伺服系统中由摩擦环节引起的爬行、振荡、跟踪误差等现象已成为阻碍系统性能提高的严重障碍。为了克服这一障碍，本文深入地研究了伺服系统中出现的爬行现象、分析了由摩擦导致的混沌振荡并提出了三种基于智能控制思想的摩擦补偿方法。 本文首先综述了国内外在摩擦建模、系统分析以及摩擦补偿方面的研究现状，总结了已有研究的不足之处，进而指出了这一领域发展趋势。 本文提出了两种分析含摩擦环节伺服系统爬行现象的方法，一种是基于非线性传递函数理论的方法，另一种是以Newton-Raphson算法为基础的数值方法。前者不但是一种完全解析化的方法，而且不要求系统具有好的低通滤波特性，同时这种方法容易推广至高阶系统，因此克服了描述函数法和相平面法的缺陷；而后者克服了模型复杂化给近似解析分析带来的困难和直接积分耗时、难以判断暂态过程是否结束等传统数值方法的缺陷。因此采用这两种方法可以大大提高系统分析的有效性和准确性。在这两种方法的基础上，本文还系统地研究了PD控制的伺服系统中出现的爬行现象及其消除方法，找出了爬行现象与系统参数的关系。 本文首次较为深入地研究了伺服系统中由摩擦导致的混沌现象，分析了系统参数对系统动力学行为的影响及其通向混沌的道路，从而为系统的设计和综合提供了依据。本文提出了一种系统地分析分段连续系统动力学行为的方法。在此基础上，首次采用较完善的摩擦模型研究了强迫振动下，摩擦振子的混沌振荡行为。分析了系统参数和摩擦模型对系统混沌行为的影响；发现了摩擦模型的选取对系统动力学行为分析的重要性；揭示出在一定条件下，系统参数、环境条件或润滑条件的改变都有可能使系统进入无序的混沌运动状态。 本文提出了三种基于智能控制思想的摩擦补偿方法，即基于自调整量化因子模糊控制器的摩擦补偿方法、基于CMAC神经网络的摩擦补偿方法和将CMAC网络与滑模控制器相结合的摩擦补偿方法。这三种方法都具备在线自调节能力或自学习能力，从而大大减小了系统中出现的不确定性摩擦对系统性能的不利影响。这些方法不仅克服了固定补偿和已有的基于模糊控制或神经网络的补偿方法的缺陷，而且同一般自适应补偿方法相比，又具有实现简单、算法效率高、鲁棒性强的优点，因此非常适合于工程应用。大量的仿真计算表明，这三种方法达到了很好的补偿效果。