并联机器人具有结构简单、刚度好、定位精度高、动态响应快等优良特性，特别适用于高精度、大载荷且工作空间较小的场合，在装配生产线、高精密机床、飞行模拟器、卫星天线换向装置等等很多方面都有着巨大的应用价值。在对并联机器人的运动控制研究的初始阶段，一般都是将已成熟的控制理论和方法移植到并联机器人上，但由于并联机器人具有模型复杂、系统非线性和耦合性强等特点，传统的控制方法很难得到理想的控制效果。因此，并联机器人的控制策略研究一直是并联机器人研究中的一大难点和热点。 本文首先介绍了并联机器人和智能控制理论的发展和现状，并以液压驱动六自由度并联机器人为研究对象，建立了数学模型。然后利用神经网络逼近任意非线性函数的能力，将神经网络与PID控制相结合，通过网络权值、阈值的自学习自调整，找到最优的PID参数，改善PID控制的控制精度等控制品质。在系统地介绍智能控制理论中的模糊控制和神经网络控制理论之后，引入了模糊控制和神经网络控制相结合的产物——神经模糊控制，将模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力集于一体，弥补了模糊控制需要系统先验知识且缺乏自学习功能的不足。本文还详细介绍了一种用多层前向神经网络实现模糊逻辑的自适应神经网络模糊推理系统——ANFIS，并用它来分析、验证神经模糊控制的控制效果。 在缺乏实验条件的情况下，通过对不同控制策略的仿真比较研究，说明了在具备系统的先验知识和成熟的模糊规则的基础上，对并联机器人采取模糊控制能取得比采取传统控制要好得多的效果，而ANFIS则能在毫无经验的情况下，通过自动调整隶属函数参数，自动建立符合系统变量特征的控制模型和模糊推理规则，并能够排除噪声等干扰信号的影响，取得了与依赖专家知识进行控制一样的效果，这也是模糊神经网络控制的优势所在。 文章最后针对并联机器人控制在实践中的具体应用和神经模糊控制的“局部最优”问题，指出了今后需要进一步研究的方向。