1. 研究目的与意义
任何一个实际系统，都会具有不同程度的不确定性。
而这些不确定性在系统内部和外部都会有可能表现出来。
对于系统内部来说，设计者事先未必能准确描述被控对象的数学模型的结构和参数。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 国内外研究现状分析
神经网络用于自适应控制主要有两种方式：一种是利用人工神经网络的逼近能力，描述被控对象的数学模型；二是充当控制器，其控制作用的调整依赖于网络权系数的改变，通过网络训练，完成将信号从网络输入端到输出端的映射，为被控对象提供适当的控制量。
神经网络自适应控制与一般自适应方法的区别在于：（1）神经网络代替了控制器、参数估计器及可调部分；（2）在模型参考控制中，参考模型由神经网络代替。
自1943年，心理学家wmcculloch和数理逻辑学家wpitts在分析、总结神经元基本特性的基础上首先提出神经元的数学模型。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 研究的基本内容与计划
研究内容：现在神经pid控制发展得比较成熟，而 pid控制要取得好的控制效果，就必须通过调整好比例、积分和微分三种控制作用在形成控制量中相互配合又相互制约的关系，这种关系不一定是简单的线性组合，从变化无穷的非线性组合中可以找出最佳的关系。
神经网络所具有的任意非线性表示能力，可以通过对系统性能的学习来实现具有最佳组合的pid控制。
对于一般神经pid常采用bp算法，因bp神经网络具有逼近任意非线性函数的能力，而且结构和学习算法简单明确。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 研究创新点
采用BP网络实现逆模型网络NN
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
