1 PID 神 经 元 网 络 及 其 控 制 系 统 舒 怀 林 国 防 工 业 出 版 社 第一章:绪论 1.1 传统控制系统的局限性: 由于被控对象的复杂性、大规模和确定性、分布性，要实现自动控制，那么基于传统精确数学模型的控制理论就显现出极大的局限性。 对于控制任务或者控制目标，以往都着眼于用数学语言进行描述，这种描述经常是不精确，实际上，控制任务和目标有多重性（多目标）和时变性，一个复杂任务的确定，需要多次反复，而且还包括任务所含信息的处理过程，也即任务集合处理。 迄今为止，还不存在一种直接使用工程技术用语言描述系统和解决问题的方法。从工程技术语言到数学描述的影射过程中，一方面虽使问题作了很多简化，但另一方面却使用原问题丢失很多信息。 传统的控制理论虽然也有办法对付控制对象的不确定性和复杂性，如自适应控制和鲁棒控制也可以克服系统中所包含的不确定性，达到优化控制的目的。但是自适应控制是以自动调节控制器的参数，使控制器与被控对象和环境达到良好的“匹配”，以削弱不确定性的影响为目标的。从本质上说，自适应和自校正控制都是通过对系统某些重要参数的估计，以补偿的方法；来克服系统参数在一定范围内的慢变化情况。鲁棒控制则是在一定的外部干扰和内部参数变化作用下，以提高系统的灵敏度为宗旨来抵御不确定性的。根据这一思想和原则所导出的算法，其鲁棒的区域是很有限的。 2 1.2 人工神经网络控制的系统的特点和弱点: 智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。 神经元网络是智能控制的一个主要分支，神经网络是以大脑生理研究成果为基础，模拟大脑的某些生理与机制，由人工建立的以有向图为拓扑结构的网络，它通过对连续或断续的输入做状态响应而进行信息处理；在ANN 实际应用的同时，有关系统的稳定性、能控性、能观性等理论问题，有关 ANN 控制系统系统化设计方法问题，ANN 的拓扑结构问题，以及ANN 与基于规则的系统有机结合问题，还有待于进一步研究和发展，一般神经网络的弱点，制约了其在控制系统中的广泛应用，包括以下问题： ⑴ 一般神经元网络的学习和训练时间很长，这是大多数控制系统所不能接受的。 ⑵ 由于神经网络结构确定往往要通过反复实验才可能确定，所以给控制器实际应用方面带来困难。 ⑶ 有的网络在学习时会陷入局部极小（BP）有的网络关键参数确定有困难（RBF），也给实际应用带来问题。 ...
