人工神经网络的自动控制：无可比拟的优势
大规模的复杂系统 可提供大量可调变量 极力模仿所描述的对象 实现了并行处理机制 全部神经元集体参与计算，具有很强的计算能力 和信息处理能力 信息分布储存，提供联想、全息记忆的能力 网络拓扑结构具有很大的可塑性，提供了很高的 自适应能力 提供了高度的容错能力 提供了系统自组织能力和协同的潜力等
控制策略和控制算法的发展： 控制策略和控制算法的发展： 简单控制系统 复杂控制系统 先进控制系统
2、自适应控制系统 自适应控制系统
基本概念 自适应控制系统是指能够适应被控过程 参数的变化， 参数的变化，自动地调整控制的参数从而 补偿过程特性变化的控制系统。 补偿过程特性变化的控制系统。 自适应控制系统的适用对象： 自适应控制系统的适用对象：非线性的 工业对象和非定常而具有时变特性的工业 对象。 对象。 自适应控制系统的工作特点：辨识、决 自适应控制系统的工作特点：辨识、 策、控制
基本思想类似：采用工业过程中较容易得 到的对象脉冲响应或阶跃响应曲线，把它 们在采样时刻的一系列值作为描述对象动 态特性的信息，从而构成预测模型。
5、模糊控制系统 、
Model Predictive Heuristic Control, 美国控制理论学者查得于1965年创立模糊 集全理论。 英国马丹尼于1974年建立模糊控制器 定量的精确现象王国→定性的不精确王国
神经网络已渗透到自动控制各个领域：
系统辨识 控制器设计 优化计算 控制系统的故障诊断与容错等
先进过程控制系统简介
1、概述 概述
控制系统体系结构发展阶段： 控制系统体系结构发展阶段： 第一阶段：气动控制系统（简称PCS） Pneumatic Control System 第二阶段：电动模拟控制系统（简称ACS） Analogy Control System 第三阶段：集中式计算机控制系统（简称CCS） Centralized Control System 第四阶段：分布式计算机控制系统（简称DCS） Distributed Control System 第五阶段：现场总线网络控制系统（简称FCS） Fieldbus Control System FCS系统：21世纪的主流
常用神经网络简介
Hopfield神经网络 美国加州理工学院生物物理学家J.j.Hopfield 1982年、1984年 先后发表两篇论文，提出了Hopfield网络。 误差反向传播神经网络 EBP：Error Back Propagation D.E.Rumelhart 和J.L.McClelland 及PDP(Paralled Ditributed Prossing)小组于1985年发表，其影响至今仍然很大。 自适应共振理论神经网络 1986年，S.Grrossber和A.Carpenter基于自适应共振理论 (ART:Adaptive Resonance Theory)提出了一种具有自组织能力的 复杂神经网络，能够对任意复杂的环境输入模式实现自稳定和自组 织识别。 径向基函数神经网络 径向基函数（RBF: Radial Basic Function）是Powell 于1985年提 出的多变量插值方法，1988年Broomhead和 Lowe把它用于神经网 络的设计。
自适应控制系统的基本类型 简单自适应控制系统 模型参考自适应控制系统 自校正适应性控制系统
3、推断控制系统 、
问题的提出： 问题的提出：反馈、前馈实现都有困难时 的解决方法 推断控制：美国C.B.Brosilow,1978年提出 推断控制：利用模型，由可测信息将不可 测的被控变量推算出来以实现反馈控制， 或将不可测的扰动推算出来以实现前馈控 制。
4、预测控制系统 预测控制系统
预测控制：集中不同名称的新型控制系统的总称 模型预测启发控制 (Model Predictive Heuristic Control, 即MPHC) 模型算法控制 (Model Algorithmic Control, 即 MAC) 动态矩阵控制 (Dynamic Matrix Control， 即 MDC) 预测控制 (Predictive Control, 即PC)
神经元及其数学模型
单神经元数学模型：M－P模型（1943年，心理学 家M.McCulloch 和数理逻辑专家W.Pitts首先提出 （1）人工神经系统的网络拓扑结构及学习算法 人工神经系统的网络拓扑结构：前馈网络、反馈 网络 （2）人工网络的学习 人工网络的工作过程分为两个阶段：学习阶段和 工作阶段 神经网络研究中的核心问题：学习算法
模糊控制器的设计原则 把测量信息化为模糊量，其间应用了模糊 子集和康属的控制作用（也是一个模糊量） 设法转化为精确量
6、人工神经网络控制系统 人工神经网络控制系统
新兴交叉学科：人工神经网络（ANN: Artificial Neural Network） 以人工神经元模型为基本单元，采用网络拓扑结 构的活性网络； 能够描述几乎任意的非线性系统 具有学习、记忆、计算和智能处理的能力，模仿 人脑神经系统的信息处理能力和存储、检索功能。 ANN的：解决非线性系统和不确定性系统的控制 问题的有效途径