由于气动伺服系统受非线性因素的影响,传统PID控制在解决高精度非线性控制问题时效果不理想。一种基于大脑情感学习控制器(Brain Emotion Learning Controller,BELC)的气动伺服系统压力控制方法被提出。首先,对气动伺服系统进行数学建模。然后,结合气动系统非线性和BELC控制特性进行算法改进,采用模糊控制对BELC权值学习率进行在线调节。最后,搭建实验平台分别对传统PID控制、BELC控制及改进的模糊BELC控制进行实验,结果表明:改进后模糊BELC算法有效提高了气动伺服系统的控制精度和响应速度,改善了气动系统控制性能。

气动伺服系统是典型的非线性系统,因气体的可压缩性及阀口流量的非线性等因素,传统的控制策略(如PID)的控制性能很难达到系统要求,对其实现高精度的压力控制尤为困难.针对比例流量阀及无摩擦气缸的气动伺服系统建立二阶数学模型,建模过程为控制算法提供一个大致精确的参考模型.之后,将自抗扰控制算法引入到伺服系统控制器设计中,并基于Labwindows CVI开发平台对该系统实现高精度压力控制.实验结果表明,相比较于传统PID控制器,自抗扰控制器具有控制精度高,响应速度快,抗干扰能力强等优点.

气动伺服系统存在纯时延、非线性、时变等特点，传统的控制策略（如PID控制）在解决非线性系统时效果不理想，因此提出一种无模型控制算法。此方法在被控对象结构复杂、参数时变时控制效果较好。首先对气动伺服系统进行建模，建模过程包括阀口流量、比例流量阀及缸内压力建立一个二阶模型；其次设计无模型自适应控制器（Model-Free Adaptive Controller，MFAC）用于气动伺服系统压力控制；最后利用LabWindows/CVI平台进行试验验证。结果表明，针对气动伺服系统设计的无模型控制器是有效的，相比于传统PID控制有更快的响应速度和更高的控制精度。

液压伺服系统广泛存在着非线性、强耦合、时滞等现象。并随着液压伺服系统复杂度增加,控制系统要求越来越高,传统的液压伺服控制策略(如PID)的控制性能很达到系统的要求。针对液压阀控非对称缸系统,首先分析并建立了阀控缸位置控制系统的动态数学模型。之后,引入改进型无模型自适应控制器,基于MATLAB仿真平台对该系统实现位置控制。仿真结果表明,相比较于传统PID控制器,改进型无模型自适应控制器的控制效果更为优越,在保证系统稳定性的前提下提高了系统输出响应速度。