非線性系統的神經網絡控制–理論
參考書籍：《matlab控制系統應用與實例》清華大學出版社 樊京、劉叔軍、蓋曉華、崔世林編輯。
第6章：神經網絡相平面分區控制
6.1.2非線性系統的神經網絡控制
目錄
分類
神經網絡在控制器設計中的應用一般分爲兩類：
一類神經控制：以神經網絡爲基礎而形成的獨立智能控制系統。
一類混合神經網絡控制：利用神經網絡學習和優化能力改善其他控制方法的控制。
常用的神經網絡控制方式：
1、前饋+反饋複合控制
前饋控制：基於不變性原理的控制方法，可以顯著提高系統的穩態精度和跟蹤性能。
反饋控制：提高系統穩定性。
前饋傳遞函數和系統逆模型一致時，可實現理想控制。
但對於許多非線性系統而言，過程逆函數不可得，前饋控制器無法滿足要求。人工神經網絡可以充分逼近任意非線性函數，用其作爲前饋控制器，對系統進行逆動態建模，滿足不變性原理，實現跟蹤控制。
2、神經內膜控制
只適用於開環穩定系統。
3、基於神經網絡的預測控制
神經網絡預測控制是利用作爲對象辨識模型的神經網絡產生預測信號，與系統的未來期望輸出值之間存在誤差，根據極小化性能指標，利用優化算法求出控制矢量，實現非線性系統的預測控制。
4、神經自適應控制
神經網絡模型對對象進行辨識。神經網絡控制器根據對象實際輸出與理想輸出（參考模型輸出）差值E在線調整權值。
利用對象的輸入輸出數據進行離線學習，實際運行時，模型參數由神經網絡在線計算得到，進而算出所需控制量。
5、基於神經網絡的PID控制
利用神經網絡在線整定PID參數，增加系統魯棒性，實現高性能控制。
6、模糊神經網絡控制
綜合方式：
1.將神經網絡作爲模糊系統中的隸屬度函數和模糊規則描述形式。
2.改變神經元的運算規則和映射函數，使神經元在功能表現上表現爲各種模糊運算規則，形成模糊神經網絡
7、神經魯棒控制
H∞控制器需要對象的數學模型。利用神經網絡建模，實現高精度控制。
8、神經非模型控制
1.面向控制的神經元模型及學習策略
Hebb學習規則
2.神經非模型控制結構
demo（後期想起來放！！！）
