桥门式起重机因负载能力强、场地利用率高、操作灵活、通用性强等优点而被广泛运用与生产和物流环节中。通常桥门式起重机的吊重通过钢丝绳与小车相连,吊运过程中小车的启、制动和加、减速会使吊重产生运行摆动以及到达目标位置后的残余摆动,这不仅影响吊重的精确定位,降低工作效率,严重的会导致吊重坠落或起重机结构的疲劳,存在很大安全隐患。因此本文针对存在参数不确定性和外界扰动的桥门式起重机防摇摆控制问题,提出了有效的轨迹跟踪控制算法。本文主要内容及成果如下:（1）利用第二类拉格朗日方程建立了欠驱动二维双摆桥门式起重机的动力学模型,在系统平衡点附近对该模型进行线性简化,并将其分为驱动和欠驱动部分,为控制器设计打下基础。（2）针对存在外界随机扰动的欠驱动桥门式起重机的防摇摆轨迹跟踪控制问题,提出了基于系统精确模型的理想滑模跟踪控制律。随后考虑参数的不确定性,提出了基于RBF神经网络的滑模自适应控制器（ASMC）,其中RBF神经网络用于估计系统未知动力学项,自适应算法用于估计小车质量。利用Lyapunov理论和La Salle不变集原理证明了控制器能够保证跟踪误差渐进收敛至零,并通过仿真对控制器的控制性能进行了验证。仿真结果表明ASMC能够有效跟踪上小车的理想轨迹,从而实现了对吊重残余摆角的抑制。同时仿真结果还表明该控制器的鲁棒性较强。（3）为解决ASMC控制器的控制输出存在高频抖振的问题,同时进一步提升控制性能,提出了基于RBF神经网络的直接鲁棒自适应控制器（DRAC）,该控制器仅由一个RBF神经网络构成,不包含切换控制律,神经网络的输出直接作为系统的控制输入,依靠神经网络权值自适应律的设计使得系统在有扰动工况下保持稳定,控制器结构较ASMC得到进一步简化。利用Lyapunov理论证明了控制器能够保证跟踪误差渐进收敛至零,并通过仿真对控制器的控制性能进行了验证。仿真结果表明DRAC的跟踪性能和防摆效果较ASMC有较大提升,且其对系统各参数具有更强的鲁棒性。（4）针对控制器控制输出受限问题,为保证控制器在控制输出存在饱和限制的情况下依旧能够保持系统稳定,提出了基于RBF神经网络的抗饱和控制策略（DRAC-OS）,该方法在DRAC控制器的基础上增加了一个抗饱和模块,该模块为一个RBF神经网络。利用Lyapunov理论证明了控制器能够保证跟踪误差渐进收敛至零,并通过仿真对控制器的抗饱和控制性能进行了验证。仿真结果表明DRAC-OS能在控制器控制输出受限的情况下保持良好的跟踪性能。