根据模糊可靠性理论，推导出在两种模糊化方法下基于应力－强度的模糊可靠度计算公式，并证明了两方法的等价性。利用得出的模糊可靠度公式进行了柱塞缸的模糊可靠性设计。

本文在液压伺服系统已有测量量的基础上，利用动态神经网络建立伺服阀动态模型，对伺服阀的状态进行监控，在系统发生故障时定位伺服阀故障，仿真分析表明，本文提出的方法不增加硬件设备，而且对于伺服阀堵塞型，卡滞型及泄漏型故障，均能够准确诊断。

运用一种改进型的逆重复伪随机算法结合先进的VXI总线仪器成功地实现了液压伺服阀动态性能的测试实践证明了这种方法的有效性.

分析了采用变压力提高飞行器作动系统效率的可行性，针对单向泵＋阀联合电动静液作动器（EHA）方案，提出了分级压力控制和负载敏感控制，并详细论述了工作原理。对变压力控制带来的系统特性改变问题，采用模糊PID控制算法对控制参数进行实时整定，仿真分析表明，系统的动特性得到了明显的改善。

针对航空液压泵源测试系统存在的很多非线性特性，在采用矢量控制变频器的基础上，提出神经网络控制器和无源性控制器两种控制策略来控制航空液压泵的转速以测试其特性。基于径向基函数网络和基于对角回归神经网络两种神经网络的控制方案对外界环境因素的影响具有较强的稳定性，后者的控制器的效率更高一些，对非线性有较大的控制潜力，但是其神经网络控制器方案存在不少不足。研究结果表明，当航空液压泵出油口的压力变化时，与神经网络控制器相比，无源性控制器不仅更简单，而且不需要系统参数的精确线性化，实用性强，是一种本质上的非线性控制，航空液压泵在不同压力下的转速具有很好的鲁棒稳定性，能够满足对航空液压泵测试的要求。

针对非连续控制的各种控制方法为了达到对其从理论和实际上的了解和认识设计了一种液压系统非连续控制的研究平台.在该平台上可以针对液压系统模型设计选择不同的控制律并可以演示系统的仿真和实验结果.

针对液压伺服系统动态性能测试的要求,分析了常用的测试方法,阐述了基于伪随机信号的谱分析对液压伺服系统进行测试的原理,以液压舵机为例设计了相应的测试系统,结果表明这种测试方法与传统的测试方法相比有较大的优势.

专家系统与神经网络是液压智能诊断的主要途径。智能诊断的发展方向是系统的不断完善和提高学习能力，组合化，开发容错智能系统，以及进一步实用化等。人工智能技术将与先进的信息技术紧密结合，并使智能诊断系统性能更佳。

建立了二次调节环境下液压蓄能器的数学模型，通过理论分析和仿真研究了蓄能器对二次调节加载系统中恒压网络系统压力脉动的影响以及蓄能器的匹配方法。提出了在恒压系统中针对不同子系统采用相应规格的蓄能器，并通过在高低压端口分别放置蓄能器的方法来降低系统压力脉动对精确加载的影响。

根据故障诊断系统的特点采用输出递归神经网络对某液压位置伺服系统进行了故障检测研究.该动态神经网络模型的采用使网络成为系统的完全模型避免了故障学习可以较好地检测出较难检测的故障.通过仿真与前馈时延网络与对角递归网络的比较研究说明了在实时故障诊断系统中输出递归网络结构的优越性.