摩擦是一种复杂的、非线性的、具有不确定性的自然现象。在现代工业机械系统中,摩擦的存在往往会导致系统出现低速爬行、极限环或振荡等想象。所以,在机械系统的控制中,摩擦补偿就成为了一种常见的控制策略。而神经网络具有万能逼近特性,恰恰适合对摩擦这种复杂非线性的不确定现象加以补偿。本论文以自适应神经网络为补偿控制机构,对不同机械结构的不同摩擦模型进行了仿真研究。本论文首先详细介绍了摩擦现象的数学模型。接着对自适应神经网络及其逼近特性加以介绍。然后分别以转台伺服系统、二自由度机械臂系统和液压伺服系统为研究对象,介绍了它们各自的数学模型和控制策略,并进行仿真研究。在转台伺服系统的研究中,首先分析了转台的数学模型;然后依据模型对转台系统进行了控制结构设计,利用自适应小波神经网络的逼近特性设计了在线摩擦补偿机构,并与传统的PD控制器结合构成系统的控制器,而且还证明了控制结构的稳定性;最后通过引入静态摩擦模型作为被补偿对象对转台伺服系统进行了仿真研究。在二自由度机械臂系统的研究中,首先介绍了机械臂控制的基本策略,并分析了二自由度机械臂的数学模型;然后以机械臂模型为基础,利用机械臂的控制策略设计了系统的控制结构,利用扩展的两层前向自适应神经网络的逼近特性设计了在线摩擦补偿机构,与PD控制器相结合构成了系统的控制器,并证明了所设计结构的稳定性;最后通过引入动态摩擦模型作为被补偿对象对二自由度机械手系统进行了仿真研究。在液压伺服系统的研究中,首先介绍了液压缸执行机构的数学模型;并分析了液压伺服系统的数学模型;然后利用扩展的两层前向自适应神经网络实现了对摩擦环节的补偿,并与传统的PD控制器相结合构成了液压伺服系统的控制器,并证明了所设计结构的稳定性;最后通过引入静态摩擦模型作为被补偿对象对液压伺服系统进行了仿真研究。所有研究都以仿真结果为分析依据,验证了网络补偿结构的有效性。