电液伺服控制系统因为具有功率密度大和控制精度高等优势,所以在机器人、国防工业等领域被广泛应用。精确的数学模型是实现高品质液压伺服控制的重要前提,但由于液压伺服系统控制机理复杂且存在大量参数和结构不确定性,仅通过机理分析难以获取其精确的数学模型。为解决此问题,本文采用模糊辨识建立阀控非对称缸液压伺服系统的数学模型。模糊辨识是一种基于数据的先进建模方法,仅通过系统输入输出数据即可获取准确的数学模型,在电网系统、食品行业等领域被广泛应用。本文通过开展阀控非对称缸液压伺服系统实验获取输入输出数据,基于模糊辨识思想,建立液压伺服系统精确模型,为进行系统分析和控制设计提供基础,旨在提高阀控非对称缸液压伺服系统的控制精度和鲁棒性。本文对基于模糊辨识的液压伺服系统建模方法进行了深入分析和研究,具体的研究工作如下:首先,在Takagi-Sugeno模糊模型的结构辨识中,从定性定量两方面分析比较模糊C均值聚类算法和Gustafson-Kessel聚类算法的聚类效果,并结合仿真实例验证了Gustafson-Kessel聚类算法的优越性;应用集群有效性度量函数和兼容集群合并算法选取了最优的聚类中心数,仿真结果表明基于最优聚类中心数辨识的模糊模型具有较高的辨识精度和较好的模型质量。然后,在Takagi-Sugeno模糊模型的参数辨识中,分析比较了总最小二乘算法、局部加权最小二乘算法和全局最小二乘算法的特点,仿真结果表明基于全局最小二乘算法辨识的模糊模型具有较高的辨识精度,表明了全局最小二乘算法的优越性。最后,通过实验采集了阀控非对称缸液压伺服系统的输入输出数据。基于实验数据集和Takagi-Sugeno模糊模型的建模及优化方法,建立了具有较高辨识精度的阀控非对称缸液压伺服系统数学模型,为进行系统分析和控制设计提供基础。辨识模型与实测数据对比表明了模糊辨识在电液伺服系统辨识领域的优越性和有效性。