回转支承作为机械结构关键部件，使用寿命和可靠性问题一直是业界关注的热点问题，目前，一方面，建立精确的回转支承寿命计算模型，然而有待进一步完善和大量实验验证;另一方面，采用故障诊断方法在一些维修难度大的场合即使准确诊断，意义得不到体现。本文提出采用人工智能方法融入回转支承运动控制系统，自适应外负载的变化，减少能量损耗，继而减少了损伤发生几率和发展速度，有效延长其使用寿命。主要研究工作包括:　　1.根据回转支承的受载特点简化回转支承机械结构并构建数学模型。分析各类常用神经网络如BP神经网络、Elman神经网络、径向基神经网络的数学模型及运作机制，通过对比分析选择适于自适应系统的神经网络补偿器;　　2.结合阻抗控制原理及神经网络算法提出回转支承智能阻抗控制方法，构建了基于力矩的神经网络阻抗控制及基于位置的神经网络阻抗控制数学模型，将神经网络阻抗数学模型用于回转支承机构动力学模型并使用Matlab/Simulink软件实现仿真;　　3.完成回转支承为水平和垂直布置的机械结构动力学数学建模，并以此模型分别建立了回转支承PID阻抗控制、回转支承力矩型智能阻抗控制、回转支承位置型智能阻抗控制，通过仿真分析比较了三种控制方法下力、位置、速度的控制精度及产生的能量损耗，给出了适于回转支承机械结构的寿命延长控制方法。　　分析结果表明，基于力矩型智能阻抗控制优于基于位置的神经网络阻抗控制能实现回转支承机构对负载力、位置及速度的准确跟踪控制，具有良好的自适应性和鲁棒性。实现回转支承运动机构能根据外界负载自动调节控制参数，降低了能量损耗，实现间接延长回转支承使用寿命的目标。