柔性机械臂相比传统的刚性机械臂具有质量轻、耗能小、运行速度快等优点。然而轻质的材料导致了柔性机械臂在运动过程中会发生振动,振动不仅会影响柔性机械臂的操作精度、工作的快速性,还会加速柔性连杆的疲劳损伤,缩短柔性机械臂的寿命。因此研究如何使柔性机械臂完成特定任务的同时抑制振动的影响对于柔性机械臂的实际应用至关重要。轨迹规划和控制是解决柔性机械臂振动问题的主要方法。针对柔性机械臂轨迹规划方面,前人仅解决了构型简单的平面柔性机械臂的振动抑制问题。而当柔性机械臂工作在三维空间时,柔性连杆的振动情况复杂;另外,当柔性机械臂存在刚柔耦合现象时,复杂的动力学将导致振动抑制难度增大。本文针对刚柔耦合的三维柔性机械臂提出了基于粒子群优化的轨迹规划算法。首先,本文根据绝对节点坐标法和拉格朗日动力学方程建立了刚柔耦合的三维柔性机械臂的动力学方程。之后,根据柔性物体振动的原理,本文采用了五次多项式作为各关节的轨迹函数。然后,本文推导了满足轨迹加速度约束的充分必要条件,根据这一条件建立了轨迹规划问题的目标函数,并将轨迹规划问题转换为优化问题,其中动力学方程为优化问题的约束。最后本文通过粒子群算法求解这一优化问题生成轨迹。仿真验证了本轨迹规划算法具有抑制余振的能力,同时生成的轨迹满足关节的加速度约束。针对柔性机械臂控制方面,前人的方法均是基于模型的控制方法,即控制器的设计过程需要对柔性机械臂的动力学进行分析。当柔性机械臂的构型复杂时,动力学存在严重的耦合、欠驱动问题,此时对动力学分析困难,前人的方法将不再适用。针对这一问题,本文提出了基于增强学习的无模型控制方法,即控制器设计不需要考虑柔性机械臂的动力学。首先在仅考虑柔性机械臂刚性运动的情况下,本文分别设计了关节空间的位置跟踪控制器和工作空间的轨迹跟踪控制器。之后,基于神经网络,本文设计了针对振动问题的补偿控制器。最后本文采用增强学习算法对上述神经网络进行训练。仿真验证了在进行关节空间控制时,本文的控制方法可以控制柔性机械臂跟踪特定位置的同时抑制柔性机械臂的振动;在进行工作空间的控制时,本文的控制方法具有提高轨迹跟踪精度的作用。此外,本文提出的控制器设计方法是一种通用的方法,不仅可以应用到刚柔耦合三维柔性机械臂,还可拓展到其他形式的柔性机械臂。