为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

由于目前对综合校验仪的热电偶温度测量和模拟热电偶功能的检定没有统一的检定方法，特别是对于具有冷端参考温度自补偿功能的该类校验仪。本文对此提出了一种对该类参数进行检定的方法，对于具有冷端补偿的校验仪，检定中易受环境温度影响，利用冰瓶和补偿导线来抵消其内部产生的补偿电势，试验证明该方法具有一定的可行性。

针对非对称液压缸正反向运动的不对称性对位移控制精度的影响,为了提高阀控非对称液压缸伺服系统位移控制精度,设计了根据液压缸运动方向选择对应模糊PID位移控制器的位移闭环及速度前馈复合控制方案。搭建了基于ADAMS,AMESim和Simulink的阀控非对称液压缸伺服系统联合仿真模型。研究表明,采用速度前馈控制系统响应更快;采用对应变模糊PID位移控制器控制策略,非对称缸换向跟踪期望位移的精度更高。

针对非对称缸位置跟踪控制精度较差,提出了一种基于非线性自回归平均滑动离散模型(NARMAX)和量子粒子群算法的神经网络预测控制策略(QPSO-NNMPC)。利用NARMAX模型表示阀控非对称缸的动态模型,使用粒子群算法优化BP神经网络(PSO-BP)对阀控非对称缸系统在线预测,使用量子粒子群算法(QPSO)对目标函数非线性优化。仿真结果表明,在不同频率期望信号与变干扰力情况下,该控制策略具有良好的跟踪效果和鲁棒性。