本论文主要针对液压锚固钻机回转系统实际控制过程中遇到的强非线性、强耦合性以及强外部扰动等难以精确控制的特性,基于数据驱动自适应控制方法提出了一系列改进的算法设计策略,研究和分析了所提方法的可行性,给出了算法设计环节中严格的数学推导证明和仿真验证。论文的主要创新点及结构总结如下:一、针对实际钻机液压伺服回转系统,详细构建了其各关键组成元件的非线性模型。首先,对实际应用中的多种液压系统建模方法进行了简短介绍,指出现有线性化建模方式的弊端。其次,通过分析阀控液压马达系统各组件的机械结构和油液流量特性,有别于常规近似线性化建模方式,在实际建模方面分别构建了液压马达流量连续性方程、惯性负载力矩平衡方程、伺服阀连续性流量方程等非线性数学模型,充分考虑了关键元件中的各类型摩擦因素、未建模动态、非线性特征、建模不确定性。进而,联立各非线性方程构建了新的阀控液压马达回转系统非线性状态空间数学模型。二、针对离散非线性液压回转系统转速难以实现精确控制的问题,提出了一种基于偏格式动态线性化的智能自学习PID控制方法。首先,利用PFDL（Partial Form Dynamic Linearization,PFDL）方法将其离散模型等价线性化成具有非线性不确定项的仿射数据模型,在此过程中仅使用原受控系统的I/O量测数据。其次,在数据驱动框架下,引入附加误差反馈信息提出了基于PFDL的智能自学习PID控制方法,为了解决该方法中时变参数和非线性不确定项的问题,分别设计了伪梯度参数估计算法和基于时间差分的自适应控制算法。最后,理论分析和仿真研究充分证明了所提控制方法的有效性。三、针对阀控电液伺服回转系统中蕴含的固有非线性特性及结构不确定性问题,提出了一种基于扩张状态观测器的数据驱动自适应控制方法。首先,将电液系统中所有非线性以及不确定性压缩融入到一个非线性项中,设计了扩张状态观测器对该非线性项进行在线估计,并作为对系统复杂动态的补偿;然后,利用最优理论提出了时变参数更新算法和数据驱动自适应控制律,且通过数学分析证明了跟踪误差的收敛性;最后,仿真结果验证了系统在实际工况下转速跟踪性能。四、针对强外部扰动、强耦合以及强非线性的阀控电液伺服回转系统,提出了一种基于径向基函数神经网络扰动观测器的数据驱动自适应滑模控制方法。首先,同样的利用PFDL方法将被控系统等价线性化成只与输入输出相关的增量形式,并将未知广义扰动合并为一个额外的非线性扰动项。其次,设计了径向基神经网络扰动观测器对该非线性扰动项进行在线估计,同时利用系统的I/O数据设计控制算法和估计伪梯度参数,从而分别给出了数据驱动自适应控制与滑模控制相结合的控制律以及参数更新律。最后,仿真结果表明所设计的控制方案能够对系统未知负载及其外部扰动实现良好补偿。