自适应最优控制（Adaptive optimal control ）是指根据控制对象本身参数或周围环境的变化，自动调整控制器参数以使控制系统的性能指标实现最优化的基本条件和综合方法，满意性能的自动控制系统。不论外界发生巨大变化或系统产生不确定性，控制系统能自行调整参数或产生控制作用，使系统仍能按某一性能指标运行在最佳状态的一种控制方法。为了有效地控制液压非线性系统，提出基于RYF神经网络的自适应最优控制系统，应用于机器人液压驱动器。首先，建立了液压系统的动力学模型;然后，输入幅值和频率连续变化的信号，应用卡尔曼滤波器估计液压系统状态，进而计算出模型参数，对模型参数进行分组用于训练RYF神经网络；接着，对不同组参数求平均作为参考点，用RYF神经网络学习最优控制器反馈增益随系统参数的变化规律;最后，训练完成的神经网络根据卡尔曼滤波器参数估计值在线预测并调节控制器增益.经实验验证，该控制系统调节时间和跟踪误差仅为普通线性二次型最优控制器的1 /2和1/3左右。