神经网络自适应控制

神经网络自适应控制（neural network adaptive control），工学-控制科学与工程-智能控制-智能控制-模糊控制-人工神经网络-Hamming网络，基于自适应控制的基本原理，利用神经网络的特点和理论设计而成的控制系统方案。神经网络自适应控制能够发挥自适应控制与神经网络的各自长处，为非线性控制的研究提供了一种新方法。将神经网络用于自适应控制主要有2种方式：一种是利用人工神经网络对任意有界非线性函数的逼近能力，描述被控对象的数学模型；二是充当控制器，其控制作用的调整依赖于网络权重的改变，通过网络训练，完成将信号从网络输入端到输出端的映射，为被控对象提供适当的控制量。神经网络自适应控制与一般自适应控制的区别在于：①采用神经网络代替了控制器、参数估计器及可调部分；②在模型参考控制中，参考模型可由神经网络代替。常见的神经网络自适应控制结构包括：神经网络自矫正控制、神经网络模型参考自适应控制和神经网络自适应预测控制等。