本文提出了一种鲁棒的神经网络控制方案，用于机器人操纵器的切换动力学模型。采用径向基函数（RBF）神经网络来近似机器人操纵器的未知功能，并设计补偿控制器来增强系统的鲁棒性。机器人的权重更新律是基于切换多重Lyapunov函数方法和周期性切换的。构建适合实际实施的法律。所提出的控制方案可以保证所得的闭环切换系统是渐近Lyapunov稳定的，并且可以很好地达到控制系统的跟踪误差性能。最后，给出了一个两链接机器人操纵器的仿真示例，以说明所提出的控制方法的有效性。