傳統(tǒng)的控制系統(tǒng)設計是在系統(tǒng)數(shù)學模型已知的基礎上進行的，因此控制系統(tǒng)的品質與數(shù)學模型的準確性有很大關系，但是實際系統(tǒng)千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統(tǒng)而言就更加困難，有時甚至是做不到的。神經(jīng)網(wǎng)絡用于控制系統(tǒng)設計則不同，它可以不需要被控對象的數(shù)學模型，而是對神經(jīng)網(wǎng)絡進行在線或離線訓練，然后利用訓練結果進行設計。由于神經(jīng)網(wǎng)絡具有較強的適應能力、并行處理能力和本質非線性，因此對非線性和不確定系統(tǒng)，采用神經(jīng)網(wǎng)絡設計的控制器將具有更強的適應能力、更好的實時性和魯棒性?；谏窠?jīng)網(wǎng)絡的控制系統(tǒng)的設計方法有多種，但目前尚未形成完善的理論體系和系統(tǒng)化的設計方法，已提出的神經(jīng)網(wǎng)絡控制器主要有神經(jīng)網(wǎng)絡PID控制、神經(jīng)網(wǎng)絡預測控制、神經(jīng)網(wǎng)絡內模控制、神經(jīng)網(wǎng)絡模糊控制等。

　　感應電動機是典型的多變量、非線性系統(tǒng)，再加上變頻裝置，整個系統(tǒng)就更加復雜。本文選擇感應電動機變頻調速系統(tǒng)作為控制對象，對它的數(shù)學模型進行了可逆性分析，使用神經(jīng)網(wǎng)絡構建逆控制器對感應電動機變頻調速系統(tǒng)進行控制。神經(jīng)網(wǎng)絡逆控制器是將逆系統(tǒng)方法和神經(jīng)網(wǎng)絡相結合，劉國海男，1964年生，博士，江蘇大學電氣信息工程學院教授、副院長，研究方向為電機控制、復雜系統(tǒng)控制等。

　　用BP網(wǎng)來逼近對象的a階逆系統(tǒng)，然后與對象串聯(lián)起來，構成一個復合偽線性系統(tǒng)，再用已有的線性系統(tǒng)的設計方法來設計控制系統(tǒng)。論文運用神經(jīng)網(wǎng)絡逆系統(tǒng)方法對實際的感應電動機變頻調速系統(tǒng)分別進行了空載/滿載起動試驗、突加/突減負載試驗和跟蹤試驗驗證。，將逆系統(tǒng)串接在原系統(tǒng)之前構成一階偽線性系統(tǒng)，這樣整個復合系統(tǒng)就轉化為少二廠1型偽線性單輸入單輸出系統(tǒng)。

　　機組變工況下仿真曲線圖仿真結果表明，該控制系統(tǒng)有效地解決了鍋爐非線性、大時滯、負荷干擾對機組運行的影響。不僅在正常負荷穩(wěn)定情況下，主汽壓能保持相當穩(wěn)定，并且在機組調峰，燃燒率發(fā)生較大變化情況下，控制機組能快速跟蹤負荷，有效地提高了系統(tǒng)的控制品質，滿足了實際控制的要求，對改善機組調峰性能有重要的現(xiàn)實意義。

　　4結論本文設計的基于神經(jīng)網(wǎng)絡預測模型的聚類自適應模糊控制的突出特點：（）采用神經(jīng)網(wǎng)絡對系統(tǒng)進行預測，為非線性大時滯系統(tǒng)的精確控制提供了保證。

　?。?）在用模糊控制實現(xiàn)基于專家控制策略和經(jīng)驗的模糊規(guī)則的同時，采用聚類自適應控制禰補模糊規(guī)則的不適應和不完整性，該控制方法簡練、靈活和快速。

　　仿真表明該控制具有強的魯棒性、實時性和抗擾性，即使調峰機組在變工況下（大范圍變負荷下）仍能保持了良好的控制性能和運行效果。