在自动控制化技术及计算机迅速发展的当下,国家提出了中国制造2025这一概念。这也使得机器人技术得以进入农务生产范畴之中,而其中的典型代表之一便是果实摘取机器人,它旨在降低人工劳动强度和生产成本,提高生产效率及农产品质量,确保农产品准时、高效地收获。但在实际应用中,机械臂控制系统具有高耦合性、非线性等特点,且存在外界时变扰动、负载时变、驱动饱和和内部摩擦等诸多不确定因素,从而导致机械臂在实际工作作业中实时精度不佳及稳定性较差的情况。因此,本文设计了具有高精度、速度及稳定性的智能算法,以此满足花椒采摘机械臂的控制性能,具体研究内容如下:首先利用D-H参数法完成花椒采摘机械臂模型的建立,推导出运动学方程,并进行逆向求解。基于MATLAB的Robotics Toolbox,完成了花椒采摘机器人运动学方程的数值计算和工作空间的仿真,并证明其正确性。之后通过数值计算即lagrange算法完成了花椒采摘机械臂动力学模型的建立,并得到其一般形式。最后对花椒采摘机械臂的轨迹分析问题进行了详细的探讨,并通过MATLAB的Robotics Toolbox,证明了实验的准确性。由于花椒摘取过程中,外界环境及山地地形对采摘工作影响较为严重,故针对此问题,通过将RBFNN算法与自适应鲁棒算法相结合的思想,设计了一种基于RBFNN的自适应鲁棒补偿算法。其中RBFNN控制器是为了对时变扰动、负载时变和内部摩擦等诸多不确定因素进行逼近,而控制率中的鲁棒项则减少了RBFNN控制器在逼近过程中所产生的误差。之后通过构造Lyapunov函数分析控制系统的稳定性;最后通过仿真实验验证了本文所提出算法对不确定性项的逼近特性与抗干扰性。针对RBFNN控制器其存在的时滞性及发生扰动跳变时抗干扰性较弱等缺点,本文在RBFNN自适应控制的基础上,引入了模糊算法,通过将两者结合的方式设计了一款新型的智能控制系统,它能对时变扰动、负载时变和内部摩擦等诸多不确定因素进行逼近,同时能有效降低系统中的时滞性及受干扰性,之后为了进一步使系统稳定,引入鲁棒项;通过构造Lyapunov函数分析控制系统的稳定性;最后利用相关软件证明新型的智能控制系统能适用于绝大多数工作环境。