柔性关节机器人通常可以完成许多刚性机器人无法完成的作业,针对柔性关节机器人的相关控制策略研究受到越来越多国内外科研人员的关注。其中,如何得到准确的位置跟踪控制效果,是这个领域重要的研究课题。本文针对柔性关节机械臂动力学模型开展研究,考虑到动力学模型中不确定性等因素影响,设计了几类基于神经网络的自适应命令滤波反步控制策略。主要研究工作包含以下几点:1.针对柔性关节机械臂非线性系统,研究了基于神经网络的自适应命令滤波反步控制策略。将自适应控制融入到传统反步法中,并建立误差补偿机制消除应用滤波器产生的误差。通过基于神经网络的自适应技术逼近柔性关节机械臂系统模型中的不确定性。最终,依据Lyapunov定理验证了所研究闭环系统的稳定性,实现了期望的关节位置跟踪,并采用Matlab/Simulink模拟实验,通过数值模拟验证了该控制策略的有效性。2.针对柔性关节机械臂非线性系统,利用有限时间控制,研究了神经网络自适应命令滤波反步控制策略。使用有限时间命令滤波器,解决了在计算虚拟信号导数时存在的计算复杂性问题。在此基础上,针对使用有限时间命令滤波器时所引起的滤波误差,设计了有限时间命令滤波误差补偿机制补偿该误差。此外,考虑到系统模型的不确定性问题,该控制策略通过神经网络逼近模型中的不确定动态,并证明了给出的控制策略能保证关节位置跟踪误差在有限时间内收敛到期望邻域。采用Matlab/Simulink模拟实验验证了该控制策略的有效性。3.针对多个柔性关节机械臂系统,研究了在有向图下的分布式自适应有限时间命令滤波反步控制策略,设计了分布式虚拟控制信号和误差补偿机制。基于有限时间Lyapunov稳定理论证明了所有跟随机械臂的关节位置可以在有限时间内对领导机械臂关节位置进行跟踪,并使跟踪误差在有限时间内收敛到期望邻域内,且闭环系统内的所有控制信号在有限时间内都是有界的。通过Matlab/Simulink数值模拟验证了该方法的有效性。