神经网络自适应控制研究综述

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。该文综述了近年来神经网络自适应控制的研究现状，阐述了神经网络模型参考自适应控制及神经网络自校正控制两种典型的控制方案，并对神经网络自适应控制的应用作了介绍。在此基础上，对神经网络自适应控制存在的主要问题，如稳定性、鲁棒性及收敛性等问题作了积极有益的探讨。最后，展望了神经网络自适应控制未来的发展趋势，并指出了其研究方向。

关键词：神经网络；自适应控制；神经网络控制器；神经网络辨识；稳定性；鲁棒性；收敛性 中图分类号：TP273 文献标识码：A

1 引言

人工神经网络是从微观结构与功能上对人脑神经系统的模拟而建立起来的一类 模型，具有模拟人的部分形象思维的能力，其特点主要是具有非线性特性、学习能力和自适应性，是模拟人的智能的一条重要途径。

近年来自适应控制等先进控制理论取得了长足发展。然而，在越来越高的性能要求下，在过程与环境高度不确定性的情况下，对于越来越复杂的系统，将自适应控制用于实际控制时还存在一些问题，如自适应控制器结构过于复杂，模型参考自适应控制系统对确定性干扰不能确保零稳态误差等。

为了充分发挥自适应控制技术的优越性能，提高控制的鲁棒性、实时性、容错性以及对控制参数的自适应和学习能力，更有效地实现对一些存在多种不确定性和难以确切描述的非线性复杂过程的控制，人们将自适应控制与神经网络适当组合，组成基于神经网络的自适应控制系统。

方案很多，其中典型的控制方案有神经网络模型参考自适应控制和神经网络自校正控制等。

2.1 神经网络模型参考自适应控制 神经网络模型参考自适应控制(简称NNMRAC)，分为直接型和间接型两种结构，分别如图l和图2所示。其中NNI和NNC分别表示神经网络辨识器和控制器。构造一个参考模型，使其输出为期望输出，则控制的目的是y跟踪ym 。

图1 神经网络模型参考直接自适应控制

2 神经网络自适应控制系统的典型结构

目前已经出现的神经网络自适应控制