本文针对目前国内中厚板AGC系统基本停留在相对AGC水平，绝对AGC实际应用效果不理想的现状，分析了影响中厚板尺寸精度，特别是影响同板差和异板差的主要因素以及液压AGC的工作原理和存在的问题，提出了一套绝对AGC的实现方案。并以北京理工大学与马钢中板厂共同开发的液压AGC系统为例，介绍其实际应用情况。

在分析液压 AGC的组成元件及其动态特性的基础上 ,利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力 ,建立基于时间序列的前馈动态模型辨识结构 ,应用扩展 BP算法对轧机液压 AGC力控制系统进行非线性预测 ,将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识 ,仿真及实测结果表明此方法行之有效 ,为轧机液压 AGC的辨识提供了新途径。

武钢热轧1700 mm生产线经过2009年的技术改造后,精轧F1~F7的压下部分设备全部更换为电动和液压混合控制。为了提高精轧AGC控制的水平,应用BP网络的理论对AGC厚度模型进行自学习,通过实时数据的统计和分析,证明BP网络的理论对提高带钢的厚度精度有明显的效果。

本文针对一类非线性系统的跟踪控制问题，基于滑模等价控制的基本概念，提出了一种具有在线学习能力的模糊滑模控制方法，利用学习控制实现模糊控制规则的动态更新，使得模糊控制的输出逐步逼近滑模等价控制，最终实现渐近稳定的滑模控制。

提出了线束测试仪的一种高效低成本的解决方案，设计了一款能够进行实时检测的线束测试仪，详细介绍了系统的工作原理和硬件电路，并对软件部分中的实时检测算法进行了重点阐述。另外，系统还具有自学习和探针检测等高级功能，使测试仪具有高度的通用性和灵活性。

介绍了一个已经成功运行的基于远程通信和学习功能的火检监控系统。该系统结合通信技术、计算机技术、自动控制技术以及信息处理技术，将原来现场检测环节中较为庞大的信号线路简化到只有2根通信线缆，并增加了自学习和远程编程监控功能，不仅优化了集散控制系统（DCS），提高了数据的准确度和整个系统的可靠度，也使现场检测设备的维护更加容易和简便。

为满足高速开关阀在复杂时变环境下的控制需求,通过数学模型分析,提出阈值占空比自学习的高速开关阀自适应控制算法。自学习阶段,通过自学习方波自适应调整阈值占空比,满足复杂时变环境控制需求;压力控制阶段,采用混合脉宽激励——“积分+斜率”控制算法,在缩短压力响应时间的同时,减少动态调节时的超调量。实验验证表明,在不同环境温度下,方波跟随响应时间不超过350 ms,超调量不超过0.25 MPa,稳态误差不超过0.1 MPa;1 Hz正弦波动态跟随性能良好,因

该文针对气缸位置伺服系统具有的未知延迟非线性的特点,在传统的PID控制算法的基础上,加入了神经网络的自学习算法,并在PCM方式的气缸定位实验中取得了满意的效果.

针对秦皇岛港务局装车楼装车过程中出现的重量偏差现象，提出了对装车楼称重仓平闸门进行二次控制的解决方案，并针对改造后的电液比例控制系统设计了二次称重控制程序。

通过对液压挖掘机功率匹配的分析,提出了将泵的功率曲线设定在发动机的功率曲线之上的功率匹配方法,研究了神经网络模糊比例-微分-积分(NN-Fuzzy-Pm)控制技术在挖掘机节能控制系统上的应用.试验结果证明了提出的节能方法和NN-Fuzzy-PD控制算法在挖掘机节能控制系统上的可行性.NN-Fuzzy-Pm控制器能根据不同的环境和作业工况进行参数自调整,具有自学习的功能.研究结果为进一步研究开发智能化挖掘机提供了依据.