本文研究的液压动力系统采用永磁伺服电机带动齿轮泵作为液压动力源，不仅具备结构简单、高可靠性、较宽调速范围、高节能率的优点，而且克服了传统液压系统结构复杂、高能耗等诸多不足，容易实现闭环控制。目前在控制策略上仍然广泛采用PID控制，由于液压系统在负载变化时流量和压力的强耦合特性，控制对象仍然具有不确定、时变和高度非线性[129]，采用简单PID线性控制器往往不能得到较好的控制性能。为此出现了多种先进控制技术结合智能控制运用到液压系统中都取得好的控制效果。目前，由于智能控制的基础理论发展仍不完善，所以各种智能控制方法的综合应用还存在许多需要我们改进的地方。因此，本论文结合模糊逻辑、神经网络、遗传算法、粒子群等优化算法，旨在设计出能提高液压动力源控制品质的控制器，并研究其参数优化方法。具体创新点和研究工作包括以下内容：(1)利用解析法对永磁交流伺服电机驱动定量泵（液压动力源）进行了数学建模。在分析永磁电机物理方程、转矩方程及其基于坐标变换的三环调节矢量控制系统的基础上，用MATLAB的simulink搭建了永磁伺服电机驱动定量泵的系统仿真模型，为后续章节控制系统的设计提供仿真平台，为研究控制参数优化算法提供理论支持。(2)遗传算法中如果交叉率及变异率保持不变，极易引起过早收敛、陷入局部极值等问题，针对上述问题提出了利用模糊控制器调整交叉率及变异率的遗传参数自适应调整算法，提高算法的收敛速度和获得全局最优解的能力。通过对永磁电机驱动的液压系统流量进行常规优化方法和改进遗传优化方法控制的对比，仿真和实验结果表明：改进遗传优化方法，可使系统在复杂工况下，保持良好的控制性能,并且具有较高的控制精度和鲁棒性。(3)由于实际的液压系统参数存在时变性，系统易受外界载荷的干扰，具有非线性、强耦合的特征，难以建立准确的数学模型，针对上述问题采用了粒子群结合BP混合优化算法，优化前向神经网络PID控制系统。该控制系统PID控制器参数可通过神经网络自学习调整，该控制策略较好的结合了粒子群优化算法和BP算法的优点，先用粒子群算法离线优化后用BP算法在线优化控制器参数。并将其运用于永磁伺服电机驱动的液压系统中，仿真结果验证了该系统在各种典型工况下良好的动静态性能。(4)智能控制方法的综合应用可以扬长避短、相得益彰。针对液压系统的非线性、强耦合特征，本文采用了一种新的神经网络控制方法，融合了模糊控制、神经网络及PID控制各自的特征。将专家推理和神经网络的自学习功能相结合，使神经网络的性能更加完善，同时采用RBF网络在线辨识，向神经网络控制器提供变化的梯度信息，进一步提高系统的控制性能。对液压动力系统进行了典型工况下的流量跟踪控制仿真。仿真结果验证了本文的综合控制方案优于单一控制方法，系统的各项控制指标均得到提高。（5）在深入研究传统PID控制和模糊控制原理的基础上，分别实现了变频调速液压动力源流量的实时在线控制。并结合具体的工况分析了传统PID和模糊控制各自的特点，得出模糊控制在液压系统正弦加载的工况下具有比PID控制更强的鲁棒性的结论，较适合于载荷频率变化较快的场合应用。（6）由于PID控制算法简单易行，大多数工业控制仍采用传统PID控制，在具体应用时存在一定缺陷,如：响应快速和超调小很难同时达到最优，所以在要求较高的场合PID控制不能满足要求。针对上述问题论文提出了模糊PID串联复合控制策略，充分将模糊控制的快速性与PID控制精度高的特点相结合，实现了液压动力源流量的实时在线控制，实验结果表明：复合控制响应快速、无超调、精度高，控制性能明显优于单一控制方法，适合控制要求较高的场合。