根据负反馈原理,通过各种控制策略使输出服从输入的伺服驱动系统可实现运动过程的精确地跟踪或复现,使得其在机器人、高档数控机床、航空航天等高端装备领域有着广阔的应用前景。然而,伺服驱动系统是一个多变量、强耦合的复杂非线性系统,时常会出现混沌振荡、状态时滞、系统输入输出超出安全工作范围、控制增益未知、参数摄动以及不确定性扰动等问题,严重影响了系统的稳定性。设计高品质的控制器是保障伺服驱动系统的高性能（响应快、精度高、超调量小、鲁棒性强和跟踪性能好）运行最为关键技术之一。智能自适应控制对处理存在复杂非线性项和外界干扰情况的非线性系统具有优势,因此综合考虑上述问题,研究高性能伺服驱动系统的自适应跟踪控制方法具有重要的理论意义和工程价值。本文在分析了国内外对伺服驱动系统控制研究现状的基础上,总结了现有研究方法的不足,归纳了高性能伺服驱动控制器设计还亟需解决的若干问题。根据研究背景和目标的需要,综合考虑输出约束、预设性能约束、状态时滞、控制增益未知、不确定性扰动、混沌振荡和参数摄动等问题,基于Backstepping基本方法与智能自适应控制理论,讨论了高性能伺服驱动系统自适应跟踪控制器的设计方法。首先,以实际伺服驱动系统应用中典型的永磁同步电机（Permanent magnet synchronous motor,PMSM）的动力学模型为基础,揭示了系统的混沌动力学特性。然后,研究了考虑不确定性有界扰动与输出约束的自适应动态面控制、考虑非对称输入输出约束及控制增益未知的自适应跟踪控制、考虑跟踪误差性能约束与时变时滞的自适应控制等问题。论文主要工作为:（1）面向具有不确定性有界扰动、参数摄动、控制增益大小未知、混沌振荡及输出约束的伺服驱动系统,设计了基于径向基神经网络（Radial Basis Function Neural Networks,RBFNNs）的自适应动态面跟踪控制器。首先,分别使用障碍Lyapunov函数（Barrier Lyapunov Function,BLF）和非线性阻尼技术处理了系统输出约束和不确定性有界扰动问题;其次,分别基于RBFNNs逼近器和自适应参数估计方法来估计了未知非线性函数和控制增益的大小。然后,引入一阶滤波器来处理了“微分爆炸”问题,进而设计出了基于RBFNNs的动态面控制器,并证明了闭环系统中所有信号的有界性,且系统的输出约束不被违反。最后,仿真实验与方案对比的结果表明了所提控制方案的有效性。（2）研究了具有非对称输入输出约束、控制增益未知、混沌振荡、不确定性有界扰动及参数摄动的伺服驱动系统的自适应跟踪控制问题。首先,提出了新颖的统一型BLF（无需分段的BLF）,实现了对系统输出的非对称约束。其次,设计了两个辅助动动态信号,并使其分别结合到控制器设计的最后两个步骤的跟踪误差变量中,实现了对伺服驱动系统输入的非对称约束。紧接着,分别利用Nussbaum型增益函数和跟踪微分器处理了控制增益未知和“微分爆炸”问题。然后,基于Chebyshev神经网络（Chebyshev Neural networks,CNNs）逼近了控制器设计中所产生的不确定函数,进而设计了能处理非对称输入输出约束的自适应神经网络跟踪控制器。最后,仿真实验与算法对比的结果表明了所提控制方案的优越性。（3）研究了输出跟踪误差性能约束、控制增益未知、混沌振荡及时变时滞效应存在情形下伺服驱动系统的神经网络的自适应控制算法。首先,设计了一种新的预设性能的TBLF（Prescribed performance-tangent BLF,PP-TBLF）,同时确保了系统的输出约束及跟踪误差的预设性能约束,进而增强了系统的瞬态性能。其次,结合系统中时滞项的表达,构造出了Lyapunov-Krasovskii泛函补偿了系统状态中的时变时滞效应。然后,集成使用Nussbaum型增益函数、跟踪微分器、CNNs等技术手段,设计出了神经网络自适应控制算法,并证明了系统的稳定性,且约束不被违反。最后,仿真实验与方案对比的结果了所提方法的有效性。（4）面向具有跟踪误差非对称性能约束、控制增益未知、混沌振荡及时变时滞效应影响的伺服驱动系统,设计出了一种神经网络自适应控制算法。首先,提出了一种新颖的统一型预设性能TBLF,同时确保了系统输出跟踪误差非对称性能约束与系统输出不被违反。其次,结合动力学方程中时滞项的表达,设计出更为普适的Lyapunov-Krasovskii泛函,进而补偿系统状态中的时滞效应。紧接着,结合Nussbaum型增益函数、跟踪微分器、CNNs等技术手段,设计了Backstepping神经网络自适应控制器。然后通过Lyapunov-Krasovskii稳定性理论证明了系统稳定性,且系统的输出约束及其跟踪误差非对称性能约束不被违反。最后,通过仿真实例和常用算法对比分析验证所设计控制器的有效性。