机器人是二十世纪科技高速发展的的产物,各式各样的机器人已经出现在我们的身边,尤其是工业机器人即机械手臂的应用最为广泛,因此机械手臂的控制问题一直倍受科研工作者们的关注。本论文介绍了机器手臂和机器手臂控制理论的发展概况。在此基础上,研究了机械手臂的鲁棒控制法,分别设计了基于模糊神经网络的机械手臂力矩控制方法、基于滑模变结构控制补偿的机械手臂力矩控制方法以及基于小波神经网络补偿的机械手臂力矩控制方法,具体内容如下:模糊神经网络融合了模糊控制的推理能力和神经网络的参数自学习能力,它不依赖于对象精确的数学模型,能有效地克服被控对象存在的不确定部分的影响,本文把模糊神经网络作为机械手臂的关节伺服控制器,通过对网络参数的学习训练来调整机械手臂关节的控制力矩,实现对机械手臂的轨迹跟踪控制。设计了基于滑模变结构控制补偿的机械手臂力矩控制策略:将机械手臂系统分解成已知部分和不确定部分,对于已知部分,采用计算力矩控制,对于不确定部分,利用滑模变结构控制来补偿,以完成对机械手臂系统的高精度控制。设计了基于小波神经网络补偿的机械手臂力矩控制策略:针对滑模变结构控制所带来的抖振问题,采用小波神经网络代替滑模变结构控制,利用小波神经网络优良的逼近性能和自学习能力,补偿机械手臂系统中所存在的不确定部分。以上控制策略通过对一个二自由度串联机械手臂模型进行仿真研究,验证了方法的有效性。最后,针对实际六自由度机械手臂系统,搭建了系统控制软件,为机械手臂控制的研究提供了平台。