1-2 神经网络在控制领域取得的进展

将神经网络用于控制领域，已取得了如下几方面进展。

1.基于神经网络的系统辨识

基于神经网络的系统辨识，就是将神经网络作为被辨识系统P的模型（NNI）、逆模型-1（NNII）。

（1）可在已知常规模型结构的情况下，估计模型的参数。

（2）利用神经网络的线性、非线性特性，可建立线性、非线性系统的静态、动态、逆动态及预测模型，重点在于非线性系统的建模与辨识，如图1-2-1所示。

2.神经网络控制器

神经网络作为实时控制系统的控制器，对于不确定、不确知系统及扰动进行有效的控制，使控制系统达到所要求的动态、静态特性。

3.神经网络与其他算法相结合

神经网络与专家系统、模糊逻辑、遗传算法、小波理论等相结合用于控制系统，可为系统提供参数和非参数模型、控制器模型。

4.优化计算

在常规控制系统的设计中，常遇到求解约束优化问题，神经网络为这类问题提供了有效的途径。

5.控制系统的故障诊断

随着对控制系统安全性、可靠性、可维护性要求的提高，对系统的故障检测与诊断问题的研究不断深入。近年来，神经网络在这方面的应用研究取得了相应的进展。

本书在阐述神经网络理论的基础上，研究上述前四个方面的问题，第三方面仅讨论遗传算法与神经控制的结合。