工业机械臂自出现以来就在工业生产中扮演着不可或缺的重要地位。代替人工做一些简单重复、危险的工作,保障了工作人员的身心健康,降低了生产的成本。而随着技术的革新,机械臂不再只是简单劳力的代替品,它能够应用的领域也越来越多,比如说航空航天、军工、医疗等高技术行业,但是高技术也意味着高标准,这些领域也需要更高精度的控制要求。在环境不确定及模型不确定因素影响下,实现高精度的轨迹跟踪控制不仅对硬件有要求,同时也需要更好的控制算法。本文以轻量型串联机械臂为研究对象,重点研究机械臂高精度的轨迹跟踪控制。主要研究内容如下:其一,建立机械臂动力学模型,为体现环境及模型不确定性,建模时充分讨论系统模型不确定性动态。为解决机械臂无法测量关节角速度的问题,研究神经网络状态观测器;为降低复合干扰的影响,进一步研究神经网络扩张状态观测器,以此实现扰动的观测,并对控制器进行补偿,确保机械臂轨迹跟踪精度达到一定水平。其二,尽管神经网络扩张状态观测器补偿控制能够在一定程度上提高轨迹跟踪控制精度,但是控制精度仍显不足,且不宜实现。为进一步降低内外复合干扰的影响,基于滑模控制策略,仍研究干扰观测器对干扰观测及补偿的控制方法,以期实现机械臂高跟踪精度的同时降低滑模面引起的系统抖振,仿真结果表明该控制策略可以大幅度提高机械臂的轨迹跟踪精度。最终,为了彻底解决模型不确定性问题,且降低外扰的影响。研究不依赖模型且易于实现的自抗扰控制方法。在解耦控制的基础上,设计机械臂线性自抗扰控制器;为解决线性自抗扰控制器在增益较大的时候会有较大的超调问题,提出非线性自抗扰控制方案;为了减小增益,结合滑模的思想,设计基于滑模扩张状态观测器的非线性自抗扰控制器,进行了一定的稳定性分析,并在Kinova Jaco2机械臂上进行仿真及实验,研究结果表明轨迹跟踪精度可以提高至10-6rad。