机器人系统是一类复杂的高度非线性、强耦合的动力学系统,其高精度轨迹跟踪控制一直是机器人学与自动化领域的关键问题之一。重复学习控制是一种基于内模原理的控制方案,能够精确地跟踪周期性参考输入,且该方案的实现不需要精确已知系统动力学模型。鉴于目前应用最为广泛的工业机器人主要执行具有重复性质的任务的特点,重复学习控制已成为提高机器人系统轨迹跟踪精度的有效方法之一。本文针对机器人系统高精度轨迹跟踪问题,提出以下两种不同的重复学习控制方案。具体内容如下:1.提出了一类新的非线性分散滑模重复学习控制方案。一类参数可调的非线性饱和函数的引入,使得系统在不以提高力矩的前提下获得了更快的响应速度和更高的轨迹跟踪精度,有效降低驱动器饱和对运动控制产生的潜在影响。该控制器分散控制的特点提高了系统的可靠性和容错性。滑模控制的引入使系统具有较好的鲁棒性,并且使系统获得了全局渐近稳定性。2.综合重复学习控制和快速终端滑模技术的优点,提出了机器人系统快速终端滑模重复学习混合控制方案,该方案缩短了系统在滑动阶段的时间,获得了更高的稳态跟踪精度和更快的响应速度,并使系统获得较好的鲁棒性。3.应用李雅普诺夫(Lyapunov)稳定性理论和拉塞尔(LaSalle)不变性原理证明了上述两种重复学习控制方法的全局渐近稳定性。三自由度旋转关节机器人的数值仿真结果验证了所提出方法的有效性。