模式识别与控制理论的相结合是近年来备受学者关注的研究方向。随着模式识别理论的不断发展与完善,以神经网络为代表的相关应用产品在现实生活中越来越普遍。与此同时,柔性关节机械臂凭借其质量轻和能耗低等优点,在柔性制造和航空航天等领域拥有巨大的应用前景。而随着机械臂系统的智能化要求程度不断提高,模式识别理论也被逐渐应用于实际的机械臂控制应用中。因此,深化基于模式识别的柔性关节机械臂控制研究,对实现柔性关节机械臂在高新科技领域的应用普及具有深远的意义。本文将以确定学习理论为基础,开展基于动态模式识别的柔性关节机械臂智能控制研究,以柔性关节机械臂动力学模型为控制对象,研究控制系统对闭环系统动态和参考轨迹动态的辨识和识别方法,实现柔性关节机械臂控制系统从复杂的跟踪任务中获取和利用经验知识的能力。论文的主要研究工作与结论如下:首先,通过拉格朗日动力学方程建立多连杆柔性关节机械臂的动力学模型,针对该模型进行自适应神经网络跟踪控制研究。根据机械臂动力学模型的结构特点,本文采用动态面控制方法设计控制系统,从而降低控制系统中神经网络的计算负担。并根据确定学习理论,将控制器中神经网络训练得到的权值以常值形式保存下来,便于后续神经网络学习控制系统的设计,以此构造一组对应不同参考轨迹的常值神经网络控制器组。然后,针对参考轨迹的模式识别问题,本文给出动态模式的相似性定义以及动态估计器的设计,根据参考轨迹的动态特征表达构建动态模式库。由动态估计器状态与参考轨迹之间的残差设计决策范数,并基于决策范数给出模式预识别策略以及模式识别策略,实现机械臂系统对参考轨迹模式的实时监测和快速识别。根据系统的模式识别结果,本文基于上述得到的常值神经网络控制器组设计控制器的切换策略,保障控制系统在进行模式切换时控制信号的光滑连续性,且改善控制系统在模式切换过程中的暂态性能。随后,本文给出双连杆柔性关节机械臂的控制仿真结果,验证整体控制方案的有效性。最后,针对机械臂控制系统的跟踪性能受限问题,本文给出在指定性能约束下的柔性关节机械臂控制研究方案。通过引入转换函数,本文将原来受限的控制问题转化为非受限的镇定控制问题,并基于确定学习理论设计得到神经网络学习控制系统。为了展现所给方案的控制效果,本文以双连杆柔性关节机械臂为控制对象给出相应的仿真结果,并分析了将性能受限的控制理念推广到基于动态模式识别的控制系统设计的可行性。