机械手系统作为机器人学科的一个重要分支,它已经发展成为工业控制领域内应用最广泛的设备装置。机械手的核心是控制系统,针对机械手运动控制最受关注的两个问题是关节路径规划问题和轨迹跟踪问题。本文主要针对四自由度双关节机械手轨迹跟踪控制算法开展了研究。轨迹跟踪问题是针对机械手在工作过程中的角位移、角速度和角加速度等参数的研究；主要目的是通过系统控制器给定双关节的驱动力矩,使得机械手双关节的角位移、角速度等状态变量跟踪给定的理想轨迹,最终实现系统手部末端能平稳的完成规定的作业流程。机械手轨迹跟踪常用控制算法有PID控制算法、自适应控制算法、神经网络控制算法、鲁棒自适应控制算法、滑模变结构控制算法、迭代学习控制算法、模糊NN控制算法等,本文给出了各个算法在应用时存在的优缺点。方法的选用要考虑系统的结构参数以及系统本身存在的参数不确定性和非参数不确定性的影响。因为机械手系统动态性能很难用精准数学模型表示出来,所以给机械手在控制方法的应用上带来了很多难题。针对机械手系统实际复杂精确模型中存在的典型问题及常用典型控制方法和现代控制方法的优缺点,采用了混合控制算法对机械手系统进行高精度轨迹跟踪控制。本文主要研究应用了三种混合控制算法,第一种是模糊增益系统与滑模控制相结合的混合控制算法,消除了系统中干扰、摩擦及不确定项的影响,克服了系统中滑模控制的抖动问题,实现了系统高精度的参数轨迹跟踪控制。第二种是模糊NN与鲁棒自适应相结合的混合控制算法,分别实现系统中仅受摩擦影响时、仅受外界干扰时和受到整个系统的不确定因素影响时的参数轨迹跟踪控制,得到了机械力臂精确的角位移轨迹跟踪曲线。第三种是RBF神经网络与自适应控制相结合的混合控制算法,引入了观测器的概念,实现了线性观测器估计系统的角速度及用RBF作为补偿控制器来逼近机械手模型的不确定部分,完成了机械手系统高精度的参数轨迹跟踪控制。在保证系统稳定性的前提下,经过对机械手仿真建模和运动分析,得到了机械手在各个混合控制算法应用下双关节角位移、角速度等参数的高精度轨迹跟踪控制。最终实现机械手末端的精确控制与精准定位。