机器人技术自从被发明以来就在人类生产生活中扮演了不可或缺的重要地位。在现代工业制造体系中,机械设备的自动化与无人流水生产线的应用越加广泛。可以预见,21世纪的制造业,是自动化生产终将代替传统人工体力劳动生产的制造业,而这就对工业机器人的技术水平提出了更高的要求。在实际生产中,高速与高精度控制一直都是机器人控制研究的重要参数指标,因此,对于机器人控制算法的改进与完善成为了近年来自动化领域的热门研究话题。本课题以工业机械臂为研究对象,重点总结讨论了终端滑模控制在机器人运动轨迹跟踪控制算法中的发展与应用,并且提出了三种基于不同的应用场景的控制策略,通过仿真实验验证控制性能,主要内容如下:首先,介绍了传统终端滑模面与非奇异快速终端滑模面的设计过程,在此基础上,为了获得良好的轨迹跟踪效果与降低系统的抖振现象,设计了一种新型的二阶终端滑模控制器,通过选取合适的李雅普诺夫函数从理论上验证了系统的稳定性;又通过自适应律的加入,增强了算法在实际应用中的适应性;通过仿真,进一步验证了该算法的控制性能。其次,由于在实际应用过程中,对于机械臂关节速度等状态信息的获取通常依赖于传感器等元器件,为了有效降低硬件成本以及避免噪声信号对传感器的干扰,分别基于传统高增益观测器和新提出的改进型高增益观测器设计了两种终端滑模控制器,利用李雅普诺夫稳定性理论,证明了其有限时间收敛特性,仿真实验表明,该方法能获得良好的轨迹位置跟踪与速度跟踪精度。最后,进一步考虑具有建模不确定性的机械臂模型,采用神经网络算法逼近机械臂动力学模型,设计了一个基于RBF神经网络的自适应终端滑模控制器用于机械臂的轨迹跟踪控制,运用李雅普诺夫理论证明了算法的稳定性,并且采用高增益观测器在线估计关节的速度信息,同样可以获得良好的性能,通过仿真验证了本控制算法的有效性和可行性。并且搭建了一套基于c Space系统的机械臂实验平台,用于对本文所提出的算法进行实验研究,研究结果表明本文所提出的算法在实际应用中具有良好的控制性能,达到了预期的设计目标。