随着工业制造的发展,工业产品种类越发丰富,因而造成了生产设备机械结构的复杂化和特异化,使得传统控制器的控制性能无法满足要求。大多数的机械设备都是非线性系统,而特异化的结构加大了不同系统间非线性程度的差异,因此本文使用了一种能包含大多非线性效应且具有一定通用性的动力学模型,然后针对该动力学模型提出一套具有高控制性能的非线性控制方案。此外,随着物联网技术的普及,需要采集和统计机械在生产活动中的实时运行数据,以实现对每个机械进行健康状况诊断或者实现对整个集群的数据统计和分析。本文在自适应鲁棒控制（ARC）体系框架下,针对工业实践中遇到的一系列问题提出了解决方案,并在实体工业设备上进行了验证。本文的主要贡献如下:（1）针对工业设备复杂运行环境导致的一系列问题,提出了改进型期望补偿自适应鲁棒控制,引入了参数自适应律、整合梯度型自适应律,并使用期望轨迹信息来计算回归变量,实现了具有高精度快速参数自适应的非线性系统控制。（2）针对控制系统需要在运行时实现系统参数的动态识别,提出了具有精确参数估计的集成的直接/间接自适应鲁棒控制方法。将参数估计过程与鲁棒控制律的设计分离开来,采用递归最小二乘参数估计法实现参数的精准估计,并输入到模型补偿部分。引入基于随机梯度下降法的模型动态补偿项以提高其瞬态性能,并综合反馈控制律,衰减干扰,使控制器达到鲁棒性能。（3）在得到精准估计的系统参数后,进一步引入滤波,以滤波后的值作为基准值,计算其与估计值的偏差比例。以此来衡量系统参数在某个时间段内的变化幅度,通过对比其在正常运行状态下的参数变化幅度,来判断机械是否出现故障。并为如何针对不同故障类型设计机械故障检测方案提供了指导思想。最终在电动注塑机的模具控制系统为具体案例进行了对比实验。对比了本文提出的控制方案与当前工业实践中常用的传统控制方案,证明了本文提出的控制方案具有更好的控制性能与参数自适应能力。并针对电动注塑机的模具控制系统设计了具体的故障检测方案,验证了本文提出的故障检测方案具有安全、可靠、精准的特性。