软体机器人由于其固有的轻量性和柔顺性,在各个领域受到越来越多的关注,具有广阔的应用前景。另一方面,它具有复杂的结构和非线性特性,给系统建模和控制器设计带来了困难。综合比例阀模型和柔性驱动器的辨识模型,得出总体系统控制模型,设计可实现高精度跟踪的积分鲁棒控制器。通过对柔性驱动器进行轨迹跟踪的对比实验,验证了模型和控制策略的有效性。

针对回归神经网络辨识和建立非线性动态系统模型的问题,研究非线性状态空间描述的回归神经网络数学模型。讨论极小均方误差网络训练收敛准则,通过研究Kalman滤波估计公式中的随机变量,提出一种参数增广的回归神经网络非线性状态方程,无导数的Kalman滤波器用于增广参数估计,人工白噪声强迫网络学习,更新网络权值,避免了扩展Kalman滤波器计算Jacobian信息和基于递度学习算法收敛慢的问题。在电液伺服系统辨识建模的应用中表明,回归神经网络较好地跟踪了液压油缸压力变化,与扩展Kalman滤波估计学习算法相比,新的算法具有较快的收敛和精度。

简要介绍了气动定位系统的基本特性和建模的发展情况。文章分析得出气动定位系统的模型由线性到非线性，建模目的从理论研究到实际应用的方向发展，并提出了气动定位系统建模待解决的问题。

在气压伺服系统控制中，高压空气的可压缩性和伺服阀的死区与饱和特性使气压系统本身存在非线性。另外气缸活塞在不同位置时气缸两腔容积变化非常大，容腔内压力建立时间长短是不同的。这些对系统性能的提高是个障碍。因此建立一个简单、易用、可信的线性模型对气压系统设计来说是首要任务。首先将气缸固定在不同位置，采用阶跃信号辨识气缸两腔压力与阀芯位移的传递函数，获得气缸位置对压力的影响；然后在气缸运动情况下，辨识气缸压力对阀位移、气缸速度的传递函数。最后获得一个描述气压系统的线性模型。与采用工作点线性化方法获得的模型比较这种近似是合理可信的。

连续油管测井机的研制为复杂大斜井、水平井的测井作业提供了有效的技术手段,其中,满足测井作业低速稳定性要求的注入头与滚筒的协同控制是整机的关键技术之一。为了提高测井机的性能,提出了基于二次调节系统辨识的连续油管协同控制设计方案。从二次调节系统的组成与原理出发,通过建立二次调节系统的非线性模型,可以将其简化为一个二阶线性系统,对其动力学特性进行描述。根据这一特点,依据最小二乘理论,采用带有遗忘遗因子的最小二乘算法,对二次调节系统进行了系统辨识,获得了确定参数的系统模型。在辨识模型的基础上,通过采用PID控制器,对二次调节控制系统进行了实验研究,为今后连续油管测井机的理论分析和实时控制打下良好的基础。研究表明,二次调节系统替代传统马达有效地解决了注入头与滚筒协同控制问题。

针对液压伺服系统中的非线性和不确定特性，研究了一种基于神经网络的直接自适应控制方法。引入的神经网络模型可以通过学习从而跟踪对象的动力学特性，控制器的设计较少的依赖于对象的先验知识，控制器参数的调整是基于被控系统的测量信号，利用在线辨识的神经网络参数来实现的。仿真结果证明该系统有较好的控制效果。

针对阀控液压对称执行机构频率响应数据模型辨识问题提出了一种功率谱估计闭环间接辨识方法并分析了传感器分辨率、信号数据长度、窗函数、数据分段对辨识精度的影响。该方法首先使用改进的扫频信号对阀控液压对称执行机构进行扫频测试然后对数据进行功率谱估计闭环间接辨识得到液压执行机构开环频率特性最后对各种因素对辨识精度的影响进行了仿真分析。仿真结果表明：使用功率谱估计进行参数辨识时传感器分辨率和精度越高、激励数据越长使用hamming窗函数、2分段数据进行辨识信号前处理可得到更高的参数辨识精度。

将基于最小二乘法和改进遗传算法的系统辨识方法应用于滑阀黏性阻尼系数的测试中。搭建了滑阀黏性阻尼系数测试系统根据所得试验数据利用递推最小二乘法对系统参数进行辨识得到解空间范围再利用改进的自适应遗传算法进行精确辨识最终得到滑阀黏性阻尼系数。对黏性阻尼系数的辨识结果进行验证分析结果表明辨识数据与真实试验数据匹配较好证明了该滑阀黏性阻尼系数测试方法的有效性。

针对双马达驱动的三轴飞行仿真转台中框的名义参数与实际参数存在偏差，本文通过灰箱辨识方法分别获得双马达驱动系统的接近真实模型的参数。在此基础上使用等同式的控制策略对仿真转台中框做了仿真和实验研究。实验结果表明：等同式控制策略能有效提高双马达同步驱动的精度，增强三轴仿真转台中框运动仿真逼真度。

以“铁马工程”项目中的液压振动台为背景，通过由符合工业标准的PXI数据采集卡得到的现场数据进行分析，建立立体式数据库，对液压振动系统进行辨识，从而获得与实际系统较为匹配的ARMAX数学模型，并做了模型检验与对比；分析结果表明该数据采集系统采集的数据有效，辨识模型能够较准确的反映液压振动台的实际性能，为液压振动系统的控制与控制算法的设计提供了必要的理论基础。