机械臂的位置/力控制问题一直受到国内外学者的广泛关注,欠驱动柔性机械臂因为具有质量轻,灵活性高,能耗低等特点而成为机械臂领域的研究热点。本文针对柔性机械臂,欠驱动机械臂,以及欠驱动柔性机械臂,分别考虑终端受限,模型未知,外界干扰,以及时间滞后的影响,提出改进的滑模控制方案,并最后通过仿真验证了方案的可行性。本文首先针对柔性连杆机械臂,考虑柔性关节影响的柔性连杆机械臂,以及欠驱动柔性机械臂,分别建立其动力学模型,并利用坐标转换进行模型降维化简处理,得到简化后的动力学模型。针对受限的柔性连杆机械臂的位置/力控制问题,提出基于滑模的鲁棒控制器,能够保证系统李雅普诺夫稳定,机械臂的位置跟踪误差趋向于零,约束力误差有界。然后考虑模型参数不确定以及外界干扰的影响,设计了基于滑模的自适应控制,其中采取的改进滑模形式加入力误差项,本文的方法有效的补偿了模型不确定和外界干扰的影响,且与传统的线性滑模控制相比,最终可以保证约束力误差收敛,提高系统状态的跟踪精度。考虑柔性关节影响的受限柔性连杆机械臂的控制问题,首先对于化简的模型,提出了一种改进的自适应滑模控制策略,最终保证机械臂的位置误差和约束力误差渐近收敛。然后针对柔性关节参数未知的情况,考虑有限时间收敛理论,设计了一种基于反步法的自适应控制器,通过理论证明所提出的控制法可以有效地补偿模型参数不确定以及柔性关节的影响,并与传统的滑模控制相比,该控制策略能够保证位置跟踪误差和约束力跟踪误差在有限时间内收敛。对于欠驱动机械臂的位置/力控制问题,首先考虑外界干扰的影响,提出了一种基于滑模的鲁棒控制策略,保证系统的位置误差渐近收敛,约束力误差有界。然后针对时滞问题,利用Pade近似理论,将时滞等效为二阶有理分式的形式,对于欠驱动柔性机械臂,考虑模型参数不确定的影响,提出了一种改进的神经网络自适应控制策略,通过李雅普诺夫理论证明,所设计的控制器能够有效的补偿模型参数不确定,时滞以及柔性关节的影响,与传统方法相比,该方法还能保证位置误差和约束力误差都渐近收敛。最后通过MATLAB仿真对比,验证了上述结论的可行性。