多年来,机器人的控制问题无论在理论界还是工程界一直倍受人们的关注。当机器人系统模型是精确已知时,传统方法可以很好的解决其控制问题,然而实际上机器人是一类复杂的时变、强耦合、高度非线性的系统,在机器人解析建模过程中需要做大量的简化和假设,再加上负载的变化以及外部扰动的影响,实际上无法得到其精确的数学模型,这就使得传统控制方法有些力不从心。而近年来出现的众多与模糊建模相关的研究成果表明该方法用于描述具有较强非线性和不确定性的实际系统是很成功的。因此将模糊建模方法引入机器人系统建模中,进而实现机器人鲁棒自适应控制不仅具有理论意义更具有实用价值。本文以不确定性机器人系统为研究对象,在现有文献的基础上,重点探讨了机器人模糊建模方法以及在此基础上的机器人鲁棒自适应控制,具体工作如下:本文首先给出了一种机器人离线模糊建模方法,通过对聚类数和模糊加权指数进行深入的分析,改进了模糊C均值聚类算法,并由此建立了能够以较高精度逼近机器人动力学的模糊模型。其次,针对机器人控制的实时性要求,提出一种机器人在线模糊建模方法,该方法能够实现机器人模糊模型的在线辨识和更新,避开了系统内部的复杂性,并且能将外界干扰等不确定性因素包含在模糊模型中,为机器人的鲁棒自适应控制提供了很好的基础。再次,针对不确定性机器人的轨迹跟踪控制要求,设计了一种基于在线建模的模糊自适应控制器。该控制器采用在线模糊建模方法在线辨识和更新机器人的模糊模型,并在此基础上给出自适应律,可实现不确定机器人的高精度快速跟踪控制。