近年来，电液伺服系统已经被广泛地应用于航空、冶金、机械、汽车、雷达等重要领域。它综合了电气和液压两方面的特长，具有控制精度高、响应速度快、输出功率大、信号处理灵活、易于实现各种参量的反馈等优点。然而，随着电液伺服技术的发展与应用领域逐步推广，以及人们对控制品质要求的不断提高，对电液伺服系统的要求也越来越高，电液伺服系统中传统PID控制的地位发生了动摇。这主要是由电液伺服系统的典型未知不确定性和非线性特性所决定的，使得系统精确的数学模型难以获得。即使对其能够建立数学模型，其模型也往往过于复杂，使得基于精确数学模型的传统控制方法的分析设计和实施变得非常困难。第三代基于知识和不依赖于精确数学模型的智能控制给这类问题的解决带来新的思路。其中，模糊控制和神经网络控制是智能控制的两大分支，针对它们的深入研究和广泛应用，对推动整个智能控制的研究及发展起着举足轻重的作用。此外，遗传算法是基于自然选择和基因遗传学原理的搜索算法，它具有强大的空间搜索能力，它尤其适用于传统搜索方法难以解决的复杂和非线性问题，可广泛用于组合优化、机器学习、自适应控制、规划设计和人工生命等领域。 众所周知，作为电液伺服系统的控制策略是影响电液伺服系统性能的主要因素，由于系统具有非线性不确定特性，本文将智能控制应用于电液力伺服系统中，利用计算机强大的计算分析能力和良好的人机界面实现智能控制和系统的监控。本文就是在此基础上，将模糊控制、神经网络控制有效的融合，研制出基于BP神经网络的模糊PID控制器，用以对电液力伺服系统进行智能控制。课题即是研究电液力伺服系统的智能控制问题。 本文主要的研究成果如下： (1)根据电液力伺服系统的原理和性能要求，设计并实现了上下位机的控制系统，采用可编程控制器作为现场控制，使用工业控制计算机对系统进行监控，利用其强大的计算能力实现系统的智能控制； (2)利用传统的PID控制原理、模糊神经网络控制原理设计了一种基于BP神经网络的模糊PID控制器，通过连续论域上的模糊量化和归一化处理以及BP神经网络的自学习、自适应能力，来实现PID的比例系数的最优控制律下的模糊神经网络调节； (3)利用面向对象的编程工具VC6.0为开发工具进行软件编程，用模块化的方法设计了监控软件，实现了串口通信模块、信号发生器、实时数据显示和存储以及数据分析等功能，并调用了基于BP神经网络的模糊PID控制器进行了电液力伺服系统的仿真分析； (4)采用COM组件的方式实现系统的智能PID控制器的调用，COM为组件软件和应用程序之间进行通信提供了统一的标准，它为组件程序提供了一个面向对象的活动环境。COM规范所定义的组件模型，除了面向对象的特性和客户/服务器特性这两个基本特性之外，还有COM规范的语言无关性、对进程的透明性和它的可重用机制，因此，在调用智能PID控制器时只需关心其接口，使得监控软件具有很强的扩展性。本文主要完成了以下工作： 结合具有典型非线性和时变特点的电液力伺服系统，提出了一种模糊神经网络并行自学习鲁棒自适应跟踪控制结构。进一步将其中的模糊神经网路结构改进为T-S型模糊、BP神经网络结构的控制方案，取得了令人满意的控制效果，并将其应用于电液力伺服系统，仿真结果表明了该方案的有效性。