神經(jīng)網(wǎng)絡(luò)控制是模仿人類感覺器官和腦細(xì)胞工作原理的控制方法，它是由一些簡單的閾值邏輯單元根據(jù)平行結(jié)構(gòu)的重量可調(diào)節(jié)的連接在一起，可以接受大量的信息，處理結(jié)果和并行輸出信息。系統(tǒng)的硬件仿照神經(jīng)細(xì)胞網(wǎng)絡(luò)，而軟件模擬神經(jīng)細(xì)胞的工作，即每個神經(jīng)元接收信號，根據(jù)相應(yīng)的規(guī)律輸出信號。它的優(yōu)點是能快速處理復(fù)雜的控制任務(wù)。

　　摘 要 中國在80年代末開始對神經(jīng)網(wǎng)絡(luò)研究，主要開展了一些基礎(chǔ)性的應(yīng)用工作領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)的可塑性，自適應(yīng)性和自組織性使得其具有很強的自學(xué)習(xí)能力與并行處理能力，保證了其能夠快速處理問題。為了滿足實時分布式存儲的需求，它具有更好的魯棒性和容錯性。因此，人工神經(jīng)網(wǎng)絡(luò)已被廣泛應(yīng)用于模式識別，系統(tǒng)識別，圖像處理，自動控制等領(lǐng)域。

　　關(guān)鍵詞 《建設(shè)者》,神經(jīng)網(wǎng)絡(luò),控制系統(tǒng),控制科學(xué),模型,機器人

　　1神經(jīng)網(wǎng)絡(luò)控制的發(fā)展現(xiàn)狀

　　美國的科學(xué)家從大腦中的信息處理的角度來研究一些基本的生理特性方法，利用數(shù)學(xué)模型來研究大腦細(xì)胞的運動與結(jié)構(gòu)和生物神經(jīng)元，提出了第一個神經(jīng)網(wǎng)絡(luò)模型(MP模型)，開辟了神經(jīng)科學(xué)研究的時代。心理學(xué)家赫布通過大腦在學(xué)習(xí)后形成的條件反射來對神經(jīng)細(xì)胞進(jìn)行研究，提出了Hebb規(guī)則的神經(jīng)元連接強度的變化規(guī)律。人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)的研究是從第二十世紀(jì)50年代和60年代初開始進(jìn)行的。計算機科學(xué)家提出了感知器模型，模擬動物和人類的認(rèn)知能力和學(xué)習(xí)能力，提出了三層感知器隱藏層處理單元的新概念。科學(xué)家們還提出了自適應(yīng)線性神經(jīng)元模型，這是一個學(xué)習(xí)研究規(guī)律的有效方法。這些新的科研創(chuàng)舉使神經(jīng)網(wǎng)絡(luò)從理論研究進(jìn)入實施階段，從而在人工神經(jīng)網(wǎng)絡(luò)的研究領(lǐng)域中引發(fā)了第一個高潮。

　　人工智能起初是一個基于感知器作為函數(shù)的數(shù)學(xué)研究學(xué)科，深入分析后開發(fā)出了具有局限性的簡單網(wǎng)絡(luò)系統(tǒng)，并有科學(xué)家指出：感知器只有單一的求解線性問題，解決簡單的非線性問題，就必須采用多層神經(jīng)網(wǎng)絡(luò)的隱單元。在當(dāng)時的條件下，用有效的學(xué)習(xí)算法來找到一個多層神經(jīng)網(wǎng)絡(luò)是非常困難的，從而使許多神經(jīng)網(wǎng)絡(luò)研究人員都失去了信心，使神經(jīng)網(wǎng)絡(luò)理論進(jìn)入了停滯階段。之后，科學(xué)家們提出了新的神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)的研究取得了突破性的進(jìn)展。科學(xué)家們提出了能量函數(shù)的概念以及神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性判據(jù)。他們在非線性動力學(xué)的幾種神經(jīng)網(wǎng)絡(luò)模型中的優(yōu)化問題的解決方案是成功的，對神經(jīng)網(wǎng)絡(luò)理論的發(fā)展產(chǎn)生了深遠(yuǎn)的影響。這使得神經(jīng)網(wǎng)絡(luò)的研究的重新點燃了復(fù)興之火。不久之后，就有其他科學(xué)家提出了用BP算法來代替多層前饋反向傳播算法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從實踐上證明了神經(jīng)網(wǎng)絡(luò)具有很強的操作能力，其應(yīng)用已經(jīng)滲透到各個領(lǐng)域，并取得了令人鼓舞的進(jìn)展，如在智能控制，模式識別，自適應(yīng)濾波和信號處理，非線性優(yōu)化，傳感和機器人，生物醫(yī)學(xué)工程等領(lǐng)域都取得了令人矚目的偉大成就。這些成果深化了人們對神經(jīng)網(wǎng)絡(luò)的了解。

　　2神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用背景

　　具有自學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)非線性映射能力，聯(lián)想記憶能力，并行信息處理能力和容錯性能都很優(yōu)異，在科學(xué)和技術(shù)領(lǐng)域都引起了廣泛的關(guān)注。相比于復(fù)雜系統(tǒng)的控制模型，特別是在系統(tǒng)不確定性的情況下，神經(jīng)網(wǎng)絡(luò)控制體現(xiàn)出了無與倫比的優(yōu)勢。

　　上世紀(jì)60年代，科學(xué)家們首先正式介紹了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。第二十世紀(jì)60年代初，在美國“阿波羅登月計劃中，科學(xué)家們還提出了根據(jù)在脊椎動物神經(jīng)系統(tǒng)的網(wǎng)狀結(jié)構(gòu)中研究出的一種漸進(jìn)模型的工作原理，使月球車在復(fù)雜的環(huán)境中能夠具備一定的自控能力。在美國空軍技術(shù)研究領(lǐng)域，神經(jīng)網(wǎng)絡(luò)濾波已經(jīng)得到了廣泛的應(yīng)用。概率神經(jīng)網(wǎng)絡(luò)也被成功地用于解決兩個單獨電子發(fā)射器的相關(guān)問題。對神經(jīng)網(wǎng)絡(luò)控制的研究主要集中在自適應(yīng)控制與智能機器人，以及后來的專家系統(tǒng)和模糊神經(jīng)系統(tǒng)，在這些學(xué)術(shù)領(lǐng)域中都取得了大量的成果。

　　神經(jīng)網(wǎng)絡(luò)處理非線性和不確定性系統(tǒng)有著巨大的發(fā)展空間。可以說，在各種實際問題中，凡是可以采用傳統(tǒng)的控制理論來解決的問題，幾乎都可以利用神經(jīng)網(wǎng)絡(luò)技術(shù)來解決問題，而傳統(tǒng)的控制技術(shù)無法解決的也可以用神經(jīng)網(wǎng)絡(luò)來解決。神經(jīng)網(wǎng)絡(luò)控制的許多成功案例讓人們看到了智能控制時代的到來。當(dāng)然，由于目前的神經(jīng)網(wǎng)絡(luò)硬件的發(fā)展，神經(jīng)網(wǎng)絡(luò)控制的大規(guī)模應(yīng)用時代尚未到來，具有簡單功能的神經(jīng)元芯片的成功研制卻使人對其發(fā)展前景信心倍增。

　　參考文獻(xiàn)

　　[1] 韋巍，蔣靜坪.基于多神經(jīng)網(wǎng)絡(luò)的機器人軌跡學(xué)習(xí)控制研究[J].浙江大學(xué)學(xué)報(工學(xué)版)，1997(04).

　　[2] 張健欣，郭寧.基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)自適應(yīng)控制綜述[J].內(nèi)蒙古電大學(xué)刊，2007(12).