电液伺服系统因其响应速度快、控制精度高、输出功率大等优点,广泛应用于航空航天、机床、钢铁制造等众多领域。然而,电液伺服系统存在流量-压力特性、死区、饱和摩擦等非线性因素,传统的控制方法难以满足系统的控制性能。由于神经网络具有任意逼近非线性函数和并行计算等优势,而模糊逻辑控制是能够充分利用专家经验,通过模糊推理规则将输入量的模糊语言信息转化为控制输出的系统推理方法,广泛用于解决工业领域中复杂非线性系统的建模和控制问题。因此,本文以某武器火箭爆破扫雷器电液伺服系统为研究对象,采用遗传神经网络对系统模型进行辨识,并用模糊小波神经网络自适应控制策略对系统性能进行控制研究。论文首先介绍了火箭爆破扫雷器电液伺服系统结构组成和工作流程,并根据系统液压回路原理图,设计了基于AMESim和Simulink软件的系统联合仿真数据采集模型。通过联合仿真获取系统模型的输入输出数据,并构建了系统的传递函数模型。由于基于传递函数的数学模型无法准确描述火箭爆破扫雷器系统的非线性特性,本文通过引入系统辨识方法来建立能够描述接近于实际系统的模型,分别采用BP神经网络和遗传算法优化BP神经网络两种方法对系统进行建模。通过分析和对比两种辨识模型结果,得出了遗传算法优化的BP神经网络的辨识模型更接近实际系统,抗干扰能力强,泛化能力更好。在辨识模型的基础上,以自适应控制作为系统控制策略的设计基础,分别设计小波神经网络控制器和模糊小波神经网络控制器对系统进行控制。搭建系统仿真模型,通过MATLAB仿真分析,结果表明模糊小波神经网络自适应控制能够满足系统的性能指标要求。最后,将模糊小波神经网络自校正控制策略在液压实验平台上进行半实物仿真实验验证。实验结果表明,该控制策略所控制的系统具有响应速度快,控制精度高的优势,达到了期望的控制效果。