Page 78 - 当代控制理论及应用技术概论
P. 78
当代控制理论及应用技术概论
Introduction to Contemporary Control Theory and Applied Technology
5. 仿人智能模糊控制
IC 算法具有比例模式和保持模式两种基本模式的特点。这两种特点使得系
统在误差绝对值变化时，可处于闭环运行和开环运行两种状态。这就能妥善解决
稳定性、准确性、快速性的矛盾，较好地应用于纯滞后对象。
6. 神经模糊控制（Neuro-Fuzzy Contro）
这种控制方法以神经网络为基础，利用了模糊逻辑具有较强的结构性知识
表达能力，即描述系统定性知识的能力、神经网络的强大的学习能力以及定量数
据的直接处理能力。
7. 多变量模糊控制
这种控制适用于多变量控制系统。一个多变量模糊控制器有多个输入变量
和输出变量。
（二）基于人体学习的方法
美国 MIT 的科研人员为了寻找能更好地控制小型无人飞行器的控制方法，
从参加军事演习进行特技飞行的飞机中采集数据，分析飞行员对不同情况下飞机
的操作，从而更好地理解无人机的输入序列和反馈机制。这种方法已经被运用到
小型无人机的自主飞行中。
（三）神经网络法
经典 PID 控制结构简单、使用方便、易于实现，但当被控对象具有复杂的
非线性特性、难以建立精确的数学模型时，往往难以达到满意的控制效果。神经
网络自适应控制技术能有效地实现多种不确定的、难以确切描述的非线性复杂过
程的控制，提高控制系统的鲁棒性、容错性，且控制参数具有自适应和自学习能力。
1. 神经网络在姿态控制中的应用
神经网络在飞行器姿态控制中的应用可以追溯至 20 世纪 90 年代，其优势
主要体现在对非线性的建模和控制问题的适应性。神经网络的输入包括当前飞行
器的姿态信息，输出则为控制量信息，这种输入输出结构符合多输入多输出的控
制系统结构，使得神经网络具有广泛的应用前景。
神经网络在姿态控制中的优势还体现在其对模型的自适应能力和鲁棒性上。
传统的姿态控制方法都需要确定系统的动态模型，而神经网络则能够自适应地对
复杂非线性系统进行建模和控制。同时，神经网络的鲁棒性也能够有效抵御外界
环境扰动，提高控制系统的性能。
70
70
