并联机器人具有运动负荷小、微动精度高、末端件惯性小以及动态响应快等优点，目前已被广泛应用于航空、军事、医疗等领域中。本文以康复机器人为背景，将一种6-DOF并联机器人作为其主机构，并进行并联机器人控制系统的研究，以实现患者做下肢康复训练时，并联机器人具有更好的运动性能。由于常规的控制方法无法达到期望的控制效果。因此，本课题的主要目的是寻找一种适合医疗康复的控制方法,以实现并联机器人完成复杂运动时仍能保持较高的轨迹跟踪精度。　　首先详细分析了6-DOF并联机器人的结构模型，建立了位置坐标系，然后基于坐标变换理论，推导了位姿反解方程，求出了雅克比矩阵，最后对其运动学进行了计算，并以动平台转动为实际算例，在Matlab软件中对其进行了仿真实验。　　在分析了机构刚性体模型的基础上，基于拉格朗日法推导了其动力学方程，分别对动平台和各条分支杆件进行了动力学建模，然后推导了两者之间的联合方程，最后对其结构模型采取了优化处理，为后续控制系统一系列关键问题的研究提供了一定的理论依据。　　由于并联机器人动力学模型较为复杂，常规的控制方法很难对其实现轨迹跟踪的精确控制。鉴于此，在深入分析了 BP网络、PID控制和PSO算法所有优点的基础上，提出了一种改进粒子群优化(IPSO，Improved Particle Swarm Optimization)的BP神经网络自适应PID控制算法(简称IPSO BP PID控制算法)。在研究PSO算法时，针对其收敛性能问题，对算法中的两个关键参数进行了重大改进，分别是惯性权重的重新调整和收缩系数的优化，然后基于改进后的PSO算法训练BP网络的连接权值，并采用优化后的BP网络调整PID的关键参数，最后在Matlab环境下分别对PID、BP PID和IPSO BP PID控制方法进行了仿真与对比分析。结果证明，IPSO BP PID控制算法可以明显提高系统的控制精度。　　最后，在Matlab环境下对6-DOF并联机器人进行了控制系统实验平台的搭建和IPSO BP PID控制器的设计，然后分别将PID和IPSO BP PID两种控制算法对其进行了仿真与对比分析。结果表明，IPSO BP PID控制算法相比于常规的PID算法明显地提高了系统的轨迹跟踪性能。