电液伺服系统是一种具有时变、严重非线性、参数和结构不确定性以及多数情况下还承受不确定负载干扰等特性的系统，这些特性使得常规控制方法难以实现对电液伺服系统的高精度控制。近年来，以模糊控制、神经网络控制、知识基专家控制和遗传算法等软计算技术为代表的智能控制理论方法与以自适应、变结构和H_∞等为代表的现代鲁棒控制理论方法及其综合集成，为解决具有上述特性的电液伺服系统的建模和控制问题提供了有效的途径。本文借鉴模糊系统集成专家知识的能力、神经网络具有学习的能力以及自适应控制、变结构控制和H_∞控制具有鲁棒镇定系统的能力，以电液伺服系统为研究对象，就这些控制理论方法的交叉协作控制问题，做了如下几方面的工作： 1) 由于传统的模糊神经网络是一种静态神经网络，而现实工程中的控制对象，如电液伺服系统，反映的是系统的动态行为，不适宜用静态模糊神经网络辨识，因此本文提出了一种动态递归模糊神经网络及其相应的学习算法，分析了它的稳定性，并对其对非线性动态系统的辨识效果进行了仿真分析。仿真结果表明：采用动态递归模糊神经网络对非线性动态系统进行辨识，由于充分利用动态系统当前数据和历史数据，从而获得了比传统静态模糊神经网络更高的辨识精度。 2) 基于动态递归模糊神经网络对电液伺服系统非线性和不确定性的辨识，依据对系统认知程度的不同，以及为克服传统变结构控制为保证系统鲁棒性而选用保守的变结构控制增益，以致控制量过大而不易实现，以及引起较大的颤振并激发系统的高频动态等不良现象，研究了如下三种变结构控制算法： ①针对系统模型公称参数已知，但系统的非线性、不确定性以及输入增益函数下界未知的对象，提出了增益自适应滑模变结构控制。 ②针对系统输入增益函数下界已知，其余特性与①中描述的系统相同的对象，提出了间接自适应动态递归模糊神经网络控制器。 ③针对系统模型知之甚少，尤其系统参数完全未知，但有相关控制规则的对象，提出了直接自适应动态递归模糊神经网络控制器。