神经网络与智能控制系统.pdfVIP

神经网络与智能控制系统 姓名： 学号： 日期： 智能控制理论报告 【摘要】本文介绍了神经网络的基本概念，论述了人工神经网络的产生与发 展，以及人工神经网络在控制系统中的应用现状，分析了人工神经网络的特点和 监视控制系统的原理，并阐述了几种基于神经网络的控制系统， 简要介绍了人 工神经网络的发展、应用及研究现状，通过实例来分析人工神经网络原理的设计 和实现过程。 【关键词】人工神经网络；控制系统；智能控制；发展；应用 一、 引言 神经网络控制是20世纪80年代末期发展起来的自动控制领域的前沿学科之 一。它是智能控制的一个新的分支，为解决复杂的非线性、不确定、不确知系统 的控制问题开辟了新途径。 神经网络控制是 （人工）神经网络理论与控制理论相结合的产物，是发展中 的学科。它汇集了包括数学、生物学、神经生理学、脑科学、遗传学、人工智能、 计算机科学、自动控制等学科的理论、技术、方法及研究成果。在控制领域，将 具有学习能力的控制系统称为学习控制系统，属于智能控制系统。神经控制是有 学习能力的，属于学习控制，是智能控制的一个分支。神经控制发展至今，虽仅 有十余年的历史，已有了多种控制结构。如神经预测控制、神经逆系统控制等。 神经网络控制是一种基本上不依赖于模型的控制方法，它适合于具有不确定 性或高度非线性的控制对象，并具有较强的自适应和自学习功能，因此是智能控 制的一个重要分支领域。人工神经网络利用物理器件来模拟生物神经网络的某些 结构和功能，具有并行和分布式的信息处理网络结构，该结构一般由几个神经元 组成，每一个神经元有一个单一的输出，但可通过连接的很多其它神经元，获得 有多个连接通道的输入，每个连接通道对应一个连接权系数。 二、 人工神经网络的产生与发展 人工神经网络的研究是从19世纪末期开始的，其发展历史经历了以下四个 时期。 1.启蒙时期 启蒙时期开始于1980年美国著名心理学家W.James关于人脑结构与功能的 研究，结束于1969年Minsky和Papert发表的 《感知器》（Perceptron）一书。 早在1943年，美国神经生物学家W.S.McCul-loch和数学家W.Pitts合作，采用 数理模型的方法研究脑细胞的动作和结构，以及生物神经元的一些基本生理特 征，提出了第一个神经计算模型，即神经元的阈值元件模型(M-P模型)，并指出： 即使是最简单的神经网络，从原则上讲也可以进行任意算术或逻辑函数的计算。 该模型把神经细胞的动作描述为：神经元的活动表现为兴奋或抑制的二值变化； 任何兴奋性突触有输入激励后，使神经元兴奋与神经元先前的动作状态无关；任 何抑制性突触有输入激励后，使神经元抑制；突触的值不随时间改变；突触从感 知输入到传送出一个输出脉冲的延迟时间是0.5ms。可见，M-P模型是用逻辑的 1 - - 智能控制理论报告 数学工具研究客观世界的事件在形式神经网络中的表述。现在来看M-P模型尽管 过于简单，而且其观点也并非完全正确，但是其理论有一定的贡献。因此，M-P 模型被认为开创了神经科学理论研究的新时代。 1949年，心理学家D.O.Hebb提出了神经元之间突触联系连接强度可变的假 设，并据此提出神经元的学习规则——Hebb规则，其正确性30年后才得到证实， 至今仍在各种神经网络模型中起着重要的作用，为神经网络的学习算法奠定了基 础。1957年，计算机学家Frank Rosenblatt提出了一种具有三层网络特性的神 经网络结构，称为 “感知器” （Perceptron），从而掀起第一次研究神经网络的 热潮。它是由阈值性神经元组成，试图模拟动物和人脑的感知学习能力， Rosenblatt认为信息被包含在相互连接或联合之中，而不是反映在拓扑结构的 表示法中；另外，对于如何存储影响认知和行为的信息问题，他认为，存储的信 息在神经网络系统内开始形成新的连接或传递链路后，新的刺激将会通过这些新 建立的链路自动地激活适当的响应部分，而不是要求任何识别或坚定他们的过 程。1960年B.Windrow和M.E.Hoff提出自适应线性单元(Adaline)网络，它是 连续取值的线性网络，主要用于自适应信号处理和自适应控制。这与当时占主导 地位的以顺序离散符号推理为