机器人的轨迹跟踪控制是机器人控制的一个非常重要的问题,因为机器人的轨迹跟踪控制运用在很多工业领域,比如焊接、喷漆、组装、放置、包装、产品检测和测试等。本文针对具有动力学建模误差甚至未知参数和不确定外部干扰的机器人,研究了将传统的滑模变结构控制和智能控制两者相结合并运用到机器人关节轨迹跟踪控制当中。研究的主要内容包括:针对机器人的动力学模型已知且考虑关节摩擦力的情况,本文提出了一种带有自适应补偿器的模糊滑模变结构轨迹跟踪控制方法。自适应模糊系统主要是用来逼近机器人的各关节摩擦力,采用滑模变结构控制律,为了减小模糊系统逼近时产生的误差带来的控制律抖振和提高关节的轨迹跟踪精度,引入一种自适应补偿器来估计逼近误差的上界,最后通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性。对于机器人的动力学模型存在未知参数且考虑关节摩擦力的情况,本文提出了和声搜索算法优化RBF神经网络滑模变结构控制方法,利用和声搜索算法来优化RBF神经网络的结构参数,然后在线逼近机器人动力学模型中的不确定项,采用滑模控制律,通过Lyapunov稳定性原理证明了机器人轨迹跟踪控制系统的稳定性,完成了对机器人关节轨迹的跟踪控制。优化后的方法能够使关节的跟踪误差以更快的速度收敛。文章通过Matlab对设计的控制方法进行了仿真实验,最后得到了较好的控制效果。