随着科学的不断发展和人类的需要，机器人技术被广泛用于各种领域，同时也受到工业、学术等各界的高度重视。在研究机器人的过程中，它的控制系统尤为重要，这种系统具有较强的非线性和不确定性。近年来，机器人的智能控制受到世界各国科学家的高度重视。本文将神经网络控制与滑模变结构控制相结合，用于机械臂关节的位置、定期运动和轨迹跟踪等控制。首先，简单介绍机械臂系统结构，详细分析系统的数学模型和该系统具有的不稳定和非线性特点。在MATLAB/SIMULINK中编写S-函数程序，并建立机械臂系统动态模型，解决机械臂复杂系统建模困难的问题。其次，根据滑模变结构控制与系统参数及扰动无关的特性，设计了滑模变结构控制器，设计中采用等效切换控制，并通过Lyapunov稳定性判据确定滑模开关增益，保证机械臂系统稳定。文中指出，由于机械臂系统的不确定性，使得传统滑模变结构控制需要很大的切换增益，因而产生较大抖振。最后，本文提出一种基于径向基函数(RBF)神经网络的滑模变结构控制，其中滑模变结构控制器用以抵制干扰并保证系统稳定，RBF控制用以逼近机械臂动态系统，通过自学习能力克服系统不确定性以减小切换增益，降低系统抖振，使系统具有更好的稳定性。本文分别采用滑模变结构、基于RBF神经网络的滑模变结构对机械臂系统进行控制，仿真结果表明，RBF神经网络滑模变结构控制具有更好的稳定性和抗干扰性。