神經網路逆系統是指採用了靜態神經網路加上若干積分器的結構，而保留了積分器和原系統狀態反饋來反映系統的動態特性的一種系統。
基本介紹
- 中文名：神經網路逆系統
- 外文名：neural network inverse system
- 簡稱：神經網路逆
- 結構：靜態神經網路加上若干積分器
- 特點：結構簡單、易於工程實現等
- 所屬學科：自動控制
結構確定,實現過程,檢驗過程,特點,
神經網路逆系統結構的確定分為兩步。
首先，棕多套愉確定神經網路逆系統的基本結構形式。這一步完全對應於解析逆系統的結構確定步驟，即根據非線性系統的動態方程描述形式、狀態觀測的難易程度和逆系統中輸出的最高階導數的次數來確定採用何種形式的神經網路逆系統。
然後，根據實際情況，通過烏記挨適當增加神經網路的輸入節點的數目，獲得神經網路逆系統的擴展捉歸簽結構形式。辯匙海具體考慮：①引入對被控原系統的參數測量或估計、干擾估計等信號，使神經網路逆系統具有更強的對原系統變化的適應能力與抗干擾能力；②將逆系統表達式中的部分非線性運算採用解析實現，並將其運算結果引入到神經網路中，這樣構成的神經網路逆系統中的神經網路結構簡單且訓練時收斂速度快。
神經網路逆系統的實現過程實際上就是對被控系統的逆系統的辨識過程，它包括神經網路及逆系統的確定、訓練神經網路逆系統兩部分，其中訓練神經網路逆系統是重中之重。
而訓練神經網路逆系統的實質是訓練神經網路逆系統中的靜態神經網路，糠辯戰使靜態神經網路真正實現其要逼近的非線性運算。一旦靜態神經網路能達到此目的，則由靜態神經網路加積分器構成的神經網路逆系統就真正成為被控系統的逆系統。
對神經網路逆系統進行學習與訓練，理想的方式是先離線訓練再線上調整。但在實際套用中，一方面線上調整非常困難，另一方面對線上調整的效果(收斂性)還難以把握。使神經網路逆系統的線上學習與調整至今仍是一個未解決的問題。
校驗神經網路逆系統(註：在實際的套用中進行這一步一般較困難)，即在被控系統的工作區域內校驗偽線性複合系統的線性化解耦的效果，其方法是對偽線性複合系統輸入一定幅值的單位階躍信號，比較偽線性複合系統的輸出與期望的線性化解耦系統問的差異，判斷神經網路逆系統在被控系統工作區域內的線性化與解耦的效果是否基本滿意。
神經網路逆系統具有以下的特點：
1)保留了解析逆系統理論中比較成熟的線性化解耦原理、物理意義直觀等特點，適用於一般形式的非線性系統；
2)結合了神經網路對未知非線性函式的逼近與學習能力，因而避免了解析逆系統方法過分依賴於系統的數學模型和求解逆系統顯式表達式的困難；
3)神經網路逆系統的結構簡頸戲旬阿單兆驗，易於工程實現。
