工业机器人可以降低生产成本,取代危险、肮脏和重复性的工作,因此已经广泛应用在焊接、搬运、上下料等各种工业过程中。随着技术进步和工业发展,人们对机器人的运动性能如跟踪精度、动态响应和鲁棒性等要求也更高。工业机器人是一种高度复杂的非线性系统,不可避免存在着关节耦合、时变参数、负载变化、未建模动态和未知外部扰动等不确定性因素,影响系统性能。为此,本文以受不确定因素影响的串联机器人为研究对象,对动力学参数辨识,非线性摩擦建模和高性能鲁棒运动控制技术等问题进行研究。主要内容如下:基于动态特性设计控制器是提高机器人运动性能的有效途径,因此首先针对本文所用串联机器人实验平台分析建立动力学模型。为简化参数辨识过程,借助开源软件OpenSymoro求解观测矩阵和最小惯性参数集。设计激励轨迹,对激励轨迹参数进行优化,并对所采集的数据进行预处理,以降低测量噪声影响,用最小二乘法辨识得到所需参数。关节非线性摩擦会对控制性能产生重要影响,尤其是在关节转速较低时。为提高低速时的控制精度,本文选择合适的连续非线性摩擦模型补偿关节摩擦。根据实验测得的速度和摩擦力矩,采用差分进化算法辨识出最佳模型参数。通过模型拟合曲线与实验数据对比,证明了所选模型与辨识得到参数的准确性。考虑到建模及参数辨识复杂和实际应用中存在不确定性因素的问题,引入自抗扰控制,并介绍其组成部分扩张状态观测器(ESO)、跟踪微分器(TD)和状态反馈组合。为进一步提高控制性能,将已有动力学模型信息补偿到ESO中,结合经典计算力矩控制提出了一种新的鲁棒控制方案,克服了计算力矩控制依赖模型准确性的缺点。同时借助TD有效估计实际速度,不需要额外增加速度计。在仿真和实验中将所提出的控制算法与其他几种经典控制方案作比较,对算法的优越性进行了验证。为提高系统的跟踪精度和动态响应速度,针对不确定机器人系统,利用反步法基于动态模型提出了有限时间控制算法。考虑实际中存在的复杂不确定性因素,设计具有有限时间收敛特性的ESO进行估计并通过前馈补偿,并采用变结构项对估计误差进行补偿。相对之前提出的控制算法,有限时间控制有更好瞬态性能,更高的控制精度和更强的鲁棒性。利用稳定性理论对所提出的控制方法在闭环系统中的有限时间稳定性进行了证明,并用仿真和实验验证算法的优越性和可行性。当关节较多时,由于系统模型复杂度高,辨识难度大和计算负担重,基于模型的控制器很难适用,因此设计了不需要完整动态模型,更加便于实现的独立关节控制策略。同时对控制性能提出更全面的要求,除了稳态性能,将瞬态性能如超调、欠调和收敛速度等也考虑进来。本控制算法利用反步法,综合预设性能函数和摩擦补偿ESO设计。采用摩擦补偿ESO估计缺失的动力学模型信息及其他不确定性。针对定增益状态观测器存在初始观测误差时出现的尖峰问题,设计了变增益的观测器。分别用机器人平台两轴联动和六轴联动实验对算法性能进行了验证。结果表明,该控制算法无论在关节空间还是笛卡尔工作空间均能将跟踪误差约束在预设性能范围内,表现出良好的控制性能。