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。

针对大时滞、大惯性负载变频泵控马达调速系统动态性能差的特点提出了采用极点配置最优预报自校正PID控制.介绍了极点配置最优预报自校正PID控制器的结构和算法.仿真结果表明基于极点配置最优预报自校正PID控制器不仅具有良好的动态特性很强的鲁棒性和自适应性而且调节快速参数整定方法简单.

针对液压关节机器人存在参数不确定性及外界干扰的特点。通过构造一合适的储能函数，设计了一种鲁棒自适应跟踪控制器作为内环控制器，利用所选的评价函数，将外界干扰有效的抑制在希望的给定指标下，并且对参数变化具有完全的自适应性，实现了系统的渐近跟踪。为了抑制机器人装配和磨损引起的几何参数变化，设计了基于参数辨识的自适应补偿控制器作为外环保证机器人位置控制的精度。实验和仿真都表明双环自适应控制的有效性。

采用描述函数法,利用线性系统的理论和方法对电液系统进行频域分析,并且引入逻辑切换的非线性特性使其动态性能显著提高,和其它现代控制的状态反馈法相比,该方法具有简单、可行性高的优点.