机器人是一种由各种电机驱动的装置,驱动电机的工作性能影响着机器人的工作性能。然而,传统研究中很多机器人控制方法的研究只对机器人动力学进行研究,没有考虑电机的因素。本文将关节机器人模型的控制方法研究和驱动电机运动控制的研究结合。永磁同步电机因结构简单、运行可靠度高和维护方便等诸多优点,在本文机器人关节伺服系统中得到应用。机器人具有较强的非线性和不确定性,给机器人的控制研究带来很多困难。为了解决这个问题,本文以二自由度关节机器人为研究对象,将永磁同步电机作为机器人关节的驱动电机。本文研究了一种PD加重力补偿的控制方法,该方法在PD控制器的基础上引进重力补偿项,能够加快系统的响应速度,减少达到稳定状态的时间。电机控制器中选用滑模控制方法,这种方法对电机具有良好的控制效果。仿真结果表明,基于PD重力补偿的机器人控制系统具有良好的响应特性和跟踪能力。针对PD加重力补偿控制中运动响应和跟踪能力的一些不足,提高机器人的控制效果,研究了一种基于模糊神经网络的机器人控制方法。模糊神经网络是一种兼具模糊控制和神经网络控制各自优点的控制方法。由于其良好的控制效果和学习能力,可替代PD加重力补偿控制,能够解决机器人控制中的非线性和不确定的问题。在使用模糊神经网络控制时,先对机器人动力学进行分离,将其中的不确定项分离,然后利用模糊神经网络的方法进行控制。同时为了减小滑模控制造成的抖动,对上一部分提出的滑模控制方法进行了一些改进。仿真结果表明,对比PD加重力补偿控制,系统的跟踪和响应能力得到显著提高。机器人在运动时容易受到外界的各种干扰,一个具有良好性能机器人伺服系统不仅要求系统能够准确迅速的跟踪输入值,而且要求系统能有较好的抗扰动能力。为了解决这个问题,本文研究了带有负载转矩观测器的机器人关节控制方法。一般情况下可以将外部扰动视为控制系统负载转矩的变化。所以将在模糊神经网络控制器的基础上增加负载转矩观测,提高系统的抗干扰能力。仿真结果表明,该控制方法在受到转矩扰动时,受到的影响较小,具有良好的抗干扰能力。综上,为了解决机器人的非线性和不确定问题,提高系统的快速响应跟踪能力和抗干扰能力,本文研究了几种不同的控制器。通过对不同控制器的控制效果进行对比分析,对系统进行相应的改进。本文最后研究的带有负载转矩观测器的基于模糊神经网络和滑模控制的机器人伺服控制系统,不仅具有良好的快速响应和跟踪能力,而且具有良好的抗干扰能力达到了设计要求。