随着时代的发展,科技的进步日新月异,机械臂已在全球工业中得到广泛应用,成为现代化工业发展不可或缺的技术之一。机械臂是一个具有多输入多输出、强耦合、时变的非线性系统,机械臂的作业环境极其复杂,因此,设计出高性能的机械臂轨迹跟踪控制策略显得尤为重要。针对机械臂模型存在部分信息未知,不确定因素较多,以及外界扰动下,本问对机械臂轨迹跟踪控制问题进行了研究。基于终端滑模控制方法、时延估计策略、神经网络控制理论进行了如下研究:作为一种轨迹跟踪控制方法,终端滑模控制凭着有限时间收敛特性、受到参数变化时具有不变性,在机械臂控制领域中广泛使用。时延估计策略具有无需模型精准信息对模型的依赖小和易于应用等特点,引起了许多学者的关注。为此,本文结合时延估计策略和终端滑模控制方法,提出了基于时延估计的终端滑模控制策略。该策略采用时延估计方法对系统中存在的不确定性进行估计和补偿,以抵消其影响;同时应用终端滑模控制实现轨迹跟踪目的,并通过引进非线性项,设计了快速终端滑模面函数,减少了系统状态收敛到平衡点所需的时间。此外,本文还设计了鲁棒控制项克服了终端滑模控制器的抖振现象,并通过仿真验证了所提的方法的有效性。基于上述设计的控制器,引入了非线性项,该函数中带有负分数幂,当选择的参数不当且系统误差收敛到零时,此时会发生奇异现象,即出现某个信号状态无穷大;另外系统内存在短时变化剧烈的状态和因素时,时延估计也会引起较大的误差,从而降低了系统性能。针对该类问题,提出了基于神经网络的非奇异终端滑模控制策略。径向神经网络算法具有一些和时延估计类似的特点,且其能够避免系统局部最小值问题,考虑到传统径向神经网络采用的是权值自适应,需要的自适应个数较多,且控制结构较复杂,导致其求解速度较慢,继而设计了少量虚拟辅助参数替代神经网络权值,改善了神经网络逼近求解速度,优化了控制器结构。然后,通过等效控制原理设计了自适应非奇异终端滑模控制器;同时添加了鲁棒项去除终端滑模带来的抖振;并利用李亚普诺夫稳定性理论证明了所提控制器的闭环稳定性,最后通过仿真验证了所提方法的轨迹跟踪性能。