神经网络具有非线性映射和自学习能力,已成功应用于多种类型复杂系统的建模。本文主要研究了基于神经网络的某扫雷犁电液伺服系统建模。首先,对某扫雷犁系统及获取其建模数据的方法进行了介绍。其中,简要叙述了扫雷犁电液伺服系统的软硬件组成和工作原理,采集了系统输入输出作为建模数据。然后,讨论了电液伺服系统的几种建模方法。介绍了基于机理建模和智能建模的五种方法,分别构造了系统模型,对各模型进行了详细分析。基于以上工作,研究了基于神经网络的扫雷犁电液伺服系统建模。针对最常见的多层感知器(MLP)神经网络和径向基函数(RBF)神经网络,采用了四种典型学习算法,分析了各模型的性能后,得到RBF神经网络适合于此系统的建模。针对RBF神经网络的设计,提出了两种基于遗传算法的网络优化方法。首先提出采用遗传算法确定RBF神经网络参数。后又考虑到RBF神经网络设计包括结构确定和参数辨识两部分,故进一步提出了基于递阶遗传算法(HGA)的网络优化方法,可同时优化网络的结构和参数。实验结果验证了以上方法的有效性。提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)和HGA的优化方法,实现了RBF神经网络的多目标优化。本文提出采用多目标遗传算法——NSGA-Ⅱ对RBF神经网络进行求解,并针对出现的问题,设计了NSGA-Ⅱ和HGA相结合的方法,得到了一组Pareto最优解。最后,用得到的扫雷犁电液伺服系统模型设计了神经网络直接逆控制器,实验仿真结果验证了建模方法的可行性。