多年来,机器人的控制问题在理论和工程上一直倍受关注。如果机器人系统可以精确建模,反馈线性化技术可以很好地解决其控制问题。然而在实际工程中,诸多不确定性因素的存在可能引起控制系统品质的恶化,甚至造成系统不稳定。本文在参考国内外大量文献的基础上,针对不确定性机器人轨迹跟踪控制问题,引入智能控制方法,使机器人满足高速、高精度的工业生产要求。针对不确定性机器人系统无法精确建模的特点,在其轨迹跟踪控制问题中,提出了具有一定自适应能力的模糊自校正PD控制策略。通过预先建立的模糊规则,自动调整PD控制参数,达到最佳跟踪控制要求。其次,利用滑模变结构的强鲁棒性和神经网络的学习功能,提出了基于变结构与神经网络的鲁棒自适应控制。实现了对不确定机器人的鲁棒自适应控制,但该控制方案实时性不强。针对这一缺点,本文又提出了基于动态模糊神经网络的自适应控制策略,弥补了常规网络学习速度慢的缺点,确保对时变轨迹的快速跟踪,而且具有较强的鲁棒性和自适应能力。最后,采用模糊自校正PD控制方案,应用SRV02(2-DOF)Robot实验设备进行了轨迹跟踪控制实验研究,通过实验验证了所提出的控制方案的有效性。本文提出了几种新的不确定性机器人轨迹跟踪控制器设计方法,并进行了计算机仿真及实际实验的验证,为智能控制算法应用于工业现场的机器人轨迹跟踪控制奠定了一定的基础。