随着机器人和机械臂的应用越来越为广泛,人们对机械臂的控制精度和抗干扰能力要求越来越高,因此需要设计机械臂的鲁棒控制器,使其在自身负载和外部干扰发生变化时,能最大程度抵消此类变化带来的影响,增强机械臂的鲁棒性。本文第一章和第二章分别介绍了课题研究的背景与本文的理论基础,为设计控制器提供理论基础。第三章针对一类匹配不确定系统进行神经网络滑模控制器的设计。首先对非线性系统中的系统不确定性、耦合不确定性以及外部干扰等进行分析。其次,针对系统不确定性设计递归神经网络补偿控制器,并设计径向基函数各参数的自适应律。然后,根据由神经网络的估计误差、耦合不确定性及外部干扰等组成总不确定性的界是否可知分别设计控制器,当界可知时,设计类似于趋近律思想的辅助控制器以消除总的不确定性,并引入估计控制器以保证系统稳定;当界未知时,设计H∞控制器以降低外部干扰和耦合不确定性对系统的影响,并设计辅助控制器以消除对神经网络估计误差,同时引入估计控制器以保证系统稳定。最后,给出二自由度并联机械臂实例,利用Matlab/Simulink进行仿真,验证控制方法的可行性和有效性。第四章针对一类非匹配不确定系统进行基于干扰观测器的滑模控制器设计。首先给出一般干扰观测器的构造方法,实现对非匹配不确定性的估计,进而设计新型全局滑模面和控制器,仿真实例证明其控制效果好于传统滑模、积分滑模;然后,对干扰观测器进行改进,使之处理的干扰类型更为广泛;最后对基于一般干扰观测器的滑模方法和基于改进型干扰观测器的滑模控制方法仿真对比,证明改进方法的有效性和可行性。最后对以上控制方法进行总结,并对研究方向进一步展望。