针对气动比例系统中存在死区的情况，采用神经网络自学习的方法，解决由于死区的存在引起的系统定位精度问题。选定一死区补偿初值，以定位精度为目标，根据系统动态响应过程中的误差及误差变化，通过在线修正神经网络权值来调整死区补偿值。

气动比例位置控制系统中，摩擦力是影响其定位精度的一个关键因素。采用在控制信号的变化率方向上叠加低幅高频脉冲信号的方法，运用BP网络自学习功能在线调整信号幅值，解决了由比例阀和无杆气缸的摩擦力引起的系统定位精度的问题。仿真结果证明该方法是有效的。

将基于RBF神经网络的PID控制方法用于气动位置比例系统的控制，设计实现了用微机控制的比例阀-无杆气缸缓冲定位系统。实验表明，该控制方法具有较强的鲁棒性，可以在不同工况下实现对气缸活塞的缓冲与定位。

针对气动比例系统的非线性特征将神经网络模糊控制引入到专家控制中与专家系统相结合形成一种综合的实时智能混合控制系统该控制系统既具有专家控制的逻辑推理、理性、抽象智能行为又具有神经模糊控制的直觉推理、感性、形象智能行为这两者结合采取并行控制与知识共享的策略既能满足系统的快速性和灵活性又能保证系统的运行平稳性。将设计的智能混合控制器引入到系统模型当中通过与其他不同控制策略对阶跃信号的系统仿真进行比较证明该控制系统跟踪性能强响应速度快兼顾快速性和灵活性系统运行平稳反映出良好的静态和动态特性。通过试验验证针对该气动比例系统的非线性特征设计的智能混合控制策略是正确和有效的。