龙源期刊网 http://www.qikan.com.cn
基于神经网络的自适应控制
作者：蔡慧娟 范志宏 来源：《硅谷》2008年第24期
[摘要]神经网络与自适应控制相结合的研究，已成为智能控制的一个新的分支。自适应具有强鲁棒性，神经网络则具有良好的自学习功能和良好的容错能力，神经网络自适应控制由于较好地融合了两者的优点而具有强大的优势。 [关键词]神经网络 自适应控制 鲁棒性 收敛性
中图分类号：TP1 文献标识码：A 文章编号：1671-7597（2008）1220021－01 一、引言
人工神经网络（Artificial Neural Networks，ANN）一般简称为神经网络，它是由大量神经元相互连接而成的复杂网络系统。它反映人脑功能的许多基本特征，但不是对人脑神经网络系统的真实写照，而是对人脑生物神经网络的某种简化、抽象和模拟。其特点包括：自学习和自适应能力、容错能力和柔韧性、并行处理能力、概括综合和记忆联想能力。
二、研究现状
（一）神经网络简介
神经网络在控制中使用较多的有多层前向BP网络、径向基函数RBF网络及Hopfield网络。多层前向BP网络和径向基函数RBF网络均为分层连接成的静态神经网络，隔层神经元之间均无连接，只有邻层神经元之间相互连接，信号由低层向高层神经元传输。多层前向网络学习算法是BP算法，BP算法的特点是结构简单，容易实现。针对BP算法中局部极小、收敛速度慢等缺点，人们已提出了各种修正方法，使得BP算法更加适用于控制技术。径向基函数RBF网络可采用最小二乘法等优化算法。Hopfield网络是神经网络的非线性动态模型，它由非线性映射关系为Sigmoid型函数的神经元相互连接组成，将能量函数引入神经网络，用于解优化问题和控制问题。
（二）神经网络自适应控制系统的典型结构
基于神经网络的自适应控制
