虽然机械手大大方便了生产，但由于它是一个非线性的多输入多输出系统，且其动力学特征具有时变性、强耦合和非线性，很难用常规手段达到对被控对象高精度的控制要求，因此针对工作任务不同，需要根据控制要求规划关节空间的运动轨迹以构成末端位姿，所以怎样使机械手在关节空间中精确作业就显得尤为重要，其中实现高精度控制成为机器人的核心问题。近年来许多学者提出了多种解决方案，其中混合控制方法因可以将两种或多种控制算法相融合取长补短成为机器人轨迹跟踪问题的研究热点，神经网络滑模变结构基于机械手的研究算法因被控对象处于滑模面时不受外界干扰和模型等不确定因素影响且响应速度快，这对具有非线性、强耦合动力学特征的机械手十分有利，因此近些年来得到广泛应用和改进。传统方法虽取得了一定的成果，但在机械手的应用上主要存在两个缺点：①需要建立高精度的数学模型，对于自身和系统模型中存在不确定性问题难以进行处理，因此很难确保机械手具有良好的动静态品质，不适用于对机械手进行高速运动的控制。②控制器的初始输出力矩过大，由于机械手只能承受有限的力矩，因此通过增大控制系数这一方法来提高被控对象的控制性能受到限制。滑模变结构以其非线性特点虽然对机械手十分有利，但是控制时会产生抖振。为了克服这一缺点，本文以滑模变结构为基础进行改进结合神经网络对机械手轨迹跟踪控制算法进行研究，具体研究如下：1.通过D-H方法，在建立机器人所需各个坐标系基础上，通过对各个坐标进行分析，求解出各个坐标系之间的变换矩阵，再将坐标系之间的位置和姿态关系有机的结合起来。其次通过各个关节变量对机器人进行正向运动学方程分析，然后利用代数法（反向变换法）对机器人进行逆向运动学的分析处理，求出各个关节变量（θ1，θ2，θ3，θ4，θ5，θ6）。2.由于被控对象处于滑模面中时，不受外界干扰和模型等不确定因素的影响且响应速度快，根据机械手动力学特征，在对其进行深入分析的基础上提出了基于滑模变结构的新的趋近律改进算法，该方法有效地提高了关节运动的收敛速度快速跟踪期望轨迹，减小了系统的响应时间，削弱了系统抖振，提高了系统的鲁棒性。当改变关节初始位置，该方法可以通过改变趋近律参数获得良好的动态品质，通过将其与传统PID控制算法和双幂次趋近律滑模控制算法做比较，验证算法的可行性和合理性。3.通过改进趋近律所提出的控制算法虽然在抑制抖振方面取得了较好的效果，但是仍存在一定局限性且参数较多选择随机性较大，针对这一问题引入神经网络结合改进趋近律进行控制。改进控制算法在考虑参数选值的同时引入周期干扰，通过对比试验表明改进的控制算法即使在有周期干扰的情况下仍能保持较好的鲁棒性，且实现简单，实时性较好。