近年来,机械臂系统的轨迹跟踪控制问题被越来越多的关注。在实际的系统模型中,系统受到的外部扰动和系统自身的不确定性是难以避免的,这将使得基于精确模型的控制方法,很难实现或难以达到理想的跟踪控制效果,而且更加难以确保整个闭环系统的稳定性和一致最终有界性。本文针对两类非线性的全状态约束机械臂系统,充分考虑了系统自身的不确定性和外部扰动的存在,提出了基于自适应神经网络的状态约束控制方案,并且所提出的控制方案,能够成功实现系统的渐近跟踪控制。本文针对机械臂系统的轨迹跟踪控制问题,主要做了以下两个方面的研究:1)研究了一类具有全状态约束机械臂的轨迹跟踪控制问题。首先,采用自适应神经网络算法来处理系统的不确定项和外部扰动项。设计了一个阻碍的Lyapunov函数,确保不违反状态约束,且在控制设计中使用了Moore-Penrose伪逆项。其次,通过稳定性分析,证明各个状态最终收敛到一个紧集,整个闭环系统最终一致有界,可以实现系统的渐近跟踪控制。最后,通过选择适当的系统参数进行仿真实验,验证了该控制方法的有效性。2)研究了一类具有输入饱和的机械臂自适应阻抗控制问题,考虑了系统的不确定性和输入饱和。首先,采用自适应神经网络算法来近似系统的不确定性,并通过设计辅助系统来处理输入饱和。其次,使用Lyapunov方法设计了自适应神经阻抗控制器,利用Lyapunov稳定性定理证明了闭环系统的稳定性。最后,为了验证所提出的控制协议的有效性,对该系统进行了数值仿真。