空间机器人在开展太空探索中发挥着越来越重要的作用,它可以对卫星进行维修及回收、对空间站进行建造及维护、代替宇航员执行危险任务等。因此研究空间机器人具有重要意义。本文基于自适应神经网络控制方法,针对自由漂浮空间机器人系统,研究了模型不确定性、参数突变、无速度信息反馈、带关节死区等四种情况下的轨迹跟踪控制问题;为了更好地开展空间机器人地面试验研究,针对空间机械臂的三维运动微重力模拟这一难点,对基于气浮的三维微重力模拟方法也进行了研究。本文介绍了当前国内外空间机器人的发展概况,对空间机器人轨迹控制的研究情况进行了概述,然后对空间机器人的微重力模拟方法进行了综述,指出了各种方法的优缺点。针对姿态受控和不受控两种情况下的空间机器人系统,建立了运动学和动力学模型,并以此为基础对空间机器人轨迹跟踪控制问题进行了研究。首先,针对空间机器人数学模型中包含的不可建模部分,基于Lyapunov理论推导出对系统稳定性造成影响的不确定模型,进而采用具有学习能力的神经网络对不确定模型进行逼近,针对神经网络的逼近误差,设计了鲁棒控制器来自适应补偿。利用线性参数化技术设计了权值及网络参数在线实时自适应学习律。考虑到工程应用性,引入PD控制器来便于参数调节。基于Lyapunov理论证明了系统的一致最终有界。进一步,针对空间机器人的参数突变这一极端工况,首先设计了基于神经网络的鲁棒控制器,该控制器能够保证参数突变前的系统稳定性。但参数突变会造成神经网络控制器失效,针对这一情况,接着提出了基于神经滑模集成的自适应H∞鲁棒控制策略。由于滑模变结构控制不受系统参数变化和扰动的影响,且具有快速响应特性。该集成控制器是在利用神经网络逼近域的分级策略的基础上,通过饱和函数将神经网络控制器及滑模控制器光滑集成而得。可以在参数突变时,快速启动滑模控制器来对神经网络逼近域外的盲区进行补偿控制,而补偿误差作为外界干扰由鲁棒控制器进行抑制,从而加快误差收敛速度,并使系统L2增益小于给定指标,保证参数突变下系统的稳定性。另外,考虑到自由漂浮空间机器人的关节电机通常运行于低速工况下,这造成测速信号的质量较差,而且测速机的附加重量也影响了空间机器人效率。因此研究无速度信息反馈的空间机器人控制方法具有一定价值。本文提出了基于速度观测器的神经网络控制策略。所设计的神经网络同时充当控制器和观测器的双重作用,即神经网络在补偿控制器中的不确定部分的同时,还逼近观测器中未知非线性,并与误差度量结合来估计角速度信息。所提出的控制方法无需惯性矩阵逆及精确的空间机器人数学模型,仅需要知道关节位置信息。其权值及网络参数的自适应算法能够实现在线自适应调整,并基于Lyapunov理论证明了整个闭环系统的稳定性。随后,针对空间机器人关节执行机构中的死区问题,提出神经网络自适应补偿控制策略。系统不确定模型采用神经网络逼近,其逼近误差采用变结构控制器作为鲁棒项消除。对于执行机构中的死区环节,采用两个神经网络分别进行死区估计和自适应补偿,推导出死区输出、死区补偿器及控制器三者之间的数学关系。设计了神经网络控制器、补偿器及死区估计器的在线自适应学习律。基于Lyapunov理论证明了整个闭环系统跟踪误差的一致最终有界。最后,为了更好地开展空间机器人地面试验研究,针对空间机器人的三维运动微重力模拟这一难点,提出了基于气浮的被动式和主动式两种新颖的模拟实验方法。被动式系统采用配重法及力矩平衡理论解决了重力补偿问题,。而主动式系统则通过一系列机械传动机构及力反馈控制系统来组成微重力补偿系统。两种模拟方法均能解决空间机器人三维运动轨迹下的微重力模拟问题。