1、已有的絕大多數(shù)多輸入多輸出（MIMO）控制算法，應用于工程實際時，需要知道系統(tǒng)中的耦合函數(shù)。因此辨識耦合函數(shù)的工作不可避免。而大多數(shù)系統(tǒng)的耦合函數(shù)的辨識費力且費時，有些系統(tǒng)的耦合函數(shù)則難以辨識。本文建立一種基于神經網(wǎng)絡耦合補償器的MIMO控制算法。該算法在設計過程中不需要知道耦合函數(shù)，避開了耦合函數(shù)辨識的難題。
　　本文敘述了并聯(lián)式耦合補償控制算法?；谠撍惴ǖ目刂葡到y(tǒng)各個通道有一個主控制器和并聯(lián)式耦合補償器。該算法不需要知道系統(tǒng)

2、的耦合函數(shù)。應用于工程時，不需要辨識耦合函數(shù)。同時本文指出了并聯(lián)式耦合補償器的耗能和被控對象的耗能必須在同一量級，因此實用性較差。
　　本文對并聯(lián)式耦合補償控制算法做了根本性改進。通過框圖變換方法使得耦合補償器的輸出值可以控制系統(tǒng)中的執(zhí)行器，從而使耦合補償器只需要較小的能耗。每個耦合補償器由一個神經網(wǎng)絡串聯(lián)一個虛擬被控對象而構成，不會出現(xiàn)超前環(huán)節(jié)和純微分環(huán)節(jié)，容易用電子器件實現(xiàn)。
　　本文對算法進行了詳細的嚴格的推導。用解析

3、方法證明了本算法的正確性。由于沒有找到和本文算法相似算法的資料，本文的算法和推導是在導師的指導下獨立完成，具有創(chuàng)新性。
　　基于本文算法的控制系統(tǒng)中，主控制器可以是已有的各種控制器，耦合補償器可以是各種神經網(wǎng)絡。本文選用了RBF、BP以及CMAC神經網(wǎng)絡作為耦合補償器。對基于這幾種神經網(wǎng)絡的系統(tǒng)，用MATLAB做了仿真研究。每一種具體的算法，用多個算例進行驗證。仿真結果均證明基于這幾種補償器的算法是可以實現(xiàn)的，能夠改善系統(tǒng)的控制性