用神经网络逼近非对称泵缸系统的非线性逆模型,通过神经网络模型参考控制实现电液斜盘位置和流量的控制,使系统的不确定性和非线性等得到补偿.仿真和实验表明,所开发的神经网络控制器能够较好地实现模型跟踪控制,有较好的自适应性和鲁棒性,跟踪性能有较大改善.

本文以材料疲劳试验机为例分析了柱塞缸电液伺服系统的动特性,采用模型跟随自适应控制新方法改善其特性并获得1％的高精度。更多还原

提出一种将微分变换和模型跟随自适应控制相结合，实现对阀控非对称缸的非线性电液系统的动态反馈线性化方法，且所构成的系统的模型完全跟随条件能自动满足，给出了仿真结果。

针对电液伺服非线性系统这一类仿射非线性系统的模型跟随自适应控制(AMFC),提出了通过构造与被控对象具有相同非线性特性的离散非线性参考模型,并借助于仿射变换和非线性反馈的方法来实现对该系统的AMFC,通过分析和仿真说明了这种AMFC系统能够确保被控对象准确跟随参考模型的输出,且仿真的结果令人满意.