在本论文的第一部分，主要关注在非线性动力学系统，线性输入具有有界时变不确定扰动所造成的最坏情况下，鲁棒优化控制问题的严格解决方案。文章结合现有的不确定性集传播法和扩展矩法，提出一种新的算法来解决问题。具体的来说，本部分着重考虑时变不确定性的高阶矩扩展，并且通过利用椭圆微积分可以严格限制无限维余项对系统状态造成的影响。通过推导证明得出，随着扩展矩的阶数增加，误差将会收敛到零。此外，文章也介绍了一种方法来构建一个保守但是容易计算处理的鲁棒优化问题，该问题的求解结果被证明等价于原始鲁棒最优控制问题。针对该算法，文章提出一个简易的机器人手臂模型仿真实现，以证明该方法的适用性和准确性。　　本论文的第二部分主要介绍鲁棒模型预测控制算法。Min-max微分不等式可以用于表征具有凸横截面的鲁棒前向不变管，这对研究非线性控制系统中鲁棒性有所帮助。与其他现有方法相比，使用集传播法求解基于管的鲁棒模型预测控制问题，可以避免控制策略的离散化。本部分的贡献在于基于min-max微分不等式，提出一种利用模型预测控制求解系统状态椭圆外管的算法。　　基于文章第二部分提出的算法，第三部分考虑带有玻璃板的机器人手臂的时间最优鲁棒模型预测控制问题。为此，我们基于截面模量和拉伸强度提出了玻璃板极值纤维中应变力相应的模型和约束以避免破裂。模拟玻璃纤维中的应变力条件的必要性以及所提出的鲁棒控制方法的特性，最终在模拟的KUKA youBot模型的实际案例研究中得到说明。