机器人系统是典型的时变、强耦合、具有高度不确定性的非线性系统,随着机器人技术研究的深入及应用领域的扩大,常规的控制策略和算法,如PID控制、基于模型的计算力矩控制等已经不能满足这些领域的控制要求。滑模变结构控制,对于满足匹配条件的不确定性具有完全的鲁棒性,从提出至今一直是学者们研究的一个热点。非线性系统的常规变结构控制,先根据系统的动力学方程进行状态反馈线性化,或化为正则型,然后再进行变结构控制器设计,这种方法计算量大,对系统模型也有严格的要求。而T-S模糊模型则相对简单,它本质上是一种非线性模型,可以以任意精度逼近非线性系统。T-S模糊模型的后件是线性的,可以应用线性系统完善的理论和方法来处理非线性问题,而且和其他的模糊推理方法相比,其计算效率高,推理速度快,因而非常适用于机器人这类模型复杂且对快速性要求较高系统。本文第三章对两连杆机器人系统建立了T-S模糊模型,并分别考虑系统具有匹配及非匹配不确定性的情况。针对匹配不确定性,假设不确定范数有界,设计了滑模控制器,分析了满足稳定性的条件,给出了稳定性证明;针对非匹配不确定性,设计基于LMI的滑模控制器,并给出了稳定性证明。线性滑模控制,能使系统渐近稳定,但不能保证系统有限时间到达平衡点。对机器人这类对快速性和控制精度要求较高的系统,线性滑模显现出一定的局限性。为了机器人的快速跟踪,跟踪误差有限时间收敛到零,本文第四章选择具有有限时间收敛的终端滑模控制(Terminal Sliding Mode Control)。针对终端滑模可能存在的奇异现象,选择了非奇异终端滑模控制。先考虑系统不确定性上界参数已知的情况设计了控制器,给出了稳定性证明,并与线性滑模控制方法进行了仿真比较研究。实际上,系统不确定性参数往往是很难测得,考虑不确定性函数上界未知,设计了自适应终端滑模控制器,并证明了在此控制器作用下系统的稳定性;最后通过对两连杆机器人模型仿真验证了控制的有效性,第五章给出本文的结论与展望。