　　学习算法是神经网络的主要特征，也是当前
研究的主要课题

学习的概念来自生物模型，

它是机体在复杂多变的环境中进行有效的自我调
节。神经网络具备类似人类的学习功能。一个神
经网络若想改变其输出值，但又不能改变它的转
换函数，只能改变其输人

而改变输人的唯

一方法只能修改加在输人端的加权系数。

　　神经网络是利用大量的神经元按一定的拓扑
学调整方法。它能表示出丰富的特性：并行计算、
分布存储、高度容错、可变结构、非线性运算、
自我组织、学习或自学习等。这些特性是人们长
期追求和期望的系统特性。它在智能控制的参数、
结构或环境的自组织、自适应、自学习等控制方
面具有独特的能力。神经网络可以和模糊逻辑一
样适用于任意复杂对象的控制，但它与模糊逻辑
不同的是擅长单输入多输出系统和多输入多输出
系统的多变量控制，在模糊逻辑表示的

SIMO

系统和

MIMO

系统中，其模糊推理、解模

糊过程以及学习控制等功能常用神经网络来实现。
模糊神经网络技术和神经模糊逻辑技术：模糊逻
辑和神经网络作为智能控制的主要技术已被广泛
应用。两者既有相同性又有不同性。其相同性为：
两者都可作为万能逼近器解决非线性问题，并且
两者都可以应用到控制器设计中。不同的是：模
糊逻辑可以利用语言信息描述系统，而神经网络
则不行；模糊逻辑应用到控制器设计中，其参数
定义有明确的物理意义，因而可提出有效的初始
参数选择方法；神经网络的初始参数。但在学习
方式下，神经网络经过各种训练，其参数设置可
以达到满足控制所需的行为。模糊逻辑和神经网
络都是模仿人类大脑的运行机制，可以认为神经
网络技术模仿人类大脑的硬件，模糊逻辑技术模
仿人类大脑的软件

根据模糊逻辑和神经网

络的各自特点，所结合的技术即为模糊神经网络
技术和神经模糊逻辑技术

模糊逻辑、神经

网络和它们混合技术适用于各种学习方式智能控
制的相关技术与控制方式结合或综合交叉结合，
构成风格和功能各异的智能控制系统和智能控制
器是智能控制技术方法的一个主要特点。

2.6

模糊控制系统

　　所谓模糊控制，就是在被控制对象的模糊模
型的基础上，运用模糊控制器近似推理手段，实
现系统控制的一种方法

模糊模型是用模糊

语言和规则描述的一个系统的动态特性及性能指
标

。

　　模糊控制的基本思想是用机器去模拟人对系
统的控制

它是受这样事实而启发的：对于

用传统控制理论无法进行分析和控制的复杂的和
无法建立数学模型的系统，有经验的操作者或专
家却能取得比较好的控制效果，这是因为他们拥
有日积月累的丰富经验，因此人们希望把这种经
验指导下的行为过程总结成一些规则，并根据这
些规则设计出控制器。然后运用模糊理论，模
糊语言变量和模糊逻辑推理的知识，把这些模糊
的语言上升为数值运算，从而能够利用计算机来
完成对这些规则的具体实现，达到以机器代替人

对某些对象进行自动控制的目的。

　　模糊逻辑用模糊语言描述系统，既可以描述
应用系统的定量模型也可以描述其定性模型。
模糊逻辑可适用于任意复杂的对象控制。但在实
际应用中模糊逻辑实现简单的应用控制比较容易。
简单控制是指单输入单输出系统（ SISO)
或多输入单输出系统（

MISO)

的控制。因

为随着输入输出变量的增加，模糊逻辑的推理将
变得非常复杂。

参考文献

[1] Tan, K.C. and Li, Y. (2001) Performance-based control

system design automation via evolutionary computing.

Engineering Applications of Artificial Intelligence, 14 (4).

pp. 473-486. ISSN 0952-1976,

[2] Li, Y., et al. (2004). CAutoCSD - Evolutionary search

and optimisation enabled computer automated control

system design. International Journal of Automation and

Computing, 1(1). pp.76-88. ISSN 1751-8520,

[3] IMLACH J, BLAIR B J, ALLAIRE P. Measured and

predicted force and stiffness characteristic of industrial

magnetic bearings[J]. Trans. ASME J. Tribol., 1991, 113 ：

784-788.

[4]

Gene F. Franklin, J. D. Powell, and AbbasEmani-Naeini,

Feedback Control of DynamicSystems, 4th ed., 2002.

[5] FOURNEYEYN M E. Advancing into tholographical

photoelasticity[C]// American Society of Mechanical

Engineers. Applied Mechanics Division. Symposium on

Applications of Holography in Mechanics ， August 23-

25， 1971 ， University of Southern California ， Los