近年来,随着技术的不断进步,工业机器人得到了快速发展,并在多个领域得到应用。同时应用领域不再仅仅要求工业机器人的稳定性,而且对工业机器人系统的控制精度、快速性、抗干扰性以及同步性能都有相应的要求。所以本文针对工业机器人系统控制精度、快速性和稳定性等问题,在单个关节的位置跟踪控制问题上,设计了相应的控制策略。同时在关节间的同步跟踪控制性能问题上,根据多关节工业机器人的控制需求,设计不同的同步控制策略,可以有效的提高单关节的位置跟踪控制精度和关节间的同步控制精度。其中论文的主要工作如下:（1）首先介绍了工业机器人的背景意义和发展史,以及工业机器人控制策略研究的现状,简略叙述了工业机器人的动力学模型的建立过程,为下文提供理论基础。（2）工业机器人的每个关节的控制性能都会对工业机器人的整体性能产生影响,所以针对工业机器人模型信息不确定性以及外界干扰对各个关节的位置控制精度影响的问题,首先在迭代滑模控制策略的基础上引入了RBF（径向基函数）神经网络控制。在一定程度上可以有效的提高工业机器人的单关节跟踪精度,同时加快了跟踪速度。但是加剧了工业机器人系统控制力矩的抖振现象。所以针对工业机器人系统抖振现象,设计了基于RBF神经网络的分数阶趋近律迭代滑模控制策略,可以有效的抑制了系统的抖振问题,同时也降低了系统控制力矩的大小。而且再次提高了关节的位置跟踪精度和跟踪速度。（3）工业机器人的单关节位置控制策略不能有效的解决关节间耦合误差的问题,针对这一问题,在RBF神经网络分数阶趋近律迭代滑模单关节位置控制策略的基础上,提出了偏差耦合同步控制策略。首先在单关节位置误差的基础上,提出了同步误差的定义,进一步定义了偏差耦合误差,设计了基于RBF神经网络的分数阶趋近律滑模偏差耦合同步控制策略,并与其它同步控制策略进行对比得出,本文所提出的同步控制策略,降低了工业机器人控制系统控制力矩的大小以及抑制了控制力矩的抖振现象。同时不仅提高工业机器人的单关节的位置跟踪精度和跟踪速度,而且降低了系统同步误差,提高了系统的同步性能。