机器人系统是一个多输入多输出、高度耦合的复杂非线性系统，机器人控制面临的最主要问题就是机器人动力学方程的复杂性及包括参数和未建模动态在内的不确定性，自适应控制和鲁棒控制是处理参数不确定及外界干扰的两种优势互补的方法。机器人自适应控制能够满足机器人末端执行器载荷大范围变化的需要，而鲁棒控制则是处理干扰最有力的方法。对于高自由度的机器人系统，系统的动力学方程不易获得，因此无模型的模糊控制及神经网络控制也受到越来越多的关注。另外，由于机器人模型的高度复杂性，使其成为测试各种先进控制算法理想受控对象，适用于机器人系统的控制算法稍加推广，就可以适用于一大类复杂非线性系统的控制。因而，基于机器人模型的鲁棒自适应控制和无模型鲁棒自适应控制方法的研究，具有较强的理论意义和实用价值。 本文主要的创新性研究工作如下： 1.基于机器人模型的自适应控制在外界干扰作用下参数易发生漂移，本文利用机器人系统无源性的特点，提出采用死区自适应算法来在线调整机器人系统的未知参数，避免了自适应参数的漂移，为了消除死区自适应算法的缺点，引入终端滑模控制，利用终端滑模对干扰较强的抑制作用，消除死区自适应参数估计误差和外界干扰。 2.对于不易建模或模型复杂的多自由度机器人系统，本文提出一种基于广义双曲正切模型的机器人模糊鲁棒自适应控制器，使用广义双曲正切模型替代传统的三角，高斯等模糊基函数，使在线调整的参数不再随模糊规则的增加而呈指数上升，简化了模糊自适应控制器的结构，更重要的是减轻了计算负担，提高了计算速度。对于模糊系统的逼近误差和外界干扰，通过求解一个LMI矩阵不等式问题，就能够得到一个具有H<∞>性能的鲁棒控制器。 3.滑模控制对于系统的不确定性有较强的抑制作用，在鲁棒控制方面具有其独特优点的同时，其与生俱来的缺点一抖振现象阻碍了它的广泛应用，而且，为了保证系统的稳定性和控制性能，往往采用保守的设计方法设计控制器的增益。本文根据机器人系统无源性的特点，提出采用广义模糊双曲正切模型将变结构滑模控制与模糊自适应控制相结合，将模糊自适应控制器设计成在滑模表面附近的一系列准滑模控制的线性叠加，控制器的增益由自适应算法根据系统的跟踪性能在线计算，因此，设计的模糊滑模控制器既具有滑模控制鲁棒性强的特点，又具有模糊自适应控制万能逼近的特点。 4.提出一种机器人位置/力混合控制的鲁棒自适应算法，利用基于机器人模型的鲁棒自适应控制调节机器人系统的未知参数，保证机器人运动轨迹的跟踪精度，使机器人末端执行器能够沿环境约束运动，通过PI控制器调整接触力的大小，与约束表面保持期望的接触力，保证了位置和力轨迹跟踪的鲁棒性与精确性。 5.提出了一种在MATLAB/Simulink环境下进行机器人鲁棒自适应控制系统仿真的方法，利用Matlab软件强大的数值运算功能，将系统模型用Matlab语言编写成M-Function(或S-Function)文件，通过User-Defined．Function模块嵌入到Simulink仿真环境中，可以充分发挥Simulink模块化编程思想和实时动态仿真功能，简化仿真模型的设计，修改和调整。 6.最后，指出了机器人鲁棒自适应控制的理论研究和应用中存在的问题，并对下一步研究工作进行了展望。