چکیده: یکی از ضعف های روش های کنترلی مبتنی بر مدل، وجود عدم قطعیت در مدل سیستم می باشد. بنابراین، تخمین و جبران عدم قطعیت می تواند عملکرد سیستم کنترلی را بهبود بخشد. در این پایان نامه، سه روش جدید تطبیقی برای تخمین و جبران عدم قطعیت در کنترل مقاوم بازوی رباتیک ارائه می شود. در روش اول از سری تیلور و در روش دوم از شبکه های عصبی برای تخمین عدم قطعیت و از راهبرد کنترل ولتاژ به جای روش مرسوم کنترل گشتاور در طراحی کنترل کننده استفاده می شود. روش سوم، مستقل از مدل بوده و عدم قطعیت توسط شبکه عصبی شعاعی تخمین زده می شود. مزیت روش های کنترلی پیشنهادی این است که در طراحی آن ها نیازی به تعیین حدود عدم قطعیت یا تشکیل توابع محدودیت نیست. در نتیجه، یکی از مسائل مهم در طراحی کنترل مقاوم بازوی ربات حل می شود که انتخاب صحیح حدود عدم قطعیت و تشکیل توابع محدودیت می باشد. در کنترل مقاوم مرسوم، اگر حدود عدم قطعیت کوچکتر از مقدار واقعی انتخاب شود، خطای ردگیری افزایش می یابد و چنانچه بزرگتر انتخاب شود، باعث اشباع ورودی و لرزش سیگنال کنترل در کنترل کننده های سوئیچ زنی می شود. مزیت دیگر آن است که لرزش سیگنال کنترل نیز در روش های پیشنهادی وجود ندارد. از بازوی رباتیک اسکارا مجهز به موتورهای الکتریکی مغناطیس دائم برای کنترل ردگیری استفاده شده است. در این پژوهش، سینماتیک و دینامیک ربات مطرح و روش های کنترلی مقاوم مجهز به تخمین گرهای تطبیقی عدم قطعیت معرفی می-شوند. در تمامی روش های پیشنهادی، پایداری سیستم حلقه بسته اثبات می شود. در ادامه برای بررسی نحوه عملکرد سیستم کنترل پیشنهادی، کنترل کننده ها توسط نرم افزار متلب شبیه سازی شده است. نتایج شبیه سازی، کارایی مناسب روش های کنترلی را نشان می دهد.