本研究提出了一种基于极限学习的非线性模型预测控制器(NMPC)，用于自主式水下航行器(AUV)的水平航路点路径跟踪规划。该控制器由运动控制器和动态控制器组成。运动控制器使用逆推法设计，而动态控制器使用NMPC法设计。使用极限学习机(ELM)结构对水下机器人的动力学特性进行实时辨识。为了提高ELM结构的性能，采用Jaya优化算法确定了其隐含层的最优参数。然后，将得到的ELM模型用于考虑舵面约束的NMPC设计。本文提出的控制器的跟踪性能与最近提出的两种控制算法，H∞状态反馈控制器和逆最优自整定比例积分微分(PID)控制器进行了比较。所提出的控制器由MATLAB实现，并在作者实验室研制的自主式水下航行器样机上进行了实时控制。仿真和实验结果都表明，与H∞状态反馈控制器和逆最优自整定PID控制器相比，所提出的控制器具有更优异的跟踪性能。

这项研究提出了一种结合鲁棒无源控制器(RPBC)和扩张状态观测器(ESO)的方法，实现了三自由度PUMA 500机械臂在参数变化和外界干扰下的跟踪控制。本研究分析了PUMA机械臂的动力学模型及其结构特性。使用ESO中的附加状态估计控制系统中的参数变化和外部干扰。然后，使用RPBC在控制律中消除它们。本文分析了所提的控制系统的稳定性和观测误差的收敛性。仿真结果表明，所提的控制器具有良好的鲁棒性，在参数变化和外界干扰下均能很好地跟踪，从而验证了该控制方案的有效性。