液压起竖系统故障机理复杂、故障现象隐蔽，依靠传统方法难以及时准确地诊断故障。因此，提出采用Elman神经网络来对液压起竖系统实施故障诊断。利用Elman神经网络建立了故障诊断模型，通过典型特征故障的学习训练后，应用于液压起竖系统的故障诊断。结果表明该诊断方法运行速度快、诊断准确且容易实现。

针对液压起竖系统这类非线性系统的控制问题根据高阶滑模控制理论提出了一种基于微分观测器的高阶滑模控制方法。基于液压起竖系统的非线性模型设计基于高阶滑模控制方法的起竖系统起角跟踪控制器。利用微分观测器对起竖角导数信息和高阶滑模的导数阶滑动变量信息进行观测从而构造一种基于微分观测器的控制器形式。试验结果表明：该控制方法能应用于液压起竖系统与PID控制和普通滑模控制比较该方法可以有效地抑制普通滑模控制存在的抖振问题并具有很好的控制性能。

为了实现导弹发射车状态监测传感器的优化布置，以原理分析为基础，重点运用AMESim仿真平台建立液压系统模型，模拟各测点传感器信号的特征和作用，通过分析传感器对故障的敏感性和信息量的大小，进行传感器类型和安装位置的优化，从而避免实验过程中研制周期长，经济上耗费大的问题，节约了实验成本。采用故障注入的形式得到模型各测点的仿真数据，研究分析各测点信号的特点及趋势，以及测点在故障情况下的特征响应，为传感器用于诊断进行探索。在此基础上，按照一定的原则进行传感器的选择与优化，进而确定监测传感器的布置方案，为导弹发射车液压起竖系统的状态监测、故障诊断与定位奠定基础。