气动位置伺服系统采用空气作为介质,其结构简单、安全可靠、反应迅速等突出优点使它得到广泛关注,从汽车、地铁的开关门到人工呼吸器再到气动机器人,气动位置伺服系统在自动化各行业有着举足轻重的地位。由于气体存在可压缩,性的特点且气动位置伺服系统受到非线性的阀口流动及气缸存在摩擦力等因素的影响,给创建气动伺服系统的精确模型带来了重重困难,这给依靠模型的传统控制方法设计带来了困难。同时,气动系统时变的工作点和未知的外部扰动等因素的影响,导致气动系统的轨迹跟踪控制更加复杂。因此,研究如何实现气动位置伺服系统高性能跟踪控制对于拓展气动位置伺服系统的运用有重要的意义。在允分考虑气动位置伺服系统实际约束的情况下设计控制器,期望能够提高系统跟踪控制性能。本文以Festo公司的气动位置伺服实验系统为对象,分别设计控制器如下:（1）针对气动位置伺服系统模型未知问题,利用神经网络的逼近能力实现对未知光滑函数的处理。本课题分别采用小波神经网络（WNN）、径向基函数（RBF）神经网络、模糊神经网络（FNN）对气动系统模型中的未知函数进行辨识。结合Nussbaum函数解决气动位置伺服系统控制方向未知的问题,将不精确的比例阀零点也作为一种不确定性,结合反步设汁法设计了自适应神经网络控制器,利用 Lyapunov理论进行了稳定性分析,确保了整个系统的稳定性。根据实验结果可以得出:采用本课题所设汁的各种神经网络控制器在气动位置伺服系统控制方向未知情况下均可以实现对于参考信号的轨迹跟踪。（2）考虑到气动系统存在实际状态受限,忽略系统状态受限所设汁的控制器可能会导致设备损坏或预期性能下降。因此,在考虑气动系统未知模型、未知比例阀零点、未知控制方向的情向的情况后,本课题综合考虑系统状态受限来设计控制器以提高系统跟踪精度。控制器采用径向基函数网络辨识系统未知模型、未知扰动、未知阀零点,采用Nussbaum函数处理控制方向未知问题,采用障碍李亚普诺夫函数（BLF）处理系统状态受限的问题。最后结合Lyapunov理论和杨氏不等式证明了被控系统的稳定性。最终,对比其它实验结果可以看出系统的性能有显著提高。（3.）在考虑未知模型、未知阀零点、未知扰动、未知控制方向和状态受限的基础上,本课题进一步考虑系 饱和 线性特性、电磁阀的滞回特性等在以往气动伺服系统设汁时通常被忽略的非线性特性设计自适应神经网络控制器,并进行了实验研究,对比实验结果可以看出,考虑不同的非线性特性和约束条件对气动位置伺服系统的跟踪控制性能的影响不同,充分考虑各种约束和特性的情况下,可以获得更好的气动位置伺服系统的跟踪性能。通过本文实验研究工作表明:滞回特性对系统跟踪性能影响最大,输入饱和特性次之,状态受限第三。本文研究工作通过实验验证了各种非线性特性和约束条件对跟踪性能的影响,这个工作在能够查到的文献中未进行系统研究。本文将气动位置伺服控制系统作为应用平台,充分考虑实际系统的未知因素和约束,设计了基于神经网络的轨迹跟踪控制器,控制器在复杂度不大幅增加的情况下,能够考虑更多约束条件和未知因素获得更好的跟踪控制效果,为扩展气动伺服系统应用奠定了良好基础。