①将神经网络用于逼近机械臂系统非线性或不确定性(神经网络逼近器)。

②将神经网络应用于控制器。

在整个控制过程中, 因为逼近误差的存在, 神经网络往往与其他控制方式相结合, 用于 补偿动力学非线性和各种不确定性的影响, 从而使得稳定性、收敛性和鲁棒性等性能得以改 善。

文献[23]、[24] 提出了神经网络滑模控制器, 神经网络控制器用来生成滑模控制的等效 控制律, 鲁棒控制器用来抑制滑模面附近动力学不确定性, 所有自适应律均来自于Lyapunov 稳定性理论, 确保系统闭环稳定性, 控制器设计不需要附加约束条件和被控对象的先验知 识。

未来关于机械臂轨迹跟踪控制越来越多地将会是多种控制方式相互结合的形式，在多种 算法的发展和结合的过程中，将会更好地发展机械臂的高精度和灵活性。在发展的过程中， 仍然有大量问题值得去探究，以下几个方面值得重视：

（1）控制器设计的方式不应该单独仅仅是由测量机械臂关节速度信息，更一般的控制方 式应该对位置信息和速度信息进行测量。

（2）目前机械臂大量的研究都集中在连续时间系统中，而对于离散时间系统，研究因其 复杂而相对缺乏。离散系统的研究，还应该多多探究。

（3）目前研究的许多控制方式都是基于计算机仿真来进行验证的，实际系统的直接实验 验证比较少，将控制方式由计算机系统移植到真实的现实实物中，仍然有许多挑战。