挖掘机器人将是替代人在繁重、危险、恶劣环境(如核辐射、有毒有害等)下作业必不可少的工具，也是国家重点发展的关键技术装备。挖掘机器人系统不仅是一个十分复杂的时变、强耦合、高度非线性系统，而且实际上还存在诸多不确定因素，因此无法得到完整的、精确的机器人系统模型。从控制技术的角度上，要想使挖掘机变得更智能，更环保，我们就要对机械臂的运动控制进行研究。在认识挖掘机器人工作装置的基础上,以三关节机械臂为研究对象，本文对三关节机械臂运动轨迹控制进行了系统研究。在研究过程中，建立系统模型运用到运动学与动力学等相关数学知识，运动轨迹控制使用了神经网络与模糊控制等相关控制理论。文章借助机器人运动学和动力学相关数学知识和建模方法，建立三关节机械臂运动学模型和基于拉格朗日函数的动力学模型，同时也分析了相关问题，为下文研究轨迹规划和路径跟踪控制奠定了理论基础。接着，本文简要介绍轨迹规划及其相关问题，较为详细分析机械臂关节空间五段三次多项式插值函数的建立过程，推导出其方程表达式，在此基础上对机械臂进行笛卡尔关节路径轨迹规划。机械臂逆运动学求解是进行机械臂运动控制的重要步骤之一，本文利用神经网络具有逼近任意非线性系统的能力，研究小脑神经网络在解决机械臂逆运动学问题中的应用。运动学逆问题很复杂，逆解不一定存在，还有存在的逆解可能不是唯一的，这里我们采用CMAC网络方法研究三关节机械臂运动学逆解。仿真结果表明，该神经网络能够有效求解机械臂逆运动学问题，达到了较高的精度，而且求解速度较快，满足机械臂实时控制的要求。本文在参考国内外大量文献的基础上，针对三关节机械臂轨迹跟踪控制问题，引入的智能控制方法,使系统达到较好的控制效果。考虑到路径跟踪控制的复杂性，为了实现精确的轨迹跟踪运动控制，本文提出了一种RBF模糊神经网络控制算法，将神经网络与模糊控制结合起来，各取优势，互补不足。结合后的RBF模糊神经网络具有模糊逻辑推理能力，保证了系统的稳定性、改善了系统的动态性能，实验结果显示了良好的跟踪性能和控制效果。我们从三关节机械臂运动控制研究中获得的研究结论对其他结构形式的机器人具有重要的参考和借鉴意义，会有力促进机器人技术的向前发展，扩展机器人的研究领域，更广泛地解决人工操作无法解决的问题，为人类的生活、工作提供更多的便利。