在空间机械臂的控制过程中,由于系统的非线性、时滞性以及模型的不确定性,采用传统的PID控制的方法难以保证控制精度,因此需要一种结构简单,具有较强的非线性控制性能的控制器。因此本文给出一种基于NARX(Nonlinear AutoRegressive network with eXogenous inputs)网络的内模控制器设计方法,完成非线性、未知数学模型对象的控制器设计。具体如下:(1)针对传统内模控制器对控制量饱和敏感的特点,本文给出修正内模控制器的设计方案,通过将输出量直接反馈至比例控制器中,提高控制器的抗饱和特性。(2)本文改进基于Lipschitz系数的系统阶数识别算法,其优点为仅需要通过系统的输入输出数据,通过迭代求解即可完成系统阶数识别过程。在实际过程中,系统的阶数很难直观确定,采用此方法可以避免传统辨识过程需要系统阶数作为先验知识的缺点。(3)本文采用NARX网络模型进行非线性系统辨识和逆模型辨识,给出神经网络计算图模型的简化过程以及实现方式。根据不同的任务给出可选的网络辨识结构,以完成网络的训练和测试过程。(4)由于NARX网络辨识过程不同于传统的辨识,其辨识效果依赖于数据集,因此选取合理的激励信号是非常重要的一步。本文讨论了几种常见激励信号并且给出一种混合信号,对比了三种信号的辨识效果。(5)最后,本文给出具体的实现过程,通过开源框架以及仿真工具的多工具链进行联合仿真,对比了修正内模控制器与标准内模控制器的控制效果。