高精度运动控制系统的应用越来越广,但是由于驱动系统中存在象摩擦、干扰等许多因素的影响,很难确保系统达到控制精度的要求。标准的PID类型伺服控制算法在摩擦和干扰的影响下不能满足期望精度的要求,因此,本文从另一个角度利用自适应神经网络控制的优点对摩擦和干扰的影响进行补偿,使系统满足控制精度的要求。首先,提出了一种利用扩展两层神经网络和模糊整定PD控制相结合对机械手伺服系统进行控制器设计的自适应跟踪控制设计方法,利用扩展两层神经网络的精确逼近特性来逼近机械手伺服系统中的未知动态摩擦。依靠有限个数的基函数进行自适应逼近学习不可避免的存在逼近误差,因此,通过利用Lyapunov理论证明引入的一个鲁棒控制律保证了机械手闭环系统的稳定性,仿真结果验证了基于扩展两层神经网络控制方法的有效性。论文在后面一部分给出的一种利用小波神经网络对转台伺服系统进行控制的自适应Backstepping设计方案用来补偿包括摩擦和干扰在内的不确定性,同时研究了基于神经网络方法的自适应H_∞控制问题。通过Backstepping方法与控制设计相结合得到的自适应神经网络控制器可以削弱逼近误差的影响,同时保证闭环系统的H_∞跟踪性能。在研究中,利用系统的结构性质综合得到的控制器避免了反馈线性化设计时遇到的奇异性问题,最后的仿真结果说明了闭环系统的H_∞性能和摩擦补偿的有效性。