电液伺服系统因其具有功率密度高和响应速度快等优点,被广泛应用于工业领域。电液伺服系统可以分为阀控系统和泵控系统,目前大部分场合使用的阀控系统因为伺服阀的节流损失导致系统存在着能量效率低、发热严重等问题,为此人们提出了一种新型的系统—泵控电液伺服系统。泵控电液伺服系统又分为变排量泵控系统和变转速泵控系统,本文研究的变转速泵控系统是由伺服电机直接驱动双向定量泵来给执行器提供流量,所以从根本上消除了节流损失,具有较高的能量效率。针对目前传统PID控制无法满足泵控电液伺服系统在参数不确定和外负载干扰条件下的控制效果,本文主要研究了泵控电液伺服系统的高性能滑模控制方法来提升系统的控制性能。本文建立了泵控电液伺服系统的数学模型,针对系统的参数不确定和外部干扰力,传统的PID控制很难取得理想的控制效果,为此分别设计了基于趋近律的滑模控制器和反步滑模控制器,并构建了Lyapunov函数证明了系统的稳定性。然后搭建了系统的MATLAB/Simulink和AMESim联合仿真模型,仿真结果表明所设计的控制器相比于PID控制器提高了系统的控制精度和鲁棒性,且反步滑模控制器的性能优于基于趋近律的滑模控制器。为了简化泵控电液伺服系统的控制器设计,使其更易于工程实际应用,首先基于奇异扰动理论对原有系统的数学模型进行合理降阶。然后针对降阶系统设计了基于扩张状态观测器的滑模控制器,联合仿真结果表明所设计的扩张观测器能对干扰进行精确估计,所设计控制器的位置跟踪精度显著优于PID控制器和不加观测器的滑模控制器,且对外部干扰力具有较强的鲁棒性,提高了泵控电液伺服系统的控制性能。为了解决泵控电液伺服系统数学模型中存在未知项导致其控制器设计困难的问题,首先利用RBF神经网络去逼近未知项,然后设计了基于RBF神经网络的滑模控制器,并构建了Lyapunov函数证明了系统的稳定性。仿真结果表明了RBF神经网络可以准确逼近系统模型中的未知项,所设计控制器相比于PID控制器在跟踪阶跃位置指令和正弦位置指令时都显示出了良好的跟踪精度和鲁棒性。针对本文所设计的泵控电液伺服系统的四种滑模控制方法进行了仿真对比,分析了这四种控制方法的控制精度和鲁棒性。针对泵控电液伺服系统固有的响应速度慢和鲁棒性差的问题,本文结合了阀控系统响应速度快和泵控系统能量效率高的优势提出了一种泵阀并联系统,并研究了该系统的高性能控制方法。首先针对泵阀并联系统中的泵控子系统设计了可以实现权值自适应调节的单神经元PID控制器,然后再针对泵阀并联系统中阀控子系统的参数不确定问题设计了RBF神经网络滑模控制器。最后搭建了泵阀并联电液伺服系统的MATLAB/Simulink和AMESim联合仿真模型,仿真结果表明泵控子系统的单神经元PID控制器相比于传统PID控制具有更好的转速跟踪性能,阀控子系统RBF神经网络滑模控制器相比于传统PID控制器具有较好的位置跟踪精度和较强的抗干扰能力,所设计控制器提升了泵阀并联系统的控制性能。