水井钻机电液伺服系统是高度非线性的,不仅存在负载质量变化、随温度和磨损造成的液压弹性模量、伺服阀流量增益、黏性摩擦系数等变化造成的参数不确定性;还存在水井钻机实际钻井工况下,由于井底岩层未知以及工作进程中大量泥沙喷射所造成的未知扰动所引起的不确定非线性;以及输入饱和、伺服阀开口方向切换、摩擦、阀芯重叠等不连续和不平滑的非线性特性。参数不确定性和不确定非线性的存在使依赖精确模型设计的控制器难以实现水井钻机电液伺服系统高精度的位置跟踪控制。因此,本文基于无模型自适应控制算法、迭代学习控制算法和径向基神经网络控制算法,考虑在水井钻机实际打井工况下特殊工况的存在,针对电液伺服系统存在的模型不确定性和非线性问题,开展水井钻机电液伺服系统高精度的位置跟踪控制研究。具体内容如下:1、针对水井钻机电液伺服系统存在的模型参数不确定问题,提出了一种水井钻机电液伺服系统无模型自适应控制方法。该方法基于水井钻机电液伺服系统非线性模型,运用紧格式动态线性化简化系统模型,进一步通过设计参数更新律和学习控制律实现数据驱动自适应控制,并利用数据分析和仿真实验验证了该控制算法的有效性。2、针对水井钻机电液伺服系统存在的未知负载扰动问题,提出了基于径向基神经网络扰动观测器的无模型自适应控制方法。该方法采用RBFNN扰动观测器对未知负载扰动进行估计和补偿,并在参数估计律和学习控制律中引入扰动估计量。在重构控制器的基础上得到了优良的抗干扰能力,进一步利用仿真验证了所提控制算法的有效性和优越性。3、针对水井钻机电液伺服系统存在的未知测量扰动问题,提出了一种不确定受扰电液伺服系统智能自学习PID控制方法。该方法在不基于模型的基础上实现了对传感器测量噪声等未知扰动的非线性补偿,进一步引入i PID方法优化自适应控制器,该控制器轻量且仿真结果优越,具有优良的鲁棒性和控制效果。4、针对在有限时间区间上执行重复接立杆任务的水井钻机电液伺服系统存在的非重复不确定问题,提出了一种基于径向基神经网络扰动观测器的智能PD型ILC控制方法。该算法将输入饱和与非线性不确定项通过RBFNN扰动观测器进行估计补偿,并引入i PD-ILC控制算法补偿紧格式动态线性化引起的信息缺失,在此基础上,仿真验证了该算法优异的自适应性和跟踪性能。