Page 98 - 当代控制理论及应用技术概论

当代控制理论及应用技术概论
Introduction to Contemporary Control Theory and Applied Technology

把模型参考自适应控制与模糊控制相结合的控制策略应用于在环境干扰下、系统
本身动态变化及模型不准确的对象，仿真表明，与模型参考自适应控制相比，这
一控制方法具有算法简单、实时性及鲁棒性强、自适应过程快的特点。介绍了基
于模糊控制的多模型参考自适应控制，仿真表明该方法跟踪迅速。采用基于模糊

模型的自校正控制，仿真和实验表明此方法适用于非线性、慢时变和时滞性系统，
具有鲁棒性强的特点。阐述了自调整模糊控制，即将自适应控制、Smith 预估器
和模糊控制结合起来，对模糊量化因子及系统增益按误差及其变化率进行自调整，
该方法已通过仿真与现场的考验。

二、基于神经元网络的研究

对于复杂非线性系统，把神经元网络应用于自适应控制。把基于神经元网
络的自适应控制方法用于稳定的、有某些未知非线性函数和可反馈线性化的对象，
仿真实验表明，此方法有 一定的实用性，但由于这一方法仅具有局部收敛性，

因此要求神经网络初始权系数充分接近正确权系数。设计了一种自适应神经网络
的智能控制器，该控制器由两个自适应神经网络组成，一个用于评优，另一个用
于学习并产生控制信号，仿真表明它能适用于一定复杂程度的非线性对象的控制。

将神经网络作为补偿器应用于鲁棒自校正控制器，可使基于线性低阶模型的自校
正算法适用于某些复杂的非线性系统。

三、基于多学科交叉的研究

尽管基于模糊控制或神经网络的自适应控制可扩大自适应控制的适用范围，

或在某方面能改善控制性能，但是仍有缺点，因此科学研究人员进行了基 于多
学科交叉的自适应控制理论研究。
如何设计单个神经元学习单个变量的自适应模糊控制器，以改善控制性能，

尽管这种设计方法在理论上能一定程度地改善基于神经网络的自适应控制性能，
但是实验结果并不十分理想。把单层神经网络应用于自适应模糊控制器，并提出
由单层神经网络学习多变量模糊控制规则中的未知参数，实现多变量模糊推理过
程，该方法能解决多变量模糊控制规则难以获取及实时自适应控制难以实现的问

题，但速度仍不理想。又把神经元学习的赫布（Hebb）规则与梯度算法相结合，
构成梯度—赫布学习法，并应用于自适应模糊控制器中，这种方法可提高学习速

90
90