本文对定量下料问题提出了利用动态称重方法的解决方案。文中具体分析了定量下料问题，建立了它的数学模型和参数辩识模型，然后提出利用下料速度积发得到下料质量的方法。文中推导了下料速度的计算公式，提出了利用双曲Ｈｏｕｓｅｈｏｌｄｅｒ限定记忆最小二乘法的计算方法。进行了样机设计和实验，实验结果表明该解决方法是可行的。

本文利用脉冲激光对一种薄膜热电偶进行了动态校准实验，采用系统辨识方法，从时域角度建立了薄膜热电偶传感器的动态数学模型，利用所建模型分析传感器的动态特性，给出了传感器的动态性能指标，并为改善其动态特性提供了依据。

为了改进液粘测功机的性能,设计液粘测功机的电液控制系统时希望得到液粘测功机准确的数学模型.利用系统辨识方法研究了液粘测功机系统的动态特性,首先辨识出线性子系统的模型,然后考虑系统的非线性,采用二阶无记忆非线性增益的Hammerstein模型对线性辨识结果进行了校正,得到了液粘测功机系统动态特性的传递函数,并用试验数据加以验证.试验结果表明,辨识模型可以较好地表征液粘测功机系统的特性.

气压伺服系统控制器的优化设计依赖于准确的系统模型。针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经网络辨识模型。通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结果表明:基于GA-BP神经网络的辨识模型精度较高,适用于非线性系统辨识。

该文对用传统的正弦信号输入法识别电液伺服阀动特性的理论和实践进行了探讨.设计了试验方案并编制了确定电液伺服阀数学模型的计算机拟合程序.通过辨识对一般力反馈型两级电液伺服阀的合理的数学模型也进行了探讨.

针对存在着非线性的液压伺服系统本文提出采用Elman网络实现对系统的辨识.Elman网络具有计算量小、泛化能力强、可以实现对动态系统的辨识等特点.仿真结果表明该网络及其辨识结构学习效率高、逼近速度快和不需要对系统的先验知识可以实现对液压伺服系统的辨识.

为了确保比例伺服系统性能可靠必须监测电液比例伺服系统的临界参数以判断故障是否会出现。利用最大似然估计方法对系统进行参数估计获得临界参数的概率分布从而提高了整个系统的动、静态特性。

针对电液伺服系统非线性建模问题，研究了电液位置伺服系统神经网络辨识模型的基本结构。分析伺服系统动态模型的输入、输出关系，依据遗传算法优化神经网络权值和阈值，建立神经网络辨识模型的基本结构。利用xPC技术建立阀控缸实时电液伺服实验台，以实验台的阶跃输出信号作为改进BP神经网络系统辨识信号，以实验台正弦输出信号作为验证信号。结果表明：该神经网络辨识模型的基本结构可达到较高的辨识精度，其可信性得以验证，适用于非线性系统模型辨识。

本文采用三种输入信号(正弦、脉冲、伪随机信号)对国产QDY型电液伺服阀进行试验,再应用系统辨识的理论和方法求出其动态数学模型,并对这三种不同输入信号的辨识方法加以分析比较.

将自适应逆控制理论和系统辨识方法应用在六自由度并联机器人计算机软件控制上，设计了基于液压伺服回路的自适应逆软件控制器，取得了六自由度并联机器人总体动态响应优化的满意效果。