第9章神经网络控制 9.1概述 神经网络是一种具有高度非线性的连续时间动力 系统，它有着很强的自学习功能和对非线性系统的强 大映射能力，已广泛应用于复杂对象的控制中。神经 网络所具有的大规模并行性、冗余性、容错性、本质 的非线性及自组织、自学习、自适应能力，给不断面 临挑战的控制理论带来生机
9.1 概述 神经网络是一种具有高度非线性的连续时间动力 系统，它有着很强的自学习功能和对非线性系统的强 大映射能力，已广泛应用于复杂对象的控制中。神经 网络所具有的大规模并行性、冗余性、容错性、本质 的非线性及自组织、自学习、自适应能力，给不断面 临挑战的控制理论带来生机
从控制角度来看，神经网络用于控制的优越性主 要表现为： (1)神经网络可是处理那些难以用模型或规则描述的 对象； (2)神经网络采用并行分布式信息处理方式，具有很 强的容错性； (3)神经网络在本质上是非线性系统，可以实现任意 非线性映射。神经网络在非线性控制系统中具有很大的 发展前途；
从控制角度来看，神经网络用于控制的优越性主 要表现为： （1）神经网络可是处理那些难以用模型或规则描述的 对象； （2）神经网络采用并行分布式信息处理方式，具有很 强的容错性； （3）神经网络在本质上是非线性系统，可以实现任意 非线性映射。神经网络在非线性控制系统中具有很大的 发展前途；
(4)神经网络具有很强的信息综合能力，它能够同时 处理大量不同类型的输入，能够很好地解决输入信息 之间的互补性和冗余性问题； (5)神经网络的硬件实现愈趋方便。大规模集成电路 技术的发展为神经网络的硬件实现提供了技术手段， 为神经网络在控制中的应用开辟了广阔的前景
（4）神经网络具有很强的信息综合能力，它能够同时 处理大量不同类型的输入，能够很好地解决输入信息 之间的互补性和冗余性问题； （5）神经网络的硬件实现愈趋方便。大规模集成电路 技术的发展为神经网络的硬件实现提供了技术手段， 为神经网络在控制中的应用开辟了广阔的前景
神经网络控制所取得的进展为： (1)基于神经网络的系统辨识：可在已知常规模型结构 的情况下，估计模型的参数；或利用神经网络的线性、 非线性特性，建立线性、非线性系统的静态、动态、 逆动态及预测模型； (2)神经网络控制器：神经网络作为控制器，可实现对 不确定系统或未知系统进行有效的控制，使控制系统 达到所要求的动态、静态特性； (3)神经网络与其他算法相结合：神经网络与专家系统、 模糊逻辑、遗传算法等相结合可构成新型控制器；
神经网络控制所取得的进展为： (1) 基于神经网络的系统辨识：可在已知常规模型结构 的情况下，估计模型的参数；或利用神经网络的线性、 非线性特性，建立线性、非线性系统的静态、动态、 逆动态及预测模型； (2) 神经网络控制器：神经网络作为控制器，可实现对 不确定系统或未知系统进行有效的控制，使控制系统 达到所要求的动态、静态特性； (3) 神经网络与其他算法相结合：神经网络与专家系统、 模糊逻辑、遗传算法等相结合可构成新型控制器；
(④)优化计算：在常规控制系统的设计中，常遇到求解 约束优化问题，神经网络为这类问题提供了有效的途 径 (⑤)控制系统的故障诊断：利用神经网络的逼近特性， 可对控制系统的各种故障进行模式识别，从而实现控 制系统的故障诊断
(4) 优化计算：在常规控制系统的设计中，常遇到求解 约束优化问题，神经网络为这类问题提供了有效的途 径； (5) 控制系统的故障诊断：利用神经网络的逼近特性， 可对控制系统的各种故障进行模式识别，从而实现控 制系统的故障诊断