随着对汽车安全性以及舒适性要求的提高,汽车厂商对于负载模拟系统的动态响应和控制精度也有了更高的要求。在电机控制系统中,参数的突变会引起试验台的稳定性降低并且伴有震荡产生。为克服震荡,文中使用伺服控制液压马达模拟EPS的方向盘系统以及负载系统代替原有的电机控制。通过Simulink仿真得到的系统阶跃响应图和Bode图分析发现,该试验台液压系统闭环稳定,且在一定程度上克服了震荡现象,具有可借鉴性。

目前,液压系统被广泛运用在工业生产中,但是在其控制方法上,传统的PID控制不能满足控制精度及相应速度的需求,而滑模变结构控制在提升控制精度的同时又存在较大的抖振现象。故提出了一种滑模变结构控制与模糊控制相结合的控制方法。以阀控液压缸为例建立数学模型,设计模糊滑模控制器并通过Matlab/Simulink进行仿真。结果显示该方法相较于普通PID控制和传统滑模控制,能够实现快速、准确跟踪,有效抑制抖振且具有较强的鲁棒性,取得了较为满意的控制效果。

针对液压位置伺服系统存在比较大的不确定性及干扰，提出了一种新的模糊滑模控制方法。用模糊控制器逼近滑模控制中的等效控制，通过不连续控制以保证闭环控制系统的稳定性，用饱和函数平滑不连续控制以抑制抖振。仿真和实验结果表明，该方法不仅能实现快速、准确跟踪，有效抑制抖振，并且对参数变化及外力扰动具有很强的鲁棒性。

该文针对一种新型的液压伺服精确定位的张力腿水下试验平台，分析了其液压绞车的工作原理，建立了液压位置伺服系统模型，对滑模变结构控制器进行仿真研究。仿真结果表明，滑模控制相对于PID控制不仅能实现快速准确的跟踪，抖动小，并且对外负载干扰力矩具有很强的鲁棒性。

针对道路模拟试验台阀控液压位置伺服系统,介绍一种高性能控制器的设计方法。以高性能的TMS320F28335 DSP芯片为核心设计控制器硬件,并应用模糊神经网络PID控制方法设计控制器软件。对试验台装置实验测试,结果表明,相比于传统PID控制,模糊神经网络PID控制在保证控制精度的同时,具有更小的超调量和更快的响应速度。

为解决在环境及负载扰动影响下，中厚板液压位置伺服系统采用常规控制方式很难取得理想效果的问题，首先为便于分析研究，根据中厚板液压系统各环节的机制特性，分别建立了位移传感器、伺服放大器、伺服阀、液压缸及轧辊组合等环节的数学模型。然后在对性能优良的离散蚁群算法改进基础上，通过多层次异构搜索机制对解空间精细搜索，得到可用于连续域寻优的多层蚁群算法。并将改进算法应用到液压位置伺服系统中，根据系统性能指标对控制器进行智能优化。仿真结果表明，采用多层蚁群优化算法的液压位置伺服系统收敛速度明显加快，适应能力与鲁棒性也要好于常规控制方式。

针对液压系统的非线性、时变、流固耦合的特点，提出双级径向基函数（Radial Basis Function，RBF）神经网络模型实现液压伺服系统故障检测与定位。采用第1级RBF网络作为液压伺服系统的故障检测滤波器，通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测。利用第1级RBF观测器的输出残差和网络结构参数，应用第2级RBF网络实现液压伺服系统典型故障定位。针对K均值聚类算法收敛速度慢的缺点。提出了改进K均值聚类算法和学习速率自适应调整算法，利用网络优化结构参数和学习率。加快神经网络收敛速度，减少运算量。实验结果表明，利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障，并能实现系统的故障定位。

针对某轧钢厂热轧立辊出现的不同步现象,结合生产实际分析了双缸不同步运动的原因,为解决同步问题,设计了基于模糊自适应的同步控制算法,通过实验进一步验证了算法的可行性。

将粒子群算法与传统的PID控制器相结合,并采用平方误差矩积分函数作为适应度判据,构成了PSO-PID控制器,该控制器能够在线优化PID控制器参数.仿真结果表明,在系统工况发生变化时,新型控制器能够取得满意的控制效果.