负压伺服系统能够产生高精度、高动态的压力信号,可以为飞行器的半实物仿真提供真实的气压环境。在负压伺服系统中存在由伺服阀流量特性、容腔的热传递效应、伺服阀的内部泄漏等导致的强非线性和不确定性问题,使得线性控制器在大范围压力控制时,效果不佳。针对以上问题,本文提出了基于神经网络的模型参考自适应控制策略,设计了自适应神经网络控制器,并对系统进行了仿真分析和实验研究,最终实现了大范围压力控制的一致性。本文开展了如下工作:首先,建立了系统数学模型,理论分析了系统由伺服阀流量特性、容腔的热传递效应、伺服阀的内部泄漏等导致的强非线性和不确定性问题。对系统进行了仿真,结果表明,随着压力点的变化,线性控制器控制效果逐渐变差。此外,实际系统中还存在不确定性问题,难以建立精确的系统模型,采用基于模型的控制策略难以对其进行有效控制。考虑到神经网络具有非线性映射能力和自学习能力,适合解决非线性和不确定性问题,因此,提出基于神经网络的模型参考自适应控制策略。然后,在负压伺服系统中,对基于神经网络的模型参考自适应控制策略进行了具体设计。为了向神经网络控制器传递精确的控制误差梯度信息,采用NARX模型设计了负压伺服系统神经网络辨识器。为了确定系统的理想控制性能,根据系统特性和系统控制要求设计了参考模型,采用动态神经网络设计了负压伺服系统神经网络控制器,并分析了基于神经网络控制器的负压伺服系统的稳定性。对所提出的控制策略进行了仿真,结果表明,所设计的辨识器能够精确地辨识出系统模型,所设计的控制器能够克服系统的非线性影响,实现了大范围压力控制的一致性。最后,建立了负压伺服系统实验平台,对负压伺服系统神经网络控制器进行了实验研究。实验结果表明,神经网络控制器克服了系统中非线性和不确定因素的影响,与线性控制器相比,提升了系统的动静态性能,在各个压力点取得了一致的控制效果,解决了负压伺服控制中的非线性和不确定性问题,实现了大范围压力控制的一致性。