本论文主要利用人工智能、神经网络自适应控制、寻优策略和基于Bang-Bang控制的智能开关预测控制理论对电气设备辐射电磁骚扰自动测试控制系统进行了较全面和深入的研究，取得了一定的研究成果，具有现实意义和实用价值。以下列出本论文主要研究工作的内容和创新点： 1．针对电磁骚扰测试转台的特殊要求，设计了一种利用神经网络自适应控制的测试系统，并提出了一种基于PID型的二阶BP快速学习算法。仿真结果表明，应用此控制方法可以实现电磁骚扰测试转台系统响应速度快、超调量小、控制效果好及抗干扰能力强的优点。 2．快速、准确和自动地测量出电气设备辐射电磁骚扰最大场强，是衡量一个控制系统的关键。在结合全局随机搜索与局部寻优算法优点的基础上，提出了一种基于动态聚类算法的电磁骚扰测试寻优控制策略。首先全局范围内随机搜索，再把样本较大的点进行基于遗传算法的动态聚类，各聚类的范围作为搜索子空间并行进行搜索，继续分类缩小搜索空间并行搜索，直到收敛．仿真结果表明，本算法收敛速度快，搜索效率高，适用优化领域广。 3．基于电气设备辐射电磁骚扰场强的大小和频率、方向等因素有关，可能会出现多个局部极值点，提出了以梯度下降搜索法所得优化点为起点，先利用Logistic映射作为混沌序列发生器进行大尺度搜索，然后利用Ulam-Von Neumann映射作为混沌序列发生器进行逐渐减小尺度搜索，即逐步缩小混沌搜索的空间，直至在多局部极值点中找到另一个更优解后，即时退出混沌搜索；再以混沌搜索得到的新的优化点为起点，用变步长梯度下降法继续搜索，从而加快搜索速度，以便更快地找到全局优化点。通过仿真实验验证了自适应混沌梯度优化算法既具有快速性，又具有全局收敛性，是一种行之有效的优化算法。 4．基于电气设备辐射电磁骚扰场强的大小和方向有关，可能会表现出一定的变化规律，提出了一种结合确定性优化方法(如梯度下降算法)和随机搜索方法优点的随机搜索全局收敛算法。一方面它通过分布在最优解周围随机点群的转移克服陷入局部最优解；另一方面它在转移过程中，通过随机点群目标函数变化趋势判断最有可能的迭代方向，并在该方向上进行搜索，加快搜索进程。仿真实验表明，随机搜索全局收敛算法能以较快的速度和较高的概率实现全局最优搜索。 5．电气设备辐射电磁骚扰测试是通过接收天线在1-4m或2-6m的天线塔上不断移动，寻找最大骚扰场强。为了使接收天线以稳、准、快及强的鲁棒性定位到最大骚扰场强位置，提出了一种基于Bang-Bang控制的智能开关预测控制算法。该算法根据离散卷积定理提炼出一组新型控制信号集，设计了新的切换方程和减速规律，并在开关控制框架下，实施有阀值信号制约的最小拍增量控制，全面改善了预测控制的策略和算法，使控制系统动态性能良好，过渡过程时间小于理想开关控制过渡过程，且单调衰减，原理上稳态无静差，系统反应时间短，定位精度高，对输出扰动具有一定的鲁棒性，而且适用范围更加广泛。仿真结果表明了该控制算法的有效性。