基本介紹
- 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：線上或離線開展學習訓練等
- 套用：航空、機器人控制系統等
- 涉及領域：自動控制、神經網路等
發展,特點,設計方法,設計過程,
發展
自McCulloch和Pitts於1943年提出“似腦機器”(Mind-like Machine)和神經學網路(Neurological Network)概念以來，人工神經網路(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、函式逼近和大規模並行分布處理等能力，因而具有用於智慧型控制系統的潛力。已經作出許多努力，把神經網路用於控制系統，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式等。
進入90年代以來，已對神經控制的結構研究進行了總結。迄今為止，已經提出十多種神經控制器的結構方案。由於分類方法的不同，神經控制器的結構也很自然地有所不同。
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，也是神經網路能夠在自動控制中立足的根本原因。
缺點是神經網路需要線上或離線開展學習訓練，並利用訓練結果進行系統設計。這種訓練在很大程度上依賴訓練樣本的準確性，而訓練樣本的選取依舊帶有人為的因素。
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；一類是完全脫離傳統手法，另行一套。無論是哪一類，目前都未有固定的模式，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”都還沒有聽說過，神經系統的研究還處於摸索探討階段，神經網路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。而智慧型控制的“年齡”比神經網路還要年輕，現階段的智慧型控制就沒有理論。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。
簡單綜合起來，神經控制器的設計方法大體有如下幾種：模型參考自適應方法、自校正方法、內模方法、常規控制方法、神經網路智慧型方法和神經網路最佳化設計方法。
設計過程
目前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路、選擇訓練方法，確定是否需要供訓練使用的導師信號，設計算法並編製程序，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路體系。
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路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。
由於神經控制器的設計與設計人員的素質、理解能力和經驗有關，因此設計出來的產品都可以成為設計者的成果，這也是從事神經控制較容易出成果的原因之一。隨著時間的推移，對設計結果的評價體系終會誕生，優劣將更加清晰。
