介绍电液力伺服系统的结构及原理,针对系统建模中参数时变和非线性问题,采用BP神经网络进行系统辨识建模;利用遗传算法优化BP神经网络,克服单纯BP算法容易局部收敛、训练速度慢的问题;借助MATLAB神经网络工具箱、全局优化工具箱编写系统辨识算法,建立系统的神经网络辨识模型。分析神经网络模型辨识结果,将其与ARMAX线性参数模型的辨识结果作对比,验证遗传优化BP神经网络系统辨识建模的高效性和适用性。

针对飞机结构强度试验中常用的电液力伺服系统,讨论了系统组成和数学模型。利用MATLAB设计参数自整定模糊PID控制器以克服系统非线性和负载扰动的影响;通过系统辨识建模的方法,采用预报误差法得到系统ARMAX参数模型辨识结果;以辨识结果为对象对设计的参数自整定模糊PID控制器进行Simulink仿真。结果表明:相比常规PID控制器,采用参数自整定模糊PID控制器进行控制,系统具有更好的稳态精度、快速性和鲁棒性。

考虑到电液伺服系统中存有各种非线性因素、不确定干扰以及参数时变，为了提高干扰下电液力伺服系统的控制精度，以电液伺服振动实验台作为控制对象，构建其非线性模型，同时使用参数自适应率对不定参数进行补偿，并在反演控制器中引入滑模控制以降低系统的干扰敏感性，利用Lyapunov理论保证闭环系统的全局稳定。对设计的控制器进行实验，模拟在有未知外部位置干扰下的力控制，提升系统的稳定性。实验结果证明，此控制方法能够有效地提升电液力伺服系统的抗干扰跟踪性能。

借助最优控制理论本文将二次最优理论应用到疲劳实验机的电液力伺服系统之中设计出了最优控制器仿真结果表明该方法的有效性、可行性能够有效的改善系统的性能.

在冷带轧机液压AHC （Automats Gauge Control） 系统中电液力伺服系统是其重要的组成部分由于冷带轧机电液力伺服系统的设定值是由厚度环所决定故而电液力伺服系统的设定值在轧制过程中是时变的.基于此提出了一种自适应预测控制算法将自适应控制同动态矩阵控制结合起来通过在线辨识来校正预测控制器的控制参数以达到更好的控制效果.该控制算法基于受控对象的阶跃响应.试验结果表明：采用该控制策略时电液力伺服系统的动静态特性都得到了显著提高.