1、“.....其中线性反馈控制器保证了非线性系统的稳定运行前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。智能控制主要方法模糊控制器模糊控制器是种近年来发展和应用最普遍的新型控制器，其优点是不要求提供受控对象的数学模型，根据人工控制规则来设计控制决策表。模糊控制与控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性控制。将模糊控制和控制两者结合起来，扬长避短，既具有模糊控制灵活适应性强的优点，又具有控制精度高的特点。神经网络控制器人工神经网络是最近发展起来的十分热门的交叉学科。它涉及生物电子计算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以大规模并行处理为主要特征的神经网络具有学习记忆联想容错并行处理等能力......”。

2、“.....基于神经网络的控制，其结构方式有两类类是单神经元控制，即神经元输入权值对应参数，神经元输入值为经过比例积分微分处理的偏差值，其主要局限性在于单神经元结构无任意函数逼近能力另类是在常规控制器的基础上增加个神经网络模块，按照学习算法如前向算法和反传算法进行离线学习，实时调整出参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，以适应被控对象的变化，因此，具有很强的适应性。遗传算法控制器世纪年代末，即在遗传算法等进化计算思想提出年后，在生物医学界和自动控制界出现了研究进化控制的苗头。遗传算法是基于自然选择和基因遗传学原理的搜索算法，达尔文主义的适者生存基本理论贯穿于整个算法。基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进行操作的组遗传算子，包括个基本操作选择复制交叉变异......”。

3、“.....它有利于控制系统控制品质的提高，受环境的影响较小，具有较强的控制鲁棒性，是种很有发展前景的控制器。同时对单神经元自适应控制算法进行改进，使增益能够自调整，通过仿真发现这种改进算法能使控制效果变得更好。摘要在现代工业控制领域，控制以其原理简单，鲁棒性好，可靠性高等优点被广泛应用。控制的各个参数是为特定的被控对象而整定的，在系统模型参数变化不大的情况下，其控制性能优良，操作简单，能满足工程控制的要求，然而在工业实际控制中，被控对象往往还具有高度的非线性，不确定性和参数时变等特点，在这种情况下单纯依靠控制是不能达到要求的。神经网络控制系统作为新兴发展的智能控制系统，能很好地解决上述问题，已经在很多领域得到应用，同时也显示了它的优越性。单神经元作为构成神经网络的基本单元，具有自学习和自适应能力，且结构简单而易于计算......”。

4、“.....同时采用有监督的学习规则来设计单神经元自适应控制器，这样既可以解决传统控制器的不足，同时又能充分利用控制技术成熟的优势。通过仿真对比发现单神经元自适应控制器比传统的控制器控制效果好。关键词单神经元自适应控制控制神经网络有监督的学习规则绪论智能控制系统发展概况随着信息技术的发展，许多新方法和技术进入工程化产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。智能控制的主要方法智能控制技术的主要方法有模糊控制基于知识的专家控制神经网络控制和集成智能控制等，以及常用优化算法有遗传算法蚁群算法免疫算法等。模糊控制模糊控制以模糊集合模糊语言变量模糊推理为其理论基础，以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制......”。

5、“.....实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定，以及控制规则的制定二者缺不可。专家控制专家控制是将专家系统的理论技术与控制理论技术相结合，仿效专家的经验，实现对系统控制的种智能控制。主体由知识库和推理机构组成，通过对知识的获取与组织，按种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率，灵活性高可通过调整控制器的参数，适应对象特性及环境的变化，适应性好通过专家规则，系统可以在非线性大偏差的情况下可靠地工作，鲁棒性强。神经网络控制神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模......”。

6、“.....学习控制遗传算法学习控制智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。快速高效全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的种搜索和优化算法，它模拟生物界生存竞争，优胜劣汰，适者生存的机制，利用复制交叉变异等遗传操作来完成寻优。遗传算法作为优化搜索算法，方面希望在宽广的空间内进行搜索，从而提高求得最优解的概率另方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代任务。概括说来，建立可以分成两个分离的任务初始化模块特性包括输入输出信号的宽度，离散连续状态的初始条件和采样时间。将算法放到合适的子函数中去。为了让识别出个文件，用户必须在函数里提供有关函数的说明信息......”。

7、“.....这部分主要是在子函数里完成。数组是函数信息的载体，它内部的字段意义为连续状态的个数状态向量连续部分的宽度离散状态的个数状态向量离散部分的宽度输出变量的个数输出向量的宽度输入变量的个数输入向量的宽度有无直接馈入。注意是个布尔变量，它的取值只有和两种。表示没有直接馈入，此时用户在编写子函数时就要确保子函数的代码里不出现输入变量表示有直接馈入。采样时间的个数，也就是变量的行数，与用户对的定义有关，有无代数循环标志。如果字段代表的向量宽度为动态可变，则可以将它们赋值为。需要指出的是，由于会忽略端口，所以当有多个输入变量或多个输出变量时，必须用模块或模块将多个单输入合成个复合输入向量或将个复合输出向量分解为多个单输出。输入和输出参量说明默认的个输入参数为和，它们的次序不能变动，代表的意义分别为代表当前的仿真时间......”。

8、“.....或者在多采样速率系统中，用来区分不同的采样时刻点，并据此进行不同的处理。表示状态向量，这个参数是必须的，甚至在系统中不存在状态时也是如此。它具有很灵活的运用。表示输入向量。是个控制在每个仿真阶段调用哪个子函数的参数，由在调用时自动取值。控对象为二阶延迟系统图对比仿真结果通过分析图和，可知对于二阶系统，单神经元自适应控制器的超调量和调节时间也都比传统的控制器的小，也就是对于二阶系统而言单神经元自适应控制器的控制效果同样优于传统控制。抗干扰性能力在工业环境中，控制系统会受到各种干扰的影响，例如电磁干扰，噪声干扰，周围环境温湿的改变等的影响，因此要设计控制器就应该考虑干扰的影响。以二阶系统为被控对象，假设在时控制系统受到干扰，且干扰持续，仿真结果如下图对比仿真结果从图可以看出，单神经元自适应控制器的抗干扰能力优于传统控制器......”。

9、“.....可以看出增益自调整单神经元自适应控制器的超调量和调节时间比单神经元自适应控制器的要少，可见该改进方法确实能提升控制效果。结论通过本次毕业设计，使我更进步加深了怎样分析问题和解决问题，加强了对已学过知识的理解，增强了实际应用能力，同时也开阔了视野。对于传统控制，用工程中常用的参数整定方法扩充临界比例带法计算传统控制中参数。从而在软件中的中建立控制的闭环框图得出仿真图像，当在时间段加入个干扰时，系统仍然可以快速收敛，说明控制有较好的抗干扰性，然而当被控对象特性发生较大变化时，的控制效果不太理想。对于单神经元自适应控制，通过仿真定性的分析了单神经元控制中比例学习率积分学习率微分学习率和增益等参数在控制中所起到的作用，得出在积分学习率微分学习率不变的情况下，比例系数学习率越大则超调量越小......”。