当前,机器人技术已经成为智能制造及工业自动化的关键技术。其整体发展水平的高低标志着一个国家产业现代化水平和综合国力的强弱。本文以工业机器人基于关节空间的位置跟踪控制与基于图像的视觉伺服控制为研究内容,以自适应控制、迭代学习控制等方法为手段,主要研究了机器人在模型不确定、存在干扰等情况下的跟踪控制问题及基于图像雅克比矩阵伪逆的动力学视觉伺服控制问题。本文的主要工作如下:1.针对机器人在作业任务中具有重复性的特点,对机器人存在不确定参数及外部干扰情况下的轨迹跟踪问题,提出了几种具有变增益的自适应迭代学习控制策略,控制器包含PD反馈控制部分及用于处理系统参数不确定、干扰的学习控制部分。使用类Lyapunov函数证明,机器人系统是稳定的和渐进收敛的。仿真结果验证了算法的可行性。2.针对机器人迭代学习控制中迭代参数较多及初始运行点受限的问题,文中提出的学习控制器将正定的学习系数矩阵作用于轨迹跟踪误差和误差导数,得到了逐次更新的二维学习控制量,迭代参数可以减少到两个。这对于节约存储空间和提高运算速度具有重要意义。在假设某些系统参数有界的情况下,迭代学习参数可以进一步的减少到1个。新提出的控制策略可以将系统每次运行时都应在期望位置的初始状态这一条件放宽(将机器人控制系统的初始校正条件放宽),即系统的运行从上一次运行结束时开始,而不是每次机器人系统都从同一个起始点开始运行。3.针对一类具有不确定动力学模型,受到不重复干扰情况下的机器人系统,提出了一种自适应鲁棒迭代学习控制方法。新提出的方法结合了变增益的PD控制与迭代学习的反馈控制,在简单的控制结构情况下具有自适应性和学习能力。通过周期性迭代,当前的控制信息由以前的控制信息来更新。新方法以类似于切换控制的形式来更新控制增益,增加了控制的灵活性,使得机器人系统的轨迹跟踪收敛速度更快速,使用Lyapunov函数证明了方法的渐进收敛性。仿真研究表明:随着迭代次数的增加,机器人系统的位置误差及速度误差将单调减少。4.针对机器人系统易受外部干扰及内部参数变化影响的问题,本文以设计具有良好跟踪性能及优良控制品质、保证系统稳定性和鲁棒性的控制器为目标,提出了两种自适应切换控制方法。第一种策略是在机器人有界干扰的上确界已知的情况,第二种策略是在干扰上确界未知的情况下设计的。以上两种控制器都包含自适应切换律和一个PD控制器。应用李雅谱诺夫稳定性理论证明了所提控制方法既能够保证机器人的跟踪性能,也可以适应变化的未知负载。以二连杆机器人为被控对象的仿真研究表明,所提出的控制方法有效可行,对系统负载的变化具有一定的鲁棒性。5.针对基于图像的机器人动力学无标定视觉伺服中,需要求取图像雅克比矩阵或其逆矩阵较为困难的问题,提出了一种可以获取图像雅克比伪逆阵的动力学无标定视觉伺服新方法。该方法无需摄像机的内外参数、无需机器人的关节速度参数。由李雅普诺夫理论证明,图像误差具有渐进收敛性。仿真研究验证了算法的有效性。