Stewart平台由上平台(动平台)、下平台(定平台)和连杆组成,上下平台之间通过铰链连接,可以实现6自由度运动。作为一种并联机器结构,由于其高结构刚度,高位置精度和高负载率的优势,它被广泛用于运动模拟器中、光学、精密定位、电子元件生产中的夹持系统、精密机床中的刀具控制和钻铣等领域。本文主要针对以直流伺服电机作为动力元件驱动的Stewart平台进行研究。根据拉格朗日法建立了 Stewart平台动力学模型,并在建立动力学逆模型的基础上设计了基于逆动力学模型的控制器实现了对Stewart平台的控制。针对Stewart平台任务空间与关节空间之间的运动雅克比矩阵随着平台位姿的改变而时变,经位姿反解得到的支腿一般做相异的变速运动,一般的位置反馈控制方法难以保证各液压缸运动轨迹的动态同步,使得各支腿因速度不同步,从而产生偏离各自理想负载状态的耦合附加干扰力的问题。采用拉格朗日法建立了 Stewart平台动力学模型,并在对变负载干扰进行反馈抑制的基础上,建立系统的完整逆动力学模型,以此为基础计算得出平台理想的关节驱动力轨迹,加入局部反馈和积分分离PID控制来设计控制器,以此实现对干扰力的补偿。最后通过仿真验证了定点运动和连续运动两种方式的有效性。通过建立Elman神经网络模型实现了对Stewart平台的位姿正解的求解。针对Stewart平台位姿正解难以求解的问题,采用基于牛顿迭代法时,若初始值进行选取方法不当,可能导致无法求解出一个正确的位姿。采用数值法时,其较慢的计算速度,无法及时求解位姿。采用BP神经网络算法时,得出结果的速度慢,同时也非常容易陷入计算误区,导致结果并非最小值而是局部最小值,这也意味着该法的求解过程有着比较高的失败可能性。在这种情况下,本文提出采用Elman神经网络来对Stewart平台进行位姿正解。选择这个方法的原因是它有着良好的动态特性、逼近速度快、精度高等优点。加快了系统响应速度,可以快速、准确地向Stewart平台提出解决方案。在分析Stewart平台特性的基础上设计了H∞控制器对Stewart平台进行控制,降低了误差,提高了 Stewart平台的运动精度。针对Stewart平台的多输入多输出系统,并且各参数之间存在强耦合导致系统不易控制,容易产生振荡等问题,设计了H∞控制器,对Stewart进行控制。H∞控制器通过对期望值的逐次逼近,减小了 Stewart平台的运动与期望值之间的误差,同时避免了系统振荡,保证了系统的稳定性。