针对柔性环节含有的谐波减速器所表现出的特殊非线性迟滞特性,构建了由SDH模型与神经网络串联的谐波减速器的混合迟滞模型。以输入与输出信号之间具有与谐波减速器迟滞曲线相似迟滞特性的SDH模型为前置模型,以补偿前置模型在描述迟滞特性时存在的误差的非线性动态RBF神经网络作为后置模型,构成了混合迟滞模型,描述谐波减速器迟滞非线性特性。根据所搭建的实验平台,对不同频率输入信号、不同负载状态下获得的数据进行建模,与经典RBF神经网络模型和SDH模型相对比,实验表明,所构造的混合迟滞模型精度高、适应性强。

针对液压系统的强非线性、参数时变特性,提出一种基于误差预处理的反馈线性化自适应控制器。采用RBF神经网络对液压系统进行辨识与建模;为了实现快速高精度的位置输出,对误差进行预处理,调节误差增益,使其增益能够随误差变化而变化,实现:小误差时大增益,加快响应速度,提高控制精度;大误差时小增益,防止系统超调。基于误差预处理,利用反馈线性化方法,设计了控制器及自适应律。仿真结果表明:在反馈线性化结合误差预处理的作用下,系统的响应速度及控制精度均优于反馈线性化控制。

液压伺服系统位置控制的结构和非结构的不确定性阻碍了其控制精度的提高。对于结构的不确定性可以采用非线性自适应控制以实现渐近跟踪性能。但在液压系统中经常会出现如非线性摩擦此类非结构的不确定性导致跟踪精度的降低。提出一种不完全微分反演变结构控制器实现基于摩擦补偿的液压伺服系统的位置控制。该控制器以反演设计为基础融入滑模变结构控制利用滑模变结构在滑动模态下对控制系统参数变化和外部干扰的完全不变性解决系统结构的不确定性问题;结合摩擦补偿解决系统非结构的不确定性问题;引入不完全微分弱化控制器的微分效应减小纯微分突变信号带来的干扰不完全微分产生的滤波效应可以抑制滑模变结构存在的抖振。从理论上证明了在各种不确定性存在的情况下系统的渐近跟踪性能仿真实验验证了所提出的控制策

针对电液位置伺服系统（阀控对称缸）模型复杂、参数时变、摩擦影响显著等特点，提出了基于RBF神经网络和基于LuGre模型的自适应滑模控制算法。该算法的优点是：（1）利用RBF神经网络逼近控制电流与系统输出压力的关系，将电液位置伺服系统的数学模型简化为二阶，减少了模型参数；（2）采用LuGre模型能够准确地描述摩擦过程中复杂的动、静态特性，通过该模型设计摩擦补偿，提高了控制精度；（3）设计自适应滑模控制器，增强了系统的鲁棒性。利用构建的李雅普诺夫函数，证明了闭环系统的稳定性。仿真实验表明：所提算法控制精度较高、响应速度较快、鲁棒性较强。