安徽理工大学：《智能控制及仿真》课程教学资源（课件讲义）第9章 神经网络控制

图9-2为神经网络直接逆控制的两种结构方案。 在图9-2(a)中，NN1和NN2为具有完全相同的网络结 构，并采用相同的学习算法，分别实现对象的逆。 在图9-2(b)中，神经网络NN通过评价函数进行学习， 实现对象的逆控制

图9-2为神经网络直接逆控制的两种结构方案。 在图9-2(a)中，NN1和NN2为具有完全相同的网络结 构，并采用相同的学习算法，分别实现对象的逆。 在图9-2(b)中，神经网络NN通过评价函数进行学习， 实现对象的逆控制

y.) ut) NN1 对象 e() Nn2 u,( (a)

对 象 y t d et yt u t n ut NN1 NN2 +-

y.() u() NN 对象 x) E( 评价函数 (b) 图9-2 神经网络直接逆控制

对 象 y t d Et ut yt NN 评价函数 （b）

9.2.3神经网络自适应控制 与传统自适应控制相同，神经网络自适应控制也 分为神经网络自校正控制和神经网络模型参考自适应 控制两种。自校正控制根据对系统正向或逆模型的结 果调节控制器内部参数，使系统满足给定的指标，而 在模型参考自适应控制中，闭环控制系统的期望性能 由一个稳定的参考模型来描述

与传统自适应控制相同，神经网络自适应控制也 分为神经网络自校正控制和神经网络模型参考自适应 控制两种。自校正控制根据对系统正向或逆模型的结 果调节控制器内部参数，使系统满足给定的指标，而 在模型参考自适应控制中，闭环控制系统的期望性能 由一个稳定的参考模型来描述

1神经网络自校正控制 神经网络自校正控制分为直接自校正控制和 间接自校正控制。间接自校正控制使用常规控制 器，神经网络估计器需要较高的建模精度。直接 自校正控制同时使用神经网络控制器和神经网络 估计器。 (1)神经网络直接自校正控制 在本质上同神经网络直接逆控制，其结构如 图9-2所示