考虑一个系统，将控制输入、输出信号作为系统的外部变量，内部状态作为反应系统运动行为的内部变量。解决某个控制系统问题，需要对其内部变量即系统状态进行观察测量，但是由于系统状态不能直接观测，想要取得系统的内部变量信息就比较困难，若要解决这一问题，就需要引入适当的状态反馈才能实现，通过系统状态的重构来代替真实存在的系统。研究系统状态重构问题即观测器设计问题，就是重新构造一个新的系统，将原系统中直接测量的输入和输出信号作为新系统的输入信号，配合某些特定条件，使新系统的输出渐渐收敛于原系统。本文在气动薄膜执行器的机理建模的基础上，搭建了Matlab/Simulink实验仿真平台，并通过对部分及整体特性的研究，采用了基于RBF神经网络自适应观测器设计方法和基于Elman神经网络的非线性观测器设计方法，来深入了解执行器系统的内部状态。首先对执行器机理模型建立神经网络观测器模型，将执行器系统中的非线性部分用两个未知非线性函数表示；然后搭建MATLAB/Simulink仿真模型，用两个神经网络模型分别对非线性函数进行逼近估计，通过不断调整网络模型中的权值，使得神经网络模型能够最大地估计执行器系统；最后在仿真平台上模拟故障发生，从最常见的薄膜穿孔故障和弹簧故障的实验结果分析得知，网络模型的残差信号能有效的实现对系统的监控，从而实现对系统的故障检测。然后针对执行器这个动态的复杂非线性系统，采用一种动态反馈神经网络--Elman神经网络，对其构建观测器模型。主要步骤如下：首先构建网络模型，包括输入输出层节点数目确定、样本的选取和处理，隐含层节点个数确定等；然后在提出的几种改进型学习算法的训练过程对比之后，选取了较理想的LM算法；最后对构建的网络进行训练，通过对学习速率、动量项、训练次数及权值等的多次实验，得到最优网络模型。最后主要对构建的Elman神经网络观测器模型进行验证。通过对气动执行器内部状态变量薄膜气室压力、继动器到薄膜气室的气体质量流量、力矩马达输出背压及阀杆位移量的观测，并将系统实际值与模型观测值进行比较，结果表明Elman观测器模型能够真实地反映系统状态趋势，对比观测效果及误差分析，证明了模型的可行性及实用性。