由于神经网络具有能够任意逼近任意非线性函数的能力和较强的学习能力，近年来神经网络得到了广泛的应用。本文首先阐述了神经网络的基本问题和理论，详细研究了典型的前向神经网络(BP网络)的学习和训练算法，针对BP网络训练算法速度较慢且易于陷入局部极小点的不足，提出采用LM—BP算法和GA—BP算法进行训练的改进方法。然后针对某火炮电液伺服系统的非线性问题，利用Matlab2006b中Simulink系统的SimHydraulics模块，建立非线性电液伺服系统模型，通过仿真获得系统的实际特性。在Simulink模型基础上，研究了神经网络的模型辨识问题，分析了神经网络辨识的基本结构，讨论了非线性系统扰动信号的选择以及BP网络辨识问题。并根据一组电液伺服系统的试验数据，进行了基于神经网络的非线性系统的正模型辨识。由于自适应控制具有很强的鲁棒性，神经网络则具有自学习功能和良好的容错能力，本文讨论了三种不同的神经网络自适应控制方法，结合电液伺服系统的控制研究了神经网络模型参考自适应控制算法，并进行了仿真研究。仿真结果表明，基于神经网络的模型参考自适应控制器对电液伺服系统具有良好的控制效果。