静液压传动系统（Hydrostatic transmissison,HST）是一种完全封闭式的液压系统,主要包括液压泵、马达和液压控制阀等多种液压器零部件。相比传统的纯机械传动和液力传动,HST有着结构简单,工作可靠,调速性能好的优点,被广泛应用于中低速行走的农业机械和工程车辆。HST不仅具有良好的无级变速、变矩的特点,还可以进行多样的调速和控制。而控制方式的不同会直接影响HST的性能,如何使HST的调控更为准确迅速,有效地发挥HST的工作性能,提高HST的可靠性,是静液压传动技术研究的关键问题之一。HST现有的控制技术主要有电液伺服控制、PID控制和模糊控制等传统的控制方法。而这些传统的控制方法在HST的动态调节和多变量控制方面的性能较差,为提高HST的整体工作性能,急需探究更有效的控制方法。针对该研究现状,本文提出采用BP神经网络控制（Back propagation neural network control）和模型预测控制（Model predictive control,MPC）对拖拉机中HST的控制系统进行研究并进行优化。首先,基于HST的数学模型和传递函数,在Matlab环境下建立HST的仿真模型;对比研究了PID控制、模糊控制和BP神经网络控制三种方法对HST中变量泵-定量马达系统仿真试验,以期获得BP神经网络控制在非线性系统控制中的优势,进而采用BP神经网络对变量泵-变量马达系统进行分段控制。其次,基于状态空间方程对HST中变量泵-定量马达系统建模,采用粒子群优化算法对MPC中不确定的超参数（预测时域和控制时域）进行参数寻优,以期提高MPC控制下的HST的工作性能。最后,基于所搭建的静液压传动试验台,对BP神经网络控制和MPC控制下的HST的性能进行实验验证。研究结果表明:1)BP神经网络控制相比PID控制和模糊控制,能有效提高HST的转速响应速度,减小超调量,具有较好的鲁棒性;BP神经网络控制器对HST分段控制可以增大系统的调速范围,减小因控制阶段的切换和负载变化所产生的转速波动,增加系统的稳定性,为今后的变量泵-变量马达系统的同时控制奠定基础。2)采用MPC控制的HST能在0.81s内完成马达转速从零到期望值为1200r/min的调速过程,同时马达输出转速的超调量降为3.5%,系统的控制性能明显提高。针对0-600r/min范围内定长变化的期望转速和不同的外部负载,MPC都有着较快的响应速度和较小的超调量,使系统具有良好的静动态特性。3)在台架试验中,采用MPC控制的HST的马达转速能在2.11s内完成从零到达500r/min的期望转速,超调量为1.6%;BP神经网络控制的HST的马达转速达到稳定的时间为2.23s,系统的超调量几乎为零。两种控制方法的实验结果和仿真试验结果基本一致,都能较好地提高系统的响应性和稳定性。同时,在加速、减速或者启动状态,BP神经网络和MPC对HST都有着良好的控制性能,使马达的转速平稳输出且波动较小,达到了快速、准确及动态误差小的效果。