机器人系统不仅是一个多输入多输出、高度耦合的复杂非线性系统，而且实际上还存在诸多不确定性因素，如负载变化、随机扰动、测量误差、摩擦及未建模动态等，因此无法得到完整、精确的机器人系统模型。随着现代工业的快速发展，需要更高品质的机器人为之服务，对机器人的工作速度和精度要求越来越高。而不确定性因素会对机器人的控制性能产生严重影响，因而更进一步地探讨有关不确定性机器人的控制问题具有十分重要的理论意义和实用价值。本文以李雅普诺夫(Lyapunov)稳定、自适应控制、滑模变结构控制、迭代学习控制、位置/力混合控制等理论为基础,对机器人系统的轨迹跟踪和力跟踪进行控制器的设计和分析。论文的主要工作如下：1.针对机器人标称系统和带有未知上界的不确定机器人系统分别设计快速收敛终端滑模控制器和自适应快速终端滑模控制器。该方法充分利用终端滑模控制快速收敛的优良特性，结果表明系统具有较强的鲁棒性和较快的收敛速度。2.针对不确定的多连杆机械手的跟踪控制问题，提出一种基于边界层的自适应迭代学习控制方法。基于边界层设计自适应迭代学习控制器，避免了传统方法设计控制器的不连续性，削弱抖振现象的同时也提高系统的鲁棒性。3.针对仅存在结构不确定的末端执行器运动受限的机器人系统，基于Lyapunov稳定性理论，设计一种位置/力混合自适应迭代学习控制器。自适应控制器在线调节机器人系统的未知参数，并引入投影算子以避免因系统参数大范围变动引起的参数漂移。理论分析了算法的收敛性和闭环系统所有变量的有界性。4.针对同时存在结构不确定性和非结构不确定性的受限机器人系统，基于李雅普诺夫稳定性理论提出一种自适应迭代学习控制策略，通过反复迭代抑制不确定性外界干扰，结果表明，系统跟踪上期望轨迹的同时，能够以期望的接触力与环境相接触，达到期望的跟踪目的。