94、神经网络在控制领域的应用

神经网络在控制领域的应用

1. 神经控制概述

神经控制是控制理论这一广泛领域的一个子集。控制理论所设计的系统应用范围极为广泛，从简单的调节器（如恒温器或肌肉神经元）到复杂环境中的最优决策制定（如整个大脑系统）。神经控制与经典控制和人工智能类似，涵盖了三种基本任务的通用设计：克隆、跟踪和优化。

1.1 克隆

传统人工智能或模糊控制通过在规则数据库中实现专家所说的内容来“克隆”专家。而神经网络可以根据传感器输入和过去的信息来模仿专家的行为，也能克隆现有自动控制器的输入 - 输出行为。这虽不一定能提高控制器性能，但可大幅降低实施成本，例如使用高通量神经芯片替代大型计算机。

1.2 跟踪

传统自适应控制使用直接或间接（即基于模型）的设计来维持期望的设定点或跟踪参考模型，如恒温器跟踪或维持期望的温度。神经自适应控制同样如此，但具有广义非线性和学习自适应过程参数的能力，从而能对重心、质量和摩擦等熟悉变量的变化做出快速响应。不过，传统和神经自适应控制都容易因延迟或符号变化而不稳定，基于时间优化的设计可克服这些不稳定性。

1.3 优化

如果一个系统能学会在任意环境中最大化未来时间内任意效用函数的总和，那么从逻辑上讲，它应自动具备“规划”和解决问题的能力。神经控制领域包括增强传统确定性优化方法的设计，如变分法或模型预测控制，还包括近似动态规划的设计，有望实现真正类似大脑的能力。其关键应用包括在化工、汽车和航空航天工业中最小化燃料消耗、污染或产品损失等。

2. 控制领域的问题范畴

控制领域包含大量不同的应用、设计和基础理论。该领域的发展可追溯到詹姆斯·瓦特开发的复杂