风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点.笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持.首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI).最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性.

模拟地震振动台系统是一个非线性系统，带有负载的系统更是一个非线性系统，但在系统的控制策略中，系统在工作点附近通常可以看作近似线性的。对系统的频率响应函数的估计通常使用H1估计器或H2估计器，H1估计器为欠估计，而H2估计器为过估计，二者估计的误差都比较大。因此对于模拟地震振动台系统该文采用一种介于二者中间的估计器Hm，其参数利用微分进化算法进行估计，使Hm更接近系统的真实频率响应函数H，从而减少了振动台系统迭代控制的次数，减小对负载特性的影响。

该文研究了遗传算法模型针对遗传算法的特点在隔代映射遗传算法基础上引入自适应策略建立了自适应遗传算法数学模型给出了具体算法流程。通过自适应策略使IP_GA中的交叉、变异概率能够根据函数适应度大小自动调节提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解建立了液压系统的开环模型。利用Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比验证了遗传算法求解液压伺服系统参数的可行性。同时通过分析仿真结果找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。

针对液压伺服系统中的非线性和不确定特性，研究了一种基于神经网络的直接自适应控制方法。引入的神经网络模型可以通过学习从而跟踪对象的动力学特性，控制器的设计较少的依赖于对象的先验知识，控制器参数的调整是基于被控系统的测量信号，利用在线辨识的神经网络参数来实现的。仿真结果证明该系统有较好的控制效果。

基于电液伺服系统的非线性和不确定性本文提出了用系统辨识的方法对电液伺服系统参数进行过程辨识将系统模型的非线性影响转化为系统最小误差的控制使非线性和不确定因素对系统的影响大大减小从而提高了电液伺服控制系统的控制精度和鲁棒性。

介绍了LabVIEW及其在系统辨识上的应用并利用其辨识工具箱开发出一套应用于机电液系统动态特性的辅助辨识软件。辨识结果表明整个辨识系统设计合理辨识结果准确可靠对机电液系统辨识具有较好的通用性。

针对铁马工程中液压振动台在实际应用时不能达到预期控制效果的问题，利用神经网络具有逼近任意非线性映射的能力，使用BP神经网络对液压振动台中的核心设备液压伺服阀进行模型辨识。仿真结果表明这种方法能有效地对液压伺服阀进行辨识，辨识出的模型为设计合理的控制方法提供了理论依据。

针对阀控液压对称执行机构频率响应数据模型辨识问题提出了一种功率谱估计闭环间接辨识方法并分析了传感器分辨率、信号数据长度、窗函数、数据分段对辨识精度的影响。该方法首先使用改进的扫频信号对阀控液压对称执行机构进行扫频测试然后对数据进行功率谱估计闭环间接辨识得到液压执行机构开环频率特性最后对各种因素对辨识精度的影响进行了仿真分析。仿真结果表明：使用功率谱估计进行参数辨识时传感器分辨率和精度越高、激励数据越长使用hamming窗函数、2分段数据进行辨识信号前处理可得到更高的参数辨识精度。

提出了构造单分辨和多分辨高斯调制函数的新思路.基于数字积分原理,推导了调制积分滤波器的结构,得到直接以线性连续系统模型参数表示的等价辨识模型.利用离散模型辨识的研究成果,建立了连续动力学系统模型参数直接估计的最小二乘法和辅助变量法.研究了调制滤波器参数与辨识精度的关系,并以此得到调制函数参数的设计依据.成功辨识了某轧机液压AGC压力闭环系统的连续动力学参数模型,验证了方法的正确性.

通过建立先导式电液比例减压阀的数学模型和Simulink模型,通过对Simulink模型施加正弦扫频信号,获得系统的频率特性,并采用加权最小二乘曲线拟合法对系统进行辨识,给出了出系统数学模型的辨识参数,将系统的辨识模型与Simulink模型进行了对比仿真,验证了辨识模型的准确性,为以后比例减压阀的控制提供合适的系统描述。