近几年来,针对未知的机器人系统的控制研究,开发以及应用引发了世界上许多国家的科学家和企业家的极大热情,这些国家的政府部门纷纷制订和实施了相应的发展战略计划,许多著名的大学和企业等都成立或资助了以研究机器人系统控制为目标的研究机构。在我国,很多国内高等院校和研究所都在进行机器人研究和开发及应用的工作。机器人系统控制之所以得到如此的高度的重视和关注,是因为其运动规划是富有挑战性的课题,是控制领域的一个重要研究方向,也是国内外广大研究人员关注的研究热点之一。因此,对机器人系统的控制研究问题,是本论文研究的基本出发点。由于机器人系统具有非常复杂的特性,真正能够有效应用于机器人系统设计和分析的工具并不多。尽管机器人系统控制的研究复杂而富有挑战性,国内外很多学者仍旧迎难而上,致力于这方面的研究。但是现在的很多控制策略都要有非常苛刻的条件,并且结构复杂度很高。所以说,一直到目前为止,机器人系统控制这一控制领域的难点问题仍旧未能圆满解决,依然缺乏系统化的设计方法和有效的处理手段。本文主要解决了机器人系统参数不确定的轨迹跟踪的控制问题,并且针对不同的非线性特性设计了不同的控制策略,接着通过李雅普诺夫直接法来实现闭环函数的稳定性,通过自适应神经网络的在线学习方法来对系统中未知的参数进行估计。在李雅普诺夫直接法的支持下,本文基于自适应神经网络结构,针对未知的机器人系统,设计了全状态反馈和输出反馈的控制策略,并且通过仿真平台验证了控制策略的有效性。首先,针对模型未知的机器人系统,目前还没有统一并且普遍适用的处理方法。现在对机器人系统控制的分析和控制器设计,可用的数学工具远远不够。因此,对于机器人系统来说一般不可求得完整解,这就使得对于未知的机器人系统的控制研究只能着重在时域上的定性研究,如进行稳定性等方面的研究。本文首先针对模型未知的机器人系统,进行了数学分析,并且建立和相应的数学模型,随后提出了基于神经网络结构的控制策略来实现模型未知的机器人系统的跟踪能力。然后,针对带输入死区的机器人系统,我们从理论上分析了输入死区特性对整个机器人系统所带来的负面影响。并且针对死区特性所带来的负面影响,我们设计了基于神经网络结构的自适应控制策略来处理带输入死区的未知的机器人系统的控制问题。从理论上分析了整个闭环系统中所有的信号都是一致有界的,并且通过仿真验证了提出了控制策略可以有效的处理输入死区所带来的负面影响。接着,我们针对输入饱和的模型未知的机器人系统,我们分析和输入饱和特性在整个系统当中的影响,接着提出了一种冗余系统来处理输入饱和所带来的影响。并且当这种冗余系统和机器人系统耦合的时候,整个闭环系统当中所有的信号都是一致有界的。最后针对输出受限的机器人系统,我们受限分析和输出受限所带来的负面影响,接着在李雅普诺夫直接法的基础上,我们提出了障碍李雅普诺夫函数,来处理输出受限对机器人系统所产生的影响,并且通过李雅普诺夫直接法验证了闭环系统的一致有界性。在本文中,一共针对四类系统进行了控制器的设计。首先针对无非线性特性的机器人系统进行了初步的理论研究,通过控制器的设计证明了系统的稳定性;其次分别针对带输入死区,输入饱和和输出受限的机器人系统的控制方法进行研究,并通过控制器设计证明了系统的稳定性,最终实现了在保证系统稳定性的前提下,能够很好的处理机器人系统的非线性特性。与此同时,本文通过李雅普诺夫法对闭环系统的稳定性进行了分析,同时系统的全部状态量均实现了半全局一致有界,预期的控制效果以及控制器的控制性能也通过仿真部分得到了验证,证实了本文的控制算法的有效性。