在机械臂系统中,常常存在着高度非线性、未知扰动或者不确定项等问题。这些问题的存在将对系统控制的稳定性和准确性造成影响,还可能对系统本身产生一定的损害,甚至造成重大的人员伤亡或者重大经济损失。因此,深入研究机械臂系统的跟踪控制问题具有重要的现实意义。基于此,本文以一类柔性机械臂系统为对象,结合自适应神经网络理论和Backstepping技术,考虑其在输入约束和外部扰动情况下的轨迹跟踪控制问题。主要工作和创新如下:（1）针对具有不对称死区的机械臂系统,提出了系统的自适应神经网络跟踪控制方法。首先构建机械臂控制系统,给出具有不对称死区输入的严格反馈非线性系统数学模型,将不对称输入死区模型表示为线性控制项与有界扰动项的和形式,并引入系统性能函数,对跟踪误差的瞬态和稳态性能进行设定。考虑到跟踪误差不利于控制器的设计,因而利用误差转化函数将受限的跟踪误差转换为非受限的转换误差;再根据非受限误差构建一个李雅普诺夫函数,结合Backstepping技术,进行自适应神经网络控制器设计。最后利用Lyapunov理论对控制系统稳定性进行了分析,所提方法能够保证系统中的所有闭环信号最终一致有界。（2）针对一类具有输入饱和及未知外部扰动的机械臂切换非线性系统,提出了一种基于预设性能自适应神经网络切换控制方法。首先,将考虑的机械臂系统转化为严格反馈切换系统的形式,构建具有饱和输入的机械臂控制系统;其次,引入双曲正切函数对饱和输入进行补偿,提出了一种新的误差变换方法,并将其引入系统性能函数,保证跟踪误差的收敛性;进一步应用RBF神经网络来逼近系统中未知函数,在Backstepping框架下设计系统自适应神经网络控制器。最后利用Lyapunov稳定性理论对控制系统进行稳定性分析,表明该方法能够保证系统所有闭环信号最终一致有界且跟踪误差收敛到预设范围内。（3）以单连杆机械臂非线性系统为例,利用上述方法进行了数字仿真。结果表明,系统的自适应律能够快速准确逼近系统中的未知参数,系统的输出信号可以精确追踪参考信号,且能够保证系统所有信号都是有界的。同时也验证了误差转换函数在机械臂非线性系统控制器设计中的合理性,使系统能够很好的达到预设的瞬态性能与稳态性能指标。