6、自适应基于模型的神经控制技术解析

自适应基于模型的神经控制技术解析

1. 自适应神经控制设计分类

自适应神经控制设计主要分为间接神经控制和直接神经控制两类，以下是详细介绍：
| 控制类型 | 特点 | 具体方法 |
| ---- | ---- | ---- |
| 间接神经控制 | 神经网络不直接向过程发送控制信号，常作为间接过程特征指标 | 1. 神经网络基于模型的控制
2. 神经网络基于逆模型的控制
3. 神经网络自动调谐器开发 |
| 直接神经控制 | 神经网络作为反馈控制器，直接向过程发送控制信号 | 1. 控制器建模
2. 无模型神经控制设计
3. 基于模型的神经控制设计
4. 鲁棒基于模型的神经控制设计 |

神经控制的统一框架是将神经网络训练视为一个非线性优化问题，公式如下：
[NN: \min J(w)]
其中，目标是在网络权重空间 (w) 中找到神经网络的最优表示，以最小化目标函数 (J)。神经网络在目标函数中所起的作用是区分各种神经控制设计方法的关键。

2. 间接神经控制

间接神经控制有多种实现方式，下面详细介绍：
- 神经网络作为输入 - 输出过程模型
- 模型训练 ：这是一种数据驱动的监督学习方法，神经网络通过接触过程数据来模仿现有过程。常用的模型结构有非线性自回归滑动平均外生输入（NARMAX）模型或更简单的 NARX 模型，也可使用动态神经网络识别连续时间模型。神经控制设计概念上可表示为：
[NN: \min F { Y_p - Y_n(w, … ) }]