末端轨迹高精度运动控制一直是机械臂研究的热点,但机械臂作为一种非线性系统,对其进行控制时会受到非线性干扰的影响,从而提高控制器的控制跟踪精度。针对机械臂系统存在的模型不确定性,在对末端轨迹进行合理的轨迹规划以及优化的基础上,如何削弱其对系统末端轨迹控制的影响,成为提高机械臂末端轨迹控制性能的关键。本文针对这个问题主要研究内容如下:(1)通过建立机械臂关节坐标系,利用D-H参数法分析了机械臂运动学方程的求解过程。并通过拉格朗日功能平衡法详细介绍了机械臂动力学建模的推导过程。(2)在机械臂运动学和动力学分析的基础上,对末端执行器所经过的路径点,利用不同的插值函数计算方法来生成各关节的运动轨迹。并采用遗传算法对规划出的末端轨迹进行时间最优的轨迹优化研究。(3)在考虑关节电机驱动器特性的基础上建立混合动力学模型。针对系统中存在的参数不确定性以及外部干扰,融合多层神经网络与鲁棒滑模设计控制器。利用多层神经网络的自学习能力去估计系统的模型不确定性,并通过鲁棒滑模技术进一步加强对系统的鲁棒性,削弱系统中模型不确定性对控制精度的影响,从而实现对机械臂末端轨迹的高精度运动控制。(4)针对机械臂系统中非线性干扰的不可测量性,设计线性扩张状态观测器并通过调整观测器的带宽来无限逼近非线性扰动,并结合有限时间控制技术以及鲁棒技术,形成复合控制算法,来实现对机械臂系统的有限时间稳定控制。通过以DSP28335芯片为处理器,设计机械臂双关节位置控制器来验证所提出控制策略的有效性。