机器人学是近40多年来迅速发展起来的综合性学科，是当今世界科学技术发展最活跃的领域之一。机器人的路径规划在机器人的控制中具有重要的地位。路径规划问题在机器人学、超大规模集成电路、地理信息系统等众多领域有着广泛的应用，其主要内容涉及环境表达、规划方法、路径搜索以及人工智能等多个学科，长期以来一直受到人们的关注，很多学者从多方面进行了探索和研究，虽取得了一些成果，但仍存在许多问题有待深入研究。本文以PUMA560型六自由度机械臂为研究对象，所做的研究工作包含以下四个方面：（1）本文首先对机械臂运动学进行了分析，通过坐标变换和D-H方法建立了机械臂的正运动学模型。由于逆运动学模型是复杂的非线性映射问题，传统方法求解困难，因此本文采用智能方法对其求解。先采用LMBP（Levenberg Marquardt-BackPropagation）神经网络对机械臂逆运动学进行求解，为了进一步提高精度又采用最小二乘支持向量机算法进行相关探索。由仿真结果得到，对小曲率和样本特征已知的板型轨迹可用LMBP神经网络算法，而对于大曲率和样本特征不确定的板型采用LSSVM方法求解的精度更高。（2）给出了一个避障路径规划的模型。模型采用规则体包络对障碍物进行建模，将机械臂工作空间的三维问题转化为二维问题，并结合A*搜索算法，极大地减少了计算量。针对此路径规划无法保证机械臂的安全性，且不能进行动态规划的缺点，本文提出了一种基于改进A*的动态路径规划算法并进行了仿真。该算法解决了原算法中存在的两个不足，机械臂在行走时遇到突然出现的动态障碍物时，能根据机械臂自身的位置和朝向信息判断障碍物的位置，更新环境信息，实时地进行路径重规划，使机械臂最终能够安全到达目标节点。（3）提出了一种改进的粒子群算法，它可以扩大粒子的随机搜索范围，大大的降低了粒子陷入局部最优的可能性。在静态环境下进行了路径规划的仿真。仿真结果从最优路径、收敛路径长度以及动态收敛特性三方面进行了比较分析，显示改进的粒子群算法比标准粒子群算法和带压缩因子以及惯性权重粒子群算法更能找到最优解、收敛更快、解的波动更小。最后给出了改进粒子群算法在动态环境下的仿真，结果显示机器人可以智能的避开动态环境下的随机障碍物，成功到达目标地点。（4）研究了滑模控制算法，设计了具有良好的鲁棒性的滑模控制器，对六自由度机械臂中的两个自由度分别进行控制，并且对系统进行基于指数趋近律和准滑动模态的改进。通过仿真实例的分析表明提出的改进型的控制方法可以得到跟踪精度高、抖振小，稳定性高的控制效果。