工业机械手是一个典型的具有强耦合和高度不确定性的非线性时变系统，滑模变结构控制由于其强鲁棒性，是一种常用的机械手控制策略。但是，变结构控制固有的抖震现象限制了它的发展。为消除这个缺点，本文研究了将神经网络，模糊系统和滑模控制相结合的方法。论文首先回顾了工业机械手的发展历程以及机器人控制理论的进展和现状。接着介绍了滑模控制基本原理以及设计流程，并构造了机械手的双幂次快速终端滑模控制系统。它是一种对参数扰动不灵敏，物理实现简单的控制方法，而且相对传统的线性滑模和终端滑模它具有更快的收敛速度。论文针对双幂次快速终端滑模控制中依然存在的抖震问题，研究了神经网络的设计和学习方法，进一步提出了基于神经网络补偿的滑模控制方法。该方法通过神经网络在线学习机械手不确定部分的上界，并通过梯度下降法设计了神经网络权值更新，最后使用李雅普洛夫直接法证明了了系统的稳定性。实验结果表明该方法能很好的抑制抖震，并提高了系统鲁棒性。论文研究了模糊系统的设计方法。提出了具有模糊切换增益的滑模变结构控制方法。该方法通过分析滑模函数值与控制输入的切换增益值之间蕴藏的模糊关系，合理地设计出使用模糊系统在线改变切换增益值的控制率，很好地抑制了系统的抖震并提高了系统鲁棒性。而使用李雅普洛夫稳定定理推导出的自适应律也确保了系统的稳定性。