人工神经网络理论与神经控制系统应用现状与发展趋势展望

人工神经网络理论与神经控制系统应用现

状与发展趋势展望

摘要：随着计算机网络、信息技术、自动化技术的进步，极大的改变了我们的生活。人工神经网络技术是一种全新的控制技术，通过互联网进行动态模拟，从而建立一种新的控制互联网的系统。经过十几年的发展，人工神经网络技术研究取得了巨大的进步，已经广泛应用在社会各个领域，使现代计算机中的难题得到了解决。本文主要从人工神经网络技术的概念出发，探讨了它在现代社会领域的具体应用。并且对它未来的发展做出了一些展望。

关键词：人工神经网络控制技术展望

Application Status and Development Trend of Artificial Neural Network Theory and Neural

Control System

Abstract：With the computer network,information technology,automation technology advances, greatly changed our lives.Artificial neural network technology is a new control technology, through the Internet for dynamic simulation,to establish a new system to control the Internet. After ten years of development,artificial neural network technology research has made great progress,has been widely used in various fields of society,so that modern computer problems have been resolved.This article mainly discusses the concrete application in the field of modern society from the concept of artificial neural network technology.And made some prospects for its future development.

Key words：a rtificial neural networks control technology prospect

1人工网络技术

1.1人工网络技术简介

人工神经网络技术也称ANN，是随着上个世纪八十年代人工智能发展兴起的一个研究热点，它的主要工作原理对人脑神经网络进行抽象处理，并仿造人脑神经网络建立简单的模型，按照不同的连接方式组成一个完整的网络，因此学术界也直接将它成为神经网络。神经网络其实就是一种运算模型，它是通过大量的节点——神经元连接起来的，其中不同的节点所代表的输出函数也不同，也就是所谓的激励函数；当有两个节点连接起来时称之为通过该连接信号的加权值，也称为权重，这就相当人脑神经网络记忆。人工神经网络技术是采用并行分布式系统，这种工作机理与传统的信息处理技术和人工智能技术完全不同，是一种全新的技术，它克服了传统基于逻辑符号的人工智能处理非结构信息化和直觉方面的缺陷，具有

实时学习、自适应性和自组织性等特点。[1]

1.2基于人工神经网络的控制

基于神经网络的控制称为神经网络控制(NNC)。传统的基于模型的控制方法,是根据被控对象的数学模型及对控制系统要求的性能指标来设计控制器,并对控制规律加以数学解析描述;而神经网络不善于显式表达知识,但它具有很强的逼近非线性函数的能力,即非线性映射能力。把神经网络用于控制正是利用它的优点[2]:

(1)能够充分逼近任意复杂的非线性系统;

(2)能够学习和适应严重不确定系统的动态特性;

(3)由于大量神经元之间广泛连接,即使少量神经元或连接损坏,也不影响系统的整体功能,表现出很强的鲁棒性和容错性;

(4)采用并行分布处理方法,使得快速进行大量运算成为可能。

这些特点显示了神经网络在解决高度非线性和严重不确定性系统的控制方面具有很大潜力。将神经网络引入控制系统是控制学科发展的必然趋势,它的引入不仅给这一领域的突破带来了生机,也带来了许多亟待解决的问题。[3]神经控制是研究和利用人脑的某些结构机理以及人的知识和经验对系统的控制。利用神经网络,可以把控制问题看成模式识别问题,被识别的模式是映射成“行为”信号的“变化”信号。神经控制最显著的特点是具有学习能力。它是通过不断修正神经元之间的连接权值,并离散存储在连接网络中来实现的。它对非线性系统和难以建模的系统的控制具有良好效果。所以,可以将神经网络在控制中的作用分为以下几种:

(1)基于精确模型的各种控制结构中充当对象的模型;

(2)在反馈控制系统中直接充当控制器的作用;

(3)在传统控制系统中起优化计算作用;

(4)在与其它智能控制方法和优化算法相融合中,为其提供非参数对象模型、优化参数、推理模型及故障诊断等。[4]

2人工神经网络技术应用现状

随着对神经网络的不断深入研究,新的人工神经网络模型不断出现,其中应用最为广泛的人工神经网络模型有多层前馈网络(MLP),Hopfield神经网络(HNN),随机神经网络和自组织神经网络。[5]

2.1多层前馈网络(MLP)及BP算法的发展现状

自从Rosenblant的反向传播算法(BP)提出以来,人们对MLP的研究就取得了很大的进步。取得成就的同时也遇到了一些困难,人工神经网络硬件的芯片的发展仍然发展十分缓慢,这就造成了人们只是对计算机原有的标准的算法BP进行了改进而已。[6]这些改进方法主要是在原有的算法基础上加入动量项的BP算法、二阶动量项的BP算法、Newton法、二次收敛的Newton法、共振梯度法、最小二乘法等计算方法。就目前的应用而言,MLP主要是应用在对天气的预测、行业发展预测和建筑设计等领域。