本文以兵科院“十五”预研项目——“非线性控制技术研究”为背景，具体以机器人为对象，针对其强耦合、非线性、多变量等特点，探讨了基于神经网络的机器人控制问题。研究了神经网络和传统PID反馈控制相结合构成的一种混合型机器人逆模学习控制，并结合机器人动力学方程特点，采用启发式学习算法，对机器人进行轨迹跟踪，仿真表明该算法大大提高了网络学习过程的收敛速度，满足了机器人快速、精确、实时的控制要求。针对机器人模型不确定性和外界干扰所产生的未知变化，研究了一种基于神经网络的机器人模型参考自适应控制方案，采用两个动态对角回归神经网络来实现未知动力学模型的辨识和控制，使系统具有良好的跟踪特性和抗干扰性。另外，本文还探讨了神经网络与模糊系统相结合的控制技术，展望了模糊神经网络在机器人控制中的应用。