空间机器人在卫星维护、空间站建造等方面取得了巨大成功,已经成为人类探索太空的有力工具,可以预见,在不久的将来,空间机器人将能够替代宇航员执行绝大多数太空舱外工作,从而大大减少宇航员的工作强度和风险。本文以863航天科研项目为背景,对空间机器人的运动学和动力学特性、点到点规划和连续轨迹规划、关节空间和任务空间的轨迹跟踪控制进行了研究。研究内容主要包括以下几个方面:本文首先对当前国内外的空间机器人项目进行了综述,对空间机器人的基础理论、控制方法等的研究现状进行了评述。分别针对姿态受控的自由飞行空间机器人和姿态不受控制的自由漂浮空间机器人,推导了运动学和动力学模型。轨迹规划是空间机器人完成任务的基础,本文关于轨迹规划的研究包括点到点规划和连续轨迹规划。点到点规划仅用到正运动学方程,因而不受动力学奇异的影响。参变量为多项式的正弦函数用于对关节角进行参数化,根据参数化的运动轨迹,通过数值积分得到机械臂末端位姿相对于待定参数的函数关系,最后采用基于BFS秩2法的迭代算法求解待定参数。该方法克服了以往方法的局限性,考虑了关节位置、速度及加速度的限制,无需求取更新矩阵的逆,对初值的选取也不需过分的技巧。对于自由漂浮空间机器人连续轨迹规划,在速度级运动学方程和角动量守恒方程基础上,将规划问题转化为求解耦合的微分方程,提出了预测校正法来实现了机械臂末端位姿跟踪,将以往的连续轨迹规划的精度从解算步长的一阶提到到了六阶,对实际的空间机器人完成任务具有重要的理论和实际意义。空间机器人在实际工作中,由于对其基座的姿态采用喷气控制,这导致了基座质量减少,末端抓持不同负载时也会导致系统动力学参数的变化,本文定量分析了空间机器人基座质量变化和末端负载变化对系统动力学的影响。当系统存在不确定性时,基于系统动力学的控制方法,如协调控制、计算力矩控制等方法的控制效果会变差,甚至不稳定。针对姿态受控的不确定性空间机器人的关节空间轨迹跟踪问题,本文设计了两种神经网络自适应控制方法,第一种利用神经网络学习系统的不确定性和干扰的上界,并对不确定性进行补偿,能够使跟踪误差在有限时间内收敛为零,同时克服了神经网络控制中常见的UUB问题,即未知上界有界问题;第二种方法利用神经网络在线逼近系统的实际模型,完全无需计算复杂的动力学模型,同时无需系统的惯性参数及外部干扰等先验知识,能够在系统存在不确定性和外部干扰的情况下实现对基座姿态和机械臂关节的综合控制。自由漂浮空间机器人在工作中基座姿态不受控制,能够节省姿态控制的燃料,但由于机械臂运动与基座位姿的耦合,使得空间机器人的末端在惯性系下的位置与关节构型不能一一对应,而描述自由漂浮空间机器人末端运动与关节运动关系的广义雅可比矩阵不但计算十分复杂,而且受系统动力学参数变化的影响,往往难以准确给定。本文利用普通雅可比矩阵代替广义雅可比矩阵,设计了一种基于神经网络的自适应控制器,实现了在系统存在不确定性的情况下对任务空间轨迹的跟踪。进一步的,利用模糊规则和专家知识设计了一种基于反演控制的间接模糊自适应控制方法,同样采用普通雅可比矩阵代替广义雅可比矩阵。两种方法均能保证在基座姿态不受控制的情况下,机械臂末端对任务空间内轨迹的稳定跟踪。