|
自20世紀40年代維納提出控制理論開始，自動控制理論已經經歷了兩個主要發展階段：經典控制理論階段和現代控制理論階段。雖然控制理論得到了很大的發展和應用，但是，在科學技術和生產力水平高速發展的今天，人們對大規模、復雜和不確定性系統實現自動控制的要求不斷提高。因此，傳統的控制理論的局限性日益明顯。尤其是在處理具有非線性、復雜性和不確定性的被控對象時，由于很難得到精確的數學模型，傳統方法設計的控制器在實際應用中效果很差。
智能控制是人工智能、自動控制理論、計算機技術、運籌學等許多學科知識交叉而成的，包括模糊控制、專家系統控制、神經元網絡控制等方法。盡管智能控制尚需進一步的完善和發展，但在復雜系統的控制中已經顯示出其在很多方面較之傳統控制更好的性能。與傳統的控制理論相比，智能控制對于環境和任務的復雜性有更大的適應程度，所以能在更廣泛的領域中獲得應用。
神經元網絡是智能控制的一個重要分支，其在自動控制系統中的應用提高了信息處理能力和自適應能力，提高了系統的智能水平。神經元網絡已被證明具有逼近任意連續有界非線性函數的能力，這給非線性系統的控制帶來了新思路；另外，神經元網絡具有很強的信息綜合能力，它能同時處理大量不同類型的輸入信息，能很好地解決輸入信息之間的冗余問題，并能夠處理那些難以用模型規則描述的系統信息。神經元網絡在復雜系統的控制方面具有明顯的優勢，神經元網絡控制盒辨識的研究已經成為智能控制研究的主流。
神經元網絡控制系統的研究目前尚處于探索階段，還未形成比較完善的理論體系和系統化的設計方法，神經元網絡自適應控制系統是基于自適應的基本原理，利用神經元網絡的特點和理論設計而成的，簡化了單純自適應控制系統設計的復雜性，發揮了自適應與神經元網絡的各自長處，為智能控制的實現探索了一種新方法，在智能控制研究領域中具有巨大的潛力。 |
