25、神经网络控制技术解析

神经网络控制技术解析

1. 神经网络控制概述

在待控制对象的模型不太明确，但能获取输入 - 输出测量数据的情况下，神经网络控制是一种极具吸引力的工具。此时，神经网络（NNs）可将对象动态近似为黑箱模型，并设计合适的控制律来调节系统响应。静态和动态神经网络都可用于控制器设计，当对象的数学模型未知时，它们的通用逼近和学习能力使神经网络成为一种有吸引力的工具。下面我们将介绍几种常用的神经网络控制技术。

2. 监督控制

人工神经网络（ANNs）具有通用逼近能力，可用于模拟复杂的输入 - 输出关系。通常，用数学模型捕捉人类基于感官输入的控制动作较为困难，但人工神经网络可以根据测量数据以及期望响应作为输入进行训练，以模拟人类动作，并作为非线性控制器来替代人工操作。

监督控制的流程如下：
1. 神经网络控制器首先由人类操作员的动作进行训练。在训练过程中，人类操作员必须仅根据传感器输入生成动作。
2. 训练完成后，神经网络控制器可模拟对象的动态和操作员的时间响应。

其结构可简单示意如下：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A([传感器输入]):::startend --> B(人类操作员):::process
    B --> C(神经网络控制器):::process
    C