随着空间装置的在轨服务需求越来越迫切,空间机械臂已成为世界各航天大国的研究热点。空间机械臂作为航天领域的关键技术之一,在航天器的在轨组装、在轨维修、在轨燃料加注等在轨服务中起到关键作用。国际空间站组装建造、维修和应用的经验表明,利用空间机械臂可以在恶劣太空环境下辅助或代替航天员完成在轨操作任务,提高空间操作和应用的安全性和效益,大幅度降低了探索太空的成本与风险。因此,空间机械臂的系统动力学与控制问题受到密切关注。针对漂浮基空间机械臂系统的轨迹跟踪问题,提出了一种固定时间控制方法。在固定时间收敛的框架下,分别提出了基于模型的控制方法和神经网络学习的方法。神经网络用于处理系统内的不确定分量,而径向基函数神经网络用于逼近动力学模型中的不确定部分,它具有优异的非线性逼近能力和先进的全局逼近能力。根据李亚普诺夫稳定性理论,证明了闭环系统的稳定性,轨迹跟踪误差收敛于零附近的一个小区域。仿真结果表明,所提控制方法具有优异的轨迹跟踪性能,能在固定时间内收敛并补偿系统的不确定项,验证了该控制算法的有效性。