在机械臂的实际控制应用中普遍存在系统参数不确定、驱动控制电流与机械臂关节力矩转换关系不确定、摩擦力未知、驱动力输入饱和、控制器参数选择困难、系统抖振明显、跟踪精度较低等问题。为此,本文以SCARA机械臂为对象,对动力学建模和鲁棒运动控制进行深入研究。针对不确定参数条件下传统机械臂动力学模型误差大的问题,设计了拉格朗日-高斯过程回归的动力学建模方法。采用高斯过程回归方法补偿传统机理模型中系统参数不准确、摩擦力未知、电流-关节力矩转换不确定产生的动力学误差。通过MATLAB和ADAMS软件对拉格朗日-高斯过程和拉格朗日动力学模型进行仿真对比,验证了其有效性。为了提高机械臂在增减负载后产生低频干扰下的控制精度,在拉格朗日-高斯过程回归动力学模型的基础上,设计了基于干扰观测器的优化滑模预测控制器（PPSMC）。运用李导数理论推导设计一种滑模预测控制器,提高了系统跟踪精度。采用非线性干扰观测器和高斯过程项分别对干扰和固有模型不确定项进行估计,并用李雅普诺夫判据理论证明了控制器稳定性。通过拉格朗日-高斯动力学模型和综合优化评价指标,对滑模预测控制参数进行粒子群优化求解。采用MATLAB/ADAMS联合仿真平台验证了 PPSMC控制器的有效性。针对机械臂驱动器输入饱和下外界环境突变干扰导致控制效果不佳的问题,基于PPSMC控制器设计了一种抗饱和的自适应控制器（PPASMC）。设计输入饱和辅助系统并与PPSMC控制相结合,以减少驱动器饱和引起的误差。开发滑模自适应律,解决PPSMC中干扰观测器只能跟踪低频干扰、优化参数适用性低和饱和函数产生稳态误差的问题。通过李雅普诺夫判据理论证明PPASMC控制器的稳定性。采用MATLAB/ADAMS联合搭建的仿真平台,证明其控制算法的有效性。最后,搭建实验样机,并对PPSMC控制器、PPASMC控制器、机械臂搬运实验分别进行了验证。结果表明本文所设计控制器具有良好的控制效果。