1.一种考虑状态受限的气动伺服系统自适应神经网络控制方法，其特征在于，按照以下步骤具体实施：

步骤1、进行气动位置伺服系统的建模，该气动系统的气腔A和气腔B内的压力方程如下：其中，pa和pb分别为气腔A和气腔B的压力， 和 对应两气腔中压力的变化情况，u为控制信号，fa(u,pa)和fb(u,pb)分别为流入气腔A和气腔B的气体质量流量，Aa、Ab分别为气腔A和气腔B的活塞截面积，y0为活塞初始位置，y为活塞位移， 为活塞运动速度，K是绝热指数，理想气体常数R＝287J/kg·K，空气温度T＝293K，对于气缸3的气腔A和气腔B，气体通过比例阀7的质量流量是控制量u和压强pa、pb的函数，表示为式(2)：

其中，ps为气源的压力，p0是大气的压力，ca1和ca2、cb1和cb2分别为对应的控制量增益系数，

根据牛顿第二定律，则有下式：其中，为活塞的加速度；Ff为摩擦力；M为活塞和负载的总质量，最终的气动系统的数学模型如式(4)所示：其中， 分别为流入气腔A和气腔B的气体质量流量，若将摩擦力Ff和其他未建模因素视为干扰，则得到气动系统的三阶线性模型如下：其中，x1＝y为活塞位移，x2为活塞速度，x3为活塞加速度，f(x1,x2,x3)是模型中的未知函数，b为一个未知参数，Δu为比例阀零点，d为包含摩擦和未建模动态的内外部扰动，状态xj满足

定义一个新的扰动项d1＝d+bΔu，令 为d1的估计值，估计误差为 则式(5)重新表示为：

(j) (j)

假设：参考位置信号yd(t)及其j阶导数yd (t),j＝1,2,3满足 |yd(t)|≤Bj，其中B0,B1,...,B3均是正常数，且步骤2、设置气动系统的自适应神经网络控制器，定义Nussbaum函数用于解决系统控制方向未知的问题，如果N(ζ)满足：2

则被称为Nussbaum函数，选取N(ζ)＝ζcos(ζ)，dζ表示该式关于参数ζ求积分，定理：对于任意的z∈R，若其满足|z|＜k，则下面不等式成立：结合反步设计技术，首先定义跟踪误差为：其中，η1,η2为两个虚拟控制量，由上述控制器的设计过程可知系统误差均趋于零，结合式(9)和假设内容可得：同理能够确定

将控制器的信号u通过D/A转换器完成信号输出，实时调节气动系统活塞的位移量，即成。

2.根据权利要求1所述的考虑状态受限的气动伺服系统自适应神经网络控制方法，其特征在于：所述的步骤1中，假设该气动系统满足如下条件：(1)系统的工作介质为理想气体；

(2)气体在整个系统中的流动过程为等熵绝热过程；

(3)同一容腔内的各个点在同一瞬时气体压力和温度等都相等；

(4)忽略气缸内外的泄漏；

(5)活塞运动时，左右两腔内气体的变化过程为绝热过程；

(6)气源压力和大气压力以及气源温度恒定。

3.根据权利要求1所述的考虑状态受限的气动伺服系统自适应神经网络控制方法，其特征在于：所述的步骤2中，第一个误差变量z1的导数为：选取第一个障碍李雅普诺夫函数为：对式(11)求导，则有：令z2＝0，为了保证第一个子系统稳定，使 得到第一个虚拟控制量为：

其中，c1为正常数，

由于第一个子系统稳定，则得到

4.根据权利要求1所述的考虑状态受限的气动伺服系统自适应神经网络控制方法，其特征在于：所述的步骤2中，第二个误差变量z2的导数为：选取第二个障碍李雅普诺夫函数为：对式(15)求导，则有：令z3＝0，为保证第二个子系统稳定，令得到第二个虚拟控制量为：其中，c2为一个正常数，由于第二个子系统稳定，得到

5.根据权利要求1所述的考虑状态受限的气动伺服系统自适应神经网络控制方法，其特征在于：所述的步骤2中，第三个误差变量z3的导数为：采用RBF神经网络逼近未知函数：T

其中，X＝[x1,x2,x3,z3] ， 为RBF神经网络的高斯基函数向量，5

中θq∈R 为中心向量，τq为宽度，l3＞1为神经网T T

络的节点个数，W为最优神经网络权重向量，ξ3＝WW，且满足0＜Φ (X,η2)Φ(X,η2)≤l3，于是得：

选取第三个障碍李雅普诺夫函数为：其中，m为正常数， 为ξ3的估计值，估计误差定义为对式(21)求导，则有：结合杨氏不等式确保第三个子系统稳定，最终得到控制器参数如下：其中，p、c3、k3和λ3均为常数，由于第三个子系统稳定，得到