在机器人系统中,测量和建模的不精确、以及摩擦、负载变化和外部扰动等不确定因素是普遍存在的。在各种控制方法中,自适应模糊控制是获得高性能控制效果的一种有效方式。然而,传统的自适应模糊控制仍有一些局限性,如:学习能力低、控制效果不佳、收敛时间慢等。因此,本论文针对机器人系统的自适应模糊控制进行研究,系统解决传统的自适应模糊控制方法应用于机器人系统中所遇到的上述局限性。本文的主要工作总结如下:(1)针对含有未知非线性动力学的单个机器人的位置轨迹跟踪问题,提出一种自适应模糊滑模控制方案。该方案利用滑模控制中的切换函数作为输入,根据模糊系统的逼近能力设计控制器,并基于Lyapunov方法设计自适应律对控制器所需参数进行实时调节。仿真中将其与传统的滑模控制进行了比较,仿真结果表明:自适应模糊滑模控制能使机器人更好地实现对期望的位置轨迹跟踪并有效地减轻抖振现象。(2)针对多输入多输出的非线性双机器人系统的一致性问题,提出一种基于自适应模糊小波网络的控制方案。该方案首先设计跟踪控制器,让两个机器人的关节位置和速度分别达到一致。然后针对系统含有的未知非线性动力学,结合模糊系统的逼近能力和小波网络的学习能力设计模糊小波网络补偿控制器,以提高系统的逼近能力和逼近速度。最后基于Lyapunov函数设计自适应律对控制器参数进行实时调节。将该方案在由两台Phantom Omni机器人搭建的实验平台上进行验证,并在实验中将其与传统的自适应模糊控制进行了比较,实验结果表明:所提出的方案能使双机器人系统更好地实现关节位置和速度的一致性并有效地缩短调节时间。(3)针对含有时间延迟的双机器人系统的位置和速度跟踪问题,提出一种基于滑模的自适应模糊小波网络控制方案。该方案首先以积分滑模作为控制器的输入,以减少系统的输入和模糊规则数量。其次针对系统含有的时间延迟和未知非线性动力学,结合模糊系统的逼近能力和小波网络的学习能力设计模糊小波网络控制器,以提高系统的逼近能力和逼近速度。然后设计切换控制,减小逼近误差。最后基于Lyapunov函数设计自适应律对控制器参数进行实时调节。将该方案在由两台Phantom Omni机器人搭建的实验平台上进行验证,并在实验中将其与未考虑小波网络的传统自适应模糊控制进行了比较,实验结果表明:所提出的方案能使双机器人系统更好地实现关节位置和速度的跟踪并有效地削弱时间延迟的影响。(4)针对多机器人系统的位置轨迹跟踪问题,提出了一种自适应模糊小波网络控制方案。该方案选择机器人的关节位置、关节速度和控制力矩作为模糊函数的输入。结合模糊系统的逼近能力和小波网络的学习能力,设计模糊小波网络控制器,基于Lyapunov函数设计自适应律实时调整控制器的参数。在仿真中,将自适应模糊小波网络控制与传统的自适应模糊控制进行比较,结果表明:自适应模糊小波网络控制可以更好的实现多机器人位置轨迹跟踪并有效缩短调节时间,从而证明了自适应模糊小波网络控制在多机器人系统中的可行性。