机器人是一种仿人操作、自动控制、可重复编程、能在三维空间完成各种作业的机电一体化设备。它首先被应用在制造业中，随着科学技术的进步，其应用范围不断扩大，遍及国防、医疗卫生、灾难救援、生活服务等领域。由于机器人系统所具有的应用前景，其控制问题已经成为世界各国科研人员关注的焦点。本文以Backstepping设计方法为基础，结合滑模变结构控制、全调节RBF神经网络、动态面控制(DSC)，分别对三种不同类型的机器人系统进行了控制器设计。具体工作如下：针对后轮驱动的轮式移动机器人系统，首先利用坐标变换和输入变换将其数学模型化为无漂移双输入链式系统,然后利用反演滑模控制方法对其进行镇定。反演控制的前两步结合状态—输入变换方式进行虚拟控制律的设计，第3步采用滑模变结构控制，使系统的最后一个状态在有限时间内收敛。针对具有参数不确定的刚性机器人系统的跟踪控制问题，提出了一种基于视觉反馈和全调节RBF神经网络的自适应反演控制器设计方法。根据安装在末端执行器的CCD摄像机提取的特征点确定期望位置，利用与一般设计不同的全调节RBF神经网络逼近系统的不确定项及外界干扰。由于在调节RBF神经网络权值的同时也调节了中心点值和影响范围，使得全调节RBF神经网络具有了更强的在线逼近能力。应用Lyapunov稳定性理论，证明了系统的所有信号均有界，控制器可以保证机械臂的运动指数收敛到期望位置。针对柔性机器人系统，设计出了一种基于自适应模糊动态面的实用稳定控制方法。对于未知或时变函数，采用模糊逼近，进而予以补偿。通过动态面控制克服了Backstepping设计带来的计算膨胀问题，简化了控制器的结构。所设计的控制器保证了闭环系统的实用稳定性。针对所设计的三种不同控制器，分别进行了仿真研究，仿真结果验证了各控制器的有效性。