针对对称阀控非对称缸系统的不对称性和非线性,为了提高系统控制精度,分析了该系统的工作特性,提出了基于小脑模型神经网络(CMAC)的控制策略,设计了CMAC复合控制器;为验证CMAC复合控制器的有效性,进行了实验研究,并与普通的PID控制器进行比较.实验表明,基于CMAC的复合控制方法无须精确获取系统数学模型和负载状态,适合于对称阀控非对称缸系统的实时控制.

研究了电液负载模拟器的自适应最优控制问题.将线性二次型最优控制与GCMAC神经网络相结合提出了一种自适应最优控制策略.该控制策略把最优控制器作为辅助控制器采用GCMAC神经网络在线学习使闭环系统满足理想性能要求的控制量.Lyapunov稳定性分析证明该控制策略具有渐近稳定性.仿真结果表明系统具有较好的动态性能和较高的载荷谱跟踪精度.

针对数控电液位置伺服系统的非线性、参数时变性等特点设计一种基于CAMC和PID并行控制的方案。以PID为反馈控制来保证系统的稳定性且抑制扰动以CAMC为前馈补偿控制器来确保系统的控制精度和响应速度。在MAT-LAB环境下对位置伺服系统进行动态仿真。仿真结果表明：基于CAMC和PID的并行控制响应速度快稳态精度高其控制性能远优于传统PID控制器。