界随机干扰的补偿。