高精度伺服系统在实际中得到越来越广泛的应用。由于伺服系统中存在的摩擦、未知非线性动态、参数不确定性以及外部扰动等因素,严重影响了伺服系统的控制精度,甚至会引起系统的不稳定。因此,对含有摩擦、未知非线性动态、参数不确定性、外部扰动及参数未知的非线性伺服系统控制问题一直是控制领域内研究的热点和难点之一,具有重要的意义和应用价值。本文针对非线性伺服系统存在的摩擦、未知非线性动态、参数不确定性以及外部扰动等未知动态,将这些未知动态作为系统总干扰,讨论了非线性伺服系统干扰补偿及自适应控制问题。研究了自适应Funnel控制、自适应神经网络动态面控制、鲁棒自适应渐近跟踪控制以及基于参数估计的自适应控制等多方面的问题。论文主要工作为:(1)针对含摩擦、参数不确定性以及外部扰动的非线性伺服系统研究基于扩张状态观测器自适应Funnel控制方法。提出了一种改进的Funnel函数来保证跟踪误差的瞬态性能和稳态性能。该函数放宽了对原始Funnel控制的严格假设(系统次数为1或者2),同时避免了规定性能函数中存在的奇异性问题。此外,将系统摩擦、参数不确定性、未知非线性动态以及外部扰动作为系统的总扰动,扩展出一个新状态变量,设计了一种基于系统带宽调节的扩张状态观测器估计系统状态和总扰动。在此基础上设计了自适应Funnel控制器,并给出了控制器参数调节规则。仿真和实验结果表明本章提出的自适应控制方法能够提高伺服系统的瞬态性能和稳态性能,同时保证输出误差保持在给定的边界之内。(2)研究同时含机械振动和摩擦非线性二质量伺服系统的自适应神经网络动态面控制。提出了一种改进的规定性能函数(Prescribed Performance Function,PPF)提高系统的动态性能和稳态性能,避免了原始PPF中存在的奇异性问题,并将该函数用于动态面控制设计使得跟踪误差保持在规定的边界之内。同时,为了提高滤波瞬态性能,通过高增益跟踪微分器取代一阶滤波器,提出了一种改进的动态面控制设计方法。此外,将二质量伺服系统的摩擦、参数不确定性以及外部扰动作为总干扰,引入回声神经网络对其进行逼近。与传统的神经网络相比较,该神经网络不需要调节输入层和隐藏层之间的权值。通过递归反馈技术,设计鲁棒自适应神经网络动态面控制器抑制二质量系统的机械振动,提高了系统动态响应。仿真和实验验证了本章所提方法的有效性。(3)研究含摩擦、参数不确定性及未知外部扰动等特性的非线性伺服系统自适应渐近跟踪控制器设计。本章提出了一种基于误差信号积分(Robust Integral of the Sign of the Error,RISE)鲁棒自适应渐近跟踪控制器设计方法。首先利用一种连续可微的摩擦模型描述伺服系统的摩擦动态,引入高阶神经网络逼近未知非线性伺服系统动态;为了提高伺服系统的瞬态性能和稳态性能,提出了一种改进的规定性能函数。利用参考输入替代系统输出信号作为反馈信号,基于RISE设计了一种鲁棒自适应渐近跟踪控制器抑制神经网络近似误差和外部扰动,通过李雅普诺夫稳定性理论证明了系统的稳定性。仿真和实验验证了算法的有效性。(4)研究含未知参数的非线性伺服系统参数估计和自适应控制。通过设计一种辅助滤波变量,提出一种基于参数估计误差的估计算法。与传统的估计方法相比较,该方法不需要对状态求导,并能够保证在线监测持续激励条件。利用一种连续可微的摩擦模型表示伺服系统的摩擦动态,引入神经网络逼近系统中的未知非线性动态,将摩擦模型的参数和神经网络的权值作为待估参数。此外,通过在参数更新律中引入滑模项,实现有限时间参数估计,在此基础上设计有限时间自适应控制器,保证控制误差和估计误差同时到达指数收敛。基于转台伺服系统的仿真和实验结果验证了本章算法的有效性。