该文采用神经网络技术研究飞机液压余度舵机系统的故障诊断,着重研究多通道系统发生故障时,故障的检测与解耦,单通道工作时关键部件的实时诊断.通过对液压系统的故障诊断发展状况的分析,指出新理论与传统方法的结合使液压系统故障诊断呈现了新的活力,同时指出了液压伺服系统故障诊断技术中存在的关键问题如:检测鲁棒性、小幅值故障诊断以及故障定位等.全面分析了动态神经网络的动态引入机制,证明了NARX网络具有与全联接神经网络相同的逼近能力,为利用NARX网络进行非线性动态系统建模奠定了理论基础.从预测模型出发,建立了多步预测模型,给出了其相应的网络实现——NARX网络,从理论上证明了对于动态建模问题NARX网络的存在性,并对网络的收敛性进行了分析,针对具体网络,给出了网络收敛的充分条件.在充分分析各种递归神经网络训练算法的基础上,针对基于多步预测的NARX网络的特点,改进了动态梯度法,使梯度计算更加合理,更适用于多步预测神经网络.提出了基于多步预测神经网络的液压伺服系统的故障诊断策略,采用全局检测模型及局部模型、静态模型相结合的思想,最大限度地利用系统有限检测量以及元部件之间存在的各种动态、静态关系即解析余度,完成液压伺服系统的故障检测与定位,其中着重分析了电液伺服阀的故障.仿真分析表明,该策略不仅能够实现所有故障的实时检测,还能够实现电液伺服阀故障的实时定位.在阐述多变量控制系统辨识方法的基础上,充分利用系统可测量,采用对余度系统子系统分别建模的思想,利用多步预测神经网络分别建立余度系统的动态检测子模型.该模型不仅描述了系统在相应控制信号作用下子系统的行为,还充分描述了子系统之间的耦合作用,能够实现余度伺服系统的故障诊断.针对液压余度系统的仿真分析表明,基于多步预测神经网络的子系统检测模型能够实现余度系统故障的检测与定位,即故障的通道解耦.液压双余度舵机的实验研究,不仅很好地验证了基于多步预测神经网络对液压余度系统、液压位置控制系统的动态建模理论,还较好地验证了该文提出的余度系统、单系统的故障诊断策略,实现了所有故障的通道解耦,所有故障的检测与伺服阀故障的实时诊断.