随着现代工业的发展,机械臂得到了越来越广泛的应用,对机械臂运行过程的精度要求也越来越高。在实际运行中,机械臂系统的模型中往往会存在某些未知的非线性项,同时机械臂的输入和输出也可能会受到一定约束,这给控制算法的设计增加了难度。为了提高控制算法的实用性,应该将机械臂关节处的执行电机考虑进模型中,并使用电压作为驱动信号。因此,对输入及输出受约束的电驱动机械臂系统设计高精度的控制算法成为了当前的热门研究方向,具有很高的应用价值。本文以电驱动机械臂系统为研究对象,研究了输入及输出受约束的电驱动机械臂系统的轨迹跟踪控制,主要工作如下:1.对电驱动机械臂系统进行建模并分析其特性。首先,利用拉格朗日动力学方程法建立机械臂的动力学模型,然后结合直流电机模型,推导出电驱动机械臂的模型。然后,介绍RBF神经网络与机械臂系统中的约束问题。2.针对受恒定约束的电驱动机械臂系统,结合RBF神经网络和传统障碍Lyapunov函数、正切型障碍Lyapunov函数设计了两种反演控制器,然后提出了一种改进型障碍Lyapunov函数,分析了改进型障碍Lyapunov函数的优点,并基于改进型障碍Lyapunov函数设计了反演控制器。最后通过仿真验证所提方法的有效性,并对三种方法的性能进行了对比。3.针对输出受非对称时变约束的电驱动机械臂系统,设计了一种基于改进型障碍Lyapunov函数的反演控制器。然后通过仿真验证所提控制算法的有效性。4.针对输入及输出受约束的电驱动机械臂系统,对饱和非线性环节进行建模,结合神经网络和第四章所提出的算法设计反演控制器。然后通过仿真验证所提控制算法的有效性。