前馈控制的神经网络实现

不依赖对象模型，在前馈－反馈定值控制系统中，借助神经网络构成前馈控制器，以反馈输出引导网络权值及输出的调整，使网络逐步学成前馈补偿功能，并最终在控制中占据主导地位，实现对主要可测干扰的补偿。文章分析了神经网络前馈控制器的作用效果，并与根据精确模型设计的常规前馈控制器的作用特性进行了比较。文中采用两种不同方式对神经网络进行训练，仿真结果证实了在模型未知的条件下，利用神经网络实现前馈控制的有效性。