文档介绍：自适应控制系统综述
摘要：
本文首先介绍了自动控制的根本理论及其开展阶段，然后提出自适应控制系统，详细介绍了自适应控制系统的特点。最后描述的是自适应控在神经网络的应用和存在的问题。
关键字：自适应控制神经网络
引言
，间接积累过程信息。在系统辨识中，构造辨识比参数估计困难得多。
(b) 可调控制器
可调控制器是指它的构造、参数或信号可以根据性能指标要求进展自动调整。这种可调性要求是由受控系统的不定性决定的，否则就无法对过程实现有效的控制。
(c) 性能指标的控制
性能指标的控制可分为开环控制方式和闭环控制方式两种。假设与过程动态相关联的辅助变量可测，而且此辅助变量与可调控制器参数之间的关系又可根据物理学的知识和经历导出，这时就可通过此辅助变量直接调整可调控制器，以期到达预定的性能指标。这就是性能指标的开环控制，它的特点是没有根据系统实际到达的性能指标再作进一步的调整。与开环控制方式不同，在性能指标的闭环控制中，还要获取实际性能与预定性能之间的偏差信息，将其反应后修改可调控制器，直到实际性能到达或接近预定性能为止。
如何提高控制系统的自适应速度，如何优化自适应控制的过程以及如何既能保证性能而又简化算法是自适应控制的一个重要问题。在其算法的研究中主要是控制策略的参数化问题；它通常研究的问题是如下三个方面：如何使控制构造尽可能的简单；怎样减少对系统所要求的先验知识以及尽可能的使系统所要求的先验知识有其物理意义；如何减少要辨识的参数的个数。
从参数估计的角度，自适应控制分为间接自适应控制和直接自适应控制。在间接自适应控制系统中，控制对象的参数被实时估计，并通过解Diophantine方程计算出控制器的参数应用于下一时刻的控制规律中。直接自适应控制的核心思想是将估计模型按控制器的参数重新参数化，它不需要解Diophantine方程而直接在线估计控制器参数以及其它附加参数。相比拟而言，间接自适应控制虽然估计参数较少，但是需要在线解Diophantine方程；而直接自适应控制器的计算相对简单，可以提供更快的自适应调节。因此更加适合实时地控制对象。由于本课题的被控对象传递函数的特点，重新参数化比拟简单。所以拟定选用直接自适应控制方法设计给予确定性等价准则的传统自适应极点配置控制器，并在此根底上设计慎重和双重特性的修正
三、自适应控制的应用及存在的问题
在现实生活中，任何一个实际系统都具有不同程度的不确定性，这些不确定性表现在被控过程或对象的特性时刻发生变化，变化规律难以掌握，同时还有各种各样的随机干扰作用在系统上，这些影响通常是不可预测的。如何设计适当的控制作用，通过输入、输出信息，实时的掌握被控对象和系统误差的动态特性，并根据其变化情况及时掌握调节控制量，使系统性能指标到达并保持最优或者近似最优，这就是自适应控制所要研究解决的问题。
人工神经网络是人们在模仿人脑处理问题的过程中开展起来的一种新型智能信息处理理论，它通过大量神经元的简单处理单元构成非线性动力学系统，对人脑的形象思维、联想记忆等进展模拟和抽象，实现与人脑相似的学****识别、记忆等信息处理能力，其特点包括具有很强的自学****性、自组织性、容错性、高度非线性、高度鲁棒性、联想记忆功能推理意识功能等。自适应控制系统本质上是一个非