该文研究了一种全新的广义模糊RBF网络及其在电液位置伺服系统控制中的应用,并对所提出控制算法的收敛性、系统的稳定性和鲁棒性进行了相应的理论研究.主要内容包括:(1)提出了一种广义模糊RBF网络模型,证明了其和广义模糊模型具有函数等价性,并分析了广义模糊RBF网络的万能逼近能力.该网络具有更加优良的逼近性能,可以采用更少的隐层单元数目,减小了网络训练时间,同时保留了RBF网络输出层的线性性质.(2)提出了结构简单、实时性好的广义模糊RBF网络学习控制策略.采用专家知识预先选取部分网络参数,并利用神经网络学习算法在线优化.提出采用类似模糊控制的量化因子概念,增强了算法的通用性.该控制方法不仅可以确保控制系统的稳定性和鲁棒性,而且可以提高系统的精度和自适应能力.(3)基于广义模糊RBF网络的一步超前预测控制算法与采用两个网络的预测控制算法相比较,结构简单,实时性强.首次证明了算法的收敛性,并基于Lyapunov方程推导了系统的稳定性条件.(4)基于RBF网络的自适应逆控制系统利用网络良好的逼近性能和较快的收敛速度,将对象的动态响应控制和对于扰动和噪声的消除分别做自适应,使得在增强系统鲁棒性的同时,而不影响系统的控制精度.(5)首次提出一种基于RBF网络的具有H∞跟踪性能的自适应滑模控制方案.采用RBF网络来逼近系统的非线性,引入H∞跟踪设计技术设计控制律,解决了常规滑模控制中扰动上限不易确定的问题.(6)对提出的控制方案,针对典型非线性系统进行了仿真研究,并进行了电液位置伺服系统的仿真和实验工作,取得了较好的效果.