构建了液压缸装配专用设备电液伺服系统的数学模型,提出基于CMAC与PID复合控制算法的控制策略,克服传统PID控制存在的参数很难自整定、系统超调量过大、动态响应速度过慢等问题。仿真分析表明,采用CMAC与PID复合控制算法具有很好的控制效果,可以提高系统的动态特性,减小系统的超调量,增强系统的稳定性。

针对挖掘机工作装置电液伺服系统中存在多变量、强耦合及非线性的特点,提出了CMAC神经网络与常规控制相结合的控制方法,很好地解决了挖掘机电液伺服系统位置控制问题。仿真结果表明,该控制方法具有较高的控制精度和鲁棒性。

针对典型电液伺服控制系统非线性、参数时变的特点,常规PID控制无法满足控制性能要求.文中提出将小脑模型(CMAC)神经网络和PID相结合的控制策略.仿真结果表明,经过CMAC神经网络对常规PID控制器的输出不断在线学习,系统能够有效抑制扰动,并具有实时性好,输出误差小,鲁棒性强等优点.在系统参数变化,外界扰动的影响下,其控制性能得到明显提高.

在机器人手眼系统位置控制中，用CMAC神经网络建立了机器人非线性视觉映射关系模型，实现了图像坐标到机器人坐标的变换。该模型采用了一种新的多维CMAC网络的处理方法——叠加处理法。实验表明，与BP网络相比，CMAC网络能以较高的精度和较快的速度完成手眼系统的坐标变换。

分析电液比例阀控非对称缸速度控制动态数学模型，提出新的小脑模型神经网络（CMAC）和PID相结合的复合控制算法用于大负载电液速度控制系统。CMAC控制算法以前馈方式加入控制系统，利用其较强的非线性逼近能力和快速响应能力，有效抑制干扰影响，保证系统速度的精确控制。仿真结果表明，该控制方式响应时间快，响应平稳，抗干扰能力强。

该文将小脑模型连接控制器（CMAC）神经网络与常规PID控制并行应用于液压伺服系统中，这种并行控制算法可以有效地解决由于液压油的压缩性与泄漏，静摩擦的存在等因素引起的非线性液压系统的跟踪问题。仿真实验结果表明，经过CMAC神经网络对常规PID控制器的输出的不断在线学习，系统能够有效抑制扰动，并具有实时性好，输出误差小，鲁棒性强等优点。

本文提出了一种模糊ＣＭＡＣ神经网络的结构和算法。该网络通过权系数的在线学习，实现修正模糊逻辑。将此网络作为前馈补偿单元，与ＰＤ控制器一志构成一种自学习控制器，并对带有未知负载干扰的某电液位置系统进行动态仿真。结果表明，该控制器具有强的鲁棒性以及良好的跟踪特性。

提出了一种采用CMAC神经网络的自学习控制器以解决具有参数不确定和时变外扰动的电液位置伺服系统的高精度控制问题.该控制器采用动态误差作为CMAC的激励信号从而使基于CMAC的控制器跟踪连续变化的信号成为可能.仿真结果证明了该控制器不仅是有效的而且具有很强的鲁棒性.