本课题主要研究机械臂轨迹跟踪控制策略,通过设计控制器实现机械臂末端执行器高精度高速度的跟踪期望轨迹。首先根据标准D-H参数法建立Denso VP6242G 6-DOF串联机械臂坐标系及其正运动学模型,采用解析法获得各个关节角度的逆运动学封闭解并进行仿真,仿真结果表明关节空间逆运动学能够很好的复现工作空间期望轨迹。根据Lagrange方程法推导n自由度串联机械臂通用动力学公式,依据机械臂运动学模型和机械结构参数建立Denso机械臂的动力学模型,用于机械臂轨迹跟踪控制方法的仿真验证。其次,本文提出一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSMC)自适应轨迹跟踪控制方法,该方法采用NFTSMC超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。并利用RBFNN逼近系统未知非线性动力学,结合逼近误差的自适应补偿机制,实现无模型控制,仿真结果表明该控制方法能有效提高稳态精度、收敛速度、抗扰动性能以及抑制系统抖振。然而在实际工程应用中,机械臂关节角度测量信号存在测量误差以及传输噪声,对提取高品质滤波信号和微分信号造成了一定的困难,为解决上述问题,提出基于跟踪微分器的改进非奇异终端滑模控制方法,其中跟踪微分器模块实现对反馈信号的滤波和微分,改进非奇异终端滑模降低了系统参数整定难度,在此基础上分析了机械臂系统的稳定性和有限时间收敛性,仿真结果表明该方法能有效地提高系统收敛速度和稳态精度以及抑制系统抖振。最后将改进的非奇异终端滑模控制策略应用于Denso VP6242G 6-DOF机械臂实验平台,分析了系统延时对控制性能的影响,并提出了解决方法,实验结果表明所提出的控制策略能够有效地提高系统收敛速度和稳态跟踪精度。