在机器人工作的时候,为了缩短其节拍时间,提高工作效率,人们提出了面向时间最优的轨迹规划的概念,成为近年来机器人研究的重要方向之-目前,在处理面向时间最优的机器人轨迹规划问题时,通常需要使用一个插值函数连接各个目标点,同时,保证插值函数的待定系数的数目多于边界条件所能确定出的待定系数的数目。这样,在边界条件约束下的待定系数的集合就形成了一个可供寻优的空间,通过优化算法,以运行时间为目标函数时,就可以得到一个时间最优的轨迹。此时,插值函数的形式和优化方法的选择就成了影响优化效果的重要因素。围绕这一问题,进行了如下几方面的研究：针对目前时间最优的轨迹规划问题中,尚无有效的时间最短轨迹判定定理的情况,提出了轨迹“关于点到点问题等效”的概念,并通过等效性的思想,证明了在每2个目标点之间分段数为7的3次样条函数可以描述时间最短的轨迹的充分性。针对上述插值函数,以运行时间为目标构造了目标函数,分别尝试使用共轭梯度法、拟牛顿方法和遗传算法对其进行优化,比较了各方法的优化表现,同时分析了以每2个目标点之间分段数为7的3次样条函数为插值函数的优化结果与传统插值函数的优化结果的不同。针对冗余的问题,重新改写了目标函数,并使用遗传算法进行了优化,观察了优化表现。针对实际应用中,机器人运动学模型与实体之间存在一定误差的情况,使用了一个误差反传(Error Back Propagation, BP)申经网络对误差进行了补偿,并将补偿值添加到目标函数中。而后,将优化结果加载到机器人中实际运行,验证了优化结果的正确性与可行性。