-
神經控制器
鎖定
- 中文名
- 神經控制器
- 外文名
- Neural Controller
- 起源時間
- 20世紀90年代
- 特 點
- 在線或離線開展學習訓練等
- 應 用
- 航空、機器人控制系統等
- 涉及領域
- 自動控制、神經網絡等
神經控制器發展
自McCulloch和Pitts於1943年提出“似腦機器”(Mind-like Machine)和神經學網絡(Neurological Network)概念以來,人工神經網絡(Artificial Neural Network,ANN)或簡寫為NN的研究走過一條波浪式推進的發展道路。由於ANN具有非線性映射、自學習、自適應與自組織、函數逼近和大規模並行分佈處理等能力,因而具有用於智能控制系統的潛力。已經作出許多努力,把神經網絡用於控制系統,處理控制系統的非線性和不確定性以及逼近控制系統的辨別函數等。
神經控制器特點
神經控制器與古典控制器和現代控制器相比,有優點也有缺點。
優點是神經控制器的設計與被控制對象的數學模型無關,這是神經控制器的最大優點,也是神經網絡能夠在自動控制中立足的根本原因。
神經控制器設計方法
神經控制器的設計大致可以分為兩種類型,一類是與傳統設計手法相結合;一類是完全脱離傳統手法,另行一套。無論是哪一類,都未有固定的模式,很多問題都還在探討之中。究其原因是因為神經控制還是一門新學科,在社會上並不普及,為數眾多的人甚至連“神經控制”都還沒有聽説過,神經系統的研究還處於摸索探討階段,神經網絡雖然有了一些所謂的“理論”,但並不成熟,甚至連隱層節點的作用機理這一類簡單的理論問題都沒有搞清楚。而智能控制的“年齡”比神經網絡還要年輕,現階段的智能控制就沒有理論。因此,神經控制器沒有理論體系,更談不上完善的理論體系,相應也就不存在系統化的設計方法。
神經控制器設計過程
較為流行的神經控制器設計過程是:設計人員根據自己的經驗選用神經網絡、選擇訓練方法,確定是否需要供訓練使用的導師信號,設計算法並編制程序,然後上機運行,得到仿真結果,根據結果決定是否需要進一步修改相關參數或修改網絡體系。
從仿真到實際運行,還有很長一段路要走,需要解決的主要問題是仿真僅僅只是神經網絡模型訓練運行的結果,實際運行需要帶動被控制對象,其工作環境遠比實驗室仿真環境惡劣且複雜得多。