针对仿真转台用连续回转电液伺服马达,由系统的非线性和摩擦、泄漏等外界因素导致的不确定性,严重影响了连续回转电液伺服马达的控制精度,提出了一种模糊RBF神经网络控制策略。将RBF神经网络的学习能力引入模糊机制中,利用神经网络高效的非线性拟合能力以及基于专家经验的模糊规则,以避免RBF神经网络的权值更新陷入最优解,同时选择遗传算法优化模糊RBF神经网络的中心宽度、阈值和权值的初始值,以提高控制算法的收敛速度以及收敛精度;最后通过仿真对比说明,该控制算法较PID更能有效提高系统的低速稳定性,拓展系统的频响,实现伺服系统的精确控制。

推摇式油茶果采摘机在作业机构作业时,需要保证振动液压马达恒定转速输出,以保证油茶果能够顺利通过推摇振动从树枝脱落,对此,推导了推摇式油茶果采摘机阀控振动液压马达系统的状态空间方程,并在传统增量式PID控制原理的基础上设计了模糊径向基函数(Radial Basis Function,RBF)神经网络PID控制方法。采用MATLAB/Simulink仿真软件对液压系统在空载和5 s带载工况进行仿真,并与传统PID控制和模糊PID控制方法进行比较和分析。仿真结果显示,传统PID控制和模糊PID控制响应速度较慢、鲁棒性较差;而采用模糊RBF神经网络PID控制方法响应速度快、鲁棒性强,能够很好地满足振动液压马达恒定转速输出的要求,并且能够灵活地在线调整PID的3个参数,控制精度较高。

针对液压破碎锤故障原因具有多样性和不确定性,为避免传统模糊BP网络故障诊断存在收敛速度慢、易陷入局部极小值等缺陷,提出将果蝇算法优化模糊RBF网络方法用于液压破碎锤故障诊断.综合神经网络的联想记忆、并行处理能力和模糊理论的定性知识、模糊推理能力,同时利用果蝇算法对模糊RBF网络的扩展参数进行全局优化,建立了液压破碎锤系统输入故障征兆与输出故障原因间的映射.利用MATLAB软件编程进行仿真实验,结果表明：果蝇算法优化模糊RBF网络方法精度高,收敛速度快.利用该法对液压破碎锤故障诊断,结果与目标输出相符,证明该方法可行.

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况，提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制，并将GA的全局寻优及BP局部寻优相结合，克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明，该方法具有很强的自适应性和鲁棒性。