基于人工神經(jīng)網(wǎng)絡(luò)的控制(ANN-based control), 簡稱神經(jīng)控制(neurocontrol) 或 NN 控制，是智能控制的一個新的研究方向，可能成為智能控制的“后起之秀”。

神經(jīng)控制是個很有希望的研究方向。這不但是由于神經(jīng)網(wǎng)絡(luò)技術(shù)和計算機技術(shù)的發(fā)展 為神經(jīng)控制提供了技術(shù)基礎(chǔ)，而且還由于神經(jīng)網(wǎng)絡(luò)具有一些適合于控制的特性和能力。這些特性和能力包括：

1)神經(jīng)網(wǎng)絡(luò)對信息的并行處理能力和快速性，適于實時控制和動力學(xué)控制。

2)神經(jīng)網(wǎng)絡(luò)的本質(zhì)非線性特性，為非線性控制帶來新的希望。

3)神經(jīng)網(wǎng)絡(luò)可通過訓(xùn)練獲得學(xué)習(xí)能力，能夠解決那些用數(shù)學(xué)模型或規(guī)則描述難以處理或無法處理的控制過程。

4)神經(jīng)網(wǎng)絡(luò)具有很強的自適應(yīng)能力和信息綜合能力，因而能夠同時處理大量的不同 類型的控制輸人，解決輸入信息之間的互補性和冗余性問題，實現(xiàn)信息融合處理。這特別 適用于復(fù)雜系統(tǒng)、大系統(tǒng)和多變量系統(tǒng)的控制。

當(dāng)然，神經(jīng)控制的研究還有大量的有待解決的問題。神經(jīng)網(wǎng)絡(luò)自身存在的問題，也必 然會影響到神經(jīng)控制器的性能。現(xiàn)在，神經(jīng)控制的硬件實現(xiàn)問題尚未真正解決；對實用神 經(jīng)控制系統(tǒng)的研究，也有待繼續(xù)開展與加強。

由于分類方法的不同，神經(jīng)控制器的結(jié)構(gòu)很自然地有所不同。已經(jīng)提出的神經(jīng)控制的 結(jié)構(gòu)方案很多，包括 NN 學(xué)習(xí)控制、 NN 直接逆控制、NN 自適應(yīng)控制、NN 內(nèi)�？刂�、 NN 預(yù)測控制、NN Z優(yōu)決策控制、 NN 強化控制、CMAC 控制、分J NN 控制和多層 NN 控制等。

當(dāng)受控系統(tǒng)的動力學(xué)特性是未知的或僅 部分已知時，需要設(shè)法摸索系統(tǒng)的規(guī)律性， 以便對系統(tǒng)進(jìn)行有效的控制�；�于規(guī)則的專 家系統(tǒng)或模糊控制能夠?qū)崿F(xiàn)這種控制。監(jiān)督 (即有導(dǎo)師)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)控制(Supervised Neural Control,SNC)為另一實現(xiàn)途徑。 圖5-25表示監(jiān)督式神經(jīng)控制器的結(jié)構(gòu)。 圖中，含有一個導(dǎo)師和一個可訓(xùn)練控制器。 實現(xiàn)SNC 包括下列步驟：

1)通過傳感器及傳感信息處理獲取必要的和有用的控制信息。

2)構(gòu)造神經(jīng)網(wǎng)絡(luò)，包括選擇合適的神經(jīng)網(wǎng)絡(luò)類型、結(jié)構(gòu)參數(shù)和學(xué)習(xí)算法等。

3)訓(xùn)練SNC, 實現(xiàn)從輸入到輸出的映射，以產(chǎn)生正確的控制。在訓(xùn)練過程中，作為 導(dǎo)師的可以是線性控制律，或是采用反饋線性化和解耦變換的非線性反饋，也可以是以人 作為導(dǎo)師對 SNC 進(jìn)行訓(xùn)練。