随着“中国制造2025”国家战略的提出,机械臂作为制造业智能化的重要一环,获得了空前关注。在随着任务难度的增加、复杂环境任务的增多,对机械臂末端姿态控制精度提出了更高的要求。为了获得快速响应,良好的稳定性和高精度的轨方迹跟踪控制法,有必要综合考虑实际机械臂系统的动态建模误差,不确定的外部干扰以及未知参数的影响。因此,本论文针对复杂任务环境中机械臂的轨迹跟踪问题进行了研究,取得了以下结果。针对机械臂在实际应用中无法建立完全精确的动力学模型以及机械臂在工作环境中普遍受到各种未知外部干扰的问题,提出一种基于扰动观测器的神经网络滑模控制方法。对于外界扰动中的可观测部分使用扰动观测器来消除,由于机械臂系统的数学模型存在可变参数,此外外部的扰动还存在随机性,将扰动观测器与机械臂的数学模型结合起来,通过选择设计参数可以使观测器指数收敛,达到对干扰的抑制作用。利用观测器来估计机械臂系统的扰动输出值,并与系统的实际扰动做差,以此对估计值进行修正,最终保证扰动误差趋于零。使用神经网络实时逼近并补偿机械臂系统中的不确定项,并将神经网络引入滑模变结构控制中,设计了一种基于神经网络滑模变结构控制器,解决机械臂系统中的不确定性问题,提高系统相应的跟踪性能。用Lyapunov方法分析了闭环控制系统的稳定性。仿真结果表明所提方法可以克服系统中存在的不确定性及外部干扰,机械臂实现期望轨迹的快速跟踪效果优异。针对机械臂受到动力学不确定项的影响,这些不确定项很难预先预测,对机械臂的定位精度和重复性等性能产生不利影响。由于物理参数的不精确测量以及机械臂与不同环境之间的相互作用,运动学参数可能无法预先知道。针对在动力学不确定项和运动学不确定项共同作用下的机械臂任务空间轨迹跟踪控制问题。讨论了运动学不确定项、未知力矩、不确定转动惯量和扰动引起的动力学不确定项对机械臂的影响。为了精确的估计系统中运动学不确定项和动力学不确定项,设计了两个观测器分别来处理运动学不确定项和未知力矩。一个用于估计未知力矩,另一个用于估计末端执行器的位置。然后利用所估计的信息设计滑模控制器,保证轨迹跟踪误差的全局渐近收敛。仿真结果表明设计的滑模观测器可以保证机械臂良好地跟踪给定的期望轨迹,使得轨迹跟踪误差趋于零。