机械手轨迹跟踪问题是当前研究的一项热点问题,轨迹跟踪控制算法的好坏直接影响到机械手的性能。由于机械手是一个强耦合、高度非线性、时变的系统,而且还存在诸多不确定因素,无法得到完整的、精确的机器人系统模型,因此设计理想的轨迹跟踪控制器十分困难。　　在本文中,首先构造了机械手的数学模型,分析了其动力学特性和雅可比矩阵,并介绍了神经网络和模糊控制的基本原理。然后,设计了一种基于FCMAC神经网络动态逆的机械手自适应轨迹跟踪控制,基本控制律采用非线性动态逆方法进行设计,对由于模型不准确和不确定因素引起的非线性系统逆误差,通过自组织模糊小脑模型关节控制器(FCMAC)神经网络在线进行修正。其后,研究了一种模糊神经滑模变结构控制方法,设计了滑模控制器和模糊高斯基神经网络(FGBNN)的组合控制器,克服了滑模面导数不连续的缺点,并消除了滑模控制的抖振问题,确保了系统的全局鲁棒性和稳定性。最后,给出了一种基于粒子滤波的递归模糊神经视觉伺服控制设计方法,使用递归模糊神经网络控制器中加入粒子滤波,对雅可比矩阵进行实时在线估计,来控制机械手进行轨迹跟踪。　　本文应用上述几种智能控制算法于机械手的轨迹跟踪研究中,进行了仿真实验,实验结果证明了所提出的各种智能控制方法能够相对准确的跟踪给定参考轨迹,响应速度快,控制精度高,有效的补偿了系统的不确定因素和减弱了系统的抖动。　　最后,以TVT-99D机械手为对象,对轨迹跟踪算法的实际控制做了研究,并跟踪了给定的曲线,得到的实验结果证明:本文中的算法具备一定的可行性,跟踪精度较高,控制误差较小,响应速度较快,稳定性较好。