机器人系统具有时变、强耦合、高度非线性的特点,而且在建立机器人模型时,各种不确定性因素的影响,很难得到机器人精确的动力学模型。基于耗散性概念的设计方法更加注重控制误差系统能量的衰减过程,并利用机器人结构上的物理特征来构造能量函数,能够使控制器的推导变得简洁,在机器人控制方面已经得到了广泛地应用。本文主要应用耗散性理论对不确定机器人系统轨迹跟踪问题进行了研究,主要研究工作如下:针对不确定机器人系统,提出一种基于耗散性理论的鲁棒神经网络控制方案。在该控制方案中,基于李雅普诺夫稳定性理论,从整个闭环系统的稳定性出发设计控制器,用神经网络自适应学习系统的不确定部分,将神经网络的逼近误差作为系统的外部干扰,结合耗散性理论进行干扰抑制,使机械手位置和速度矢量的跟踪误差渐近收敛于零,保证了整个系统的稳定性。考虑在外部扰动和未建模动力学存在时,首先根据无源性理论设计控制器,然后分两种情况讨论,一种是不确定部分上界已知时,在传统滑模变结构方法基础上引入模糊控制,将滑模面作为模糊控制器的输入,模糊控制器的输出作为滑模补偿控制器的权值,可有效消除滑模控制的抖振。另一种情况是不确定部分上界未知时,利用RBF网络自适应学习系统不确定性的未知上界,该控制方案克服了常规滑模控制需要已知不确定性上界的限制,同时降低了控制器的抖振,使系统获得期望的性能。