机械臂在工业制造、农业、医疗等领域均得到了广泛的应用。随着现代科学技术的发展,机械臂的任务日渐多样化、复杂化,其操作已不局限于重复性的定位操作,对给定轨迹实时跟踪的需求越来越多。深入研究轨迹跟踪控制问题,实现机械臂对给定轨迹的高精度跟踪,满足日益复杂、多样性的任务需求,具有重要的实际意义。由于机械臂是一个高阶、非线性、强耦合的复杂多输入多输出系统,且机械臂的动力学、运动学参数等通常难以精确获取,在需要多个机械臂共同工作的情况下,机械臂的高精度轨迹跟踪控制问题更加复杂,这些都给机械臂高精度轨迹跟踪控制器的设计提出了更高的要求。本文分别对存在运动学及动力学参数未知、考虑摩擦非线性的机械臂系统、分布式多机械臂系统与协调多机械臂系统,研究了高性能的轨迹跟踪控制策略,主要内容如下:(1)针对机械臂在关节空间轨迹跟踪时,系统受摩擦非线性因素影响、动力学参数未知以及外部扰动等问题,设计了一种基于模糊神经网络的关节空间轨迹跟踪控制器。引入LuGre摩擦模型建立了机械臂系统的动力学模型,在摩擦模型刚毛变形量、系统动力学参数、负载参数等都未知的情况下,使用模糊神经网络在线逼近包含LuGre摩擦在内的非线性环节,省去了复杂的刚毛变形量观测器,在此基础上设计了控制器。使用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,在无需精确系统参数的情况下,所采用的模糊神经网络能有效地补偿摩擦在内的非线性环节,且控制器对负载变化具有较强的鲁棒性,实现了关节空间内机械臂的高精度轨迹跟踪。(2)针对机械臂末端执行器在任务空间轨迹跟踪时,系统运动学参数不精确、存在奇异位形,动力学参数未知等问题,设计了基于模糊神经网络的任务空间轨迹跟踪控制方案。对系统逆运动学求解过程中的几种情况分别分析并设计了控制器。首先在运动学参数已知且Jacobian矩阵可逆的情况下进行逆运动学求解,采用模糊神经网络对包含未知动力学参数的非线性环节进行逼近,实现了机械臂末端对期望轨迹的跟踪;然后针对机械臂运动学参数不精确,同时末端速度测量容易被噪声污染导致逆运动学求解困难的问题,通过对运动学参数在线辨识的方法进行逆运动学求解,并设计了控制器;最后针对奇异位形时Jacobian矩阵不可逆的问题,在奇异位形附近采用变系数的阻尼最小二乘法进行逆运动学求解,在保证逆运动学求解精度的同时,减小了角速度的跳变,在此基础上设计控制器。通过Lyapunov方法证明了以上情况下闭环系统的稳定性,仿真结果验证了所提控制方案的有效性。(3)针对分布式拓扑下多机械臂系统的一致性轨迹跟踪问题,设计了一种基于速度观测器的自适应模糊神经网络控制方案,在只有部分机械臂能够获取期望轨迹的情况下,实现了各机械臂对期望轨迹的观测,同时保证了速度及加速度观测值的连续性,并给出了观测误差收敛的充分条件:然后基于速度观测器和模糊神经网络构建了控制器。通过Lyapunov方法及图论证明了闭环系统的稳定性。仿真结果表明所设计的速度观测器能够有效地实现对期望速度的观测,同时所设计控制器能够实现系统的高精度轨迹跟踪,而且在部分拓扑结构失效的情况下有较好的鲁棒性。(4)针对协调多机械臂系统存在结构闭链、动力学参数未知、耦合性强的问题,基于模糊神经网络设计了一种位置-力混合控制策略。在任务空间内对整个系统进行动力学建模,采用位置-力混合控制的思想,分别在位置空间与力空间内设计控制器,通过在位置控制器中引入协调控制量,减小了机械臂间的相互影响。使用Lyapunov方法证明了闭环系统的稳定性。仿真结果验证了控制策略的有效性。(5)应用ADAMS软件建立机械臂的虚拟样机,通过MATLAB/SIMULINK设计控制系统,搭建了MATLAB和ADAMS的联合仿真平台。以虚拟样机为对象,将机械臂关节空间轨迹跟踪控制策略、机械臂任务空间轨迹跟踪控制策略、分布式多机械臂一致性轨迹跟踪控制策略以及闭链协调多机械臂位置-力混合控制策略分别用于被控对象,验证了所提算法的有效性。