在注重环保和多用途的现代工业领域中，气动伺服系统依靠价格低廉、工作可靠、结构简单、传动速度快、无污染、较高功率质量比等优点，得到了广泛的应用。但是，由于气体本身的可压缩性、气缸的摩擦力以及系统参数易受影响等缺点的存在，气动伺服系统具有强非线性、大时滞等特点，使得系统精确模型难以建立、控制精度难以达到理想效果。 本文基于气动比例位置伺服系统和比例压力伺服系统，研究了可以降低时滞对系统影响的预估策略，建立了伺服系统的数学模型，并在模型的基础上对控制策略进行了深入研究。 首先，设计了包含比例位置伺服系统和比例压力伺服系统的气动实验平台。该平台的硬件部分可以进行位置系统、压力系统、阀的特性以及系统时滞的研究工作；软件部分基于Matlab环境开发，集预估策略研究、模型建立、控制策略研究、数据采集与分析于一体，具有实时性特点。 其次，分析了系统时滞的产生原因，利用神经网络对时变的时滞参数进行辨识，将其作为灰色预估模型GM（1，1）的预估时间，用灰色预估模型GM（1，1）的输出代替系统原始输出值反馈至控制器端。实验研究表明该方法可以降低时滞影响、提高控制效果。 然后，采用机理分析法研究了比例流量阀、比例减压阀和阀控缸系统，建立了位置伺服系统和压力伺服系统的线性模型；又采用RBF神经网络辨识方法建立了系统的非线性模型。在Matlab/Simulink中对两类模型进行了仿真，验证了它们的正确性。 最后，对位置伺服系统、压力伺服系统分别采用神经网络PID算法和模糊神经网络控制算法进行控制。实验表明，两种控制策略增强了系统的自适应性，提高了动态性能和稳态精度。