1、神經(jīng)元控制是智能控制的重點內(nèi)容，是目前自動控制領域研究的熱點之一。本文主要研究了基于遞歸神經(jīng)網(wǎng)絡的多變量時變線性系統(tǒng)的動態(tài)優(yōu)化控制問題，構建了新型的隨機遞歸神經(jīng)網(wǎng)絡，設計了基于遞歸神經(jīng)網(wǎng)絡的最優(yōu)預測控制方案，并將其應用于青霉素發(fā)酵過程。論文的主要研究成果如下： 1.本文提出了一種基于Boltzmann機的求解線性二次型動態(tài)優(yōu)化控制問題的方法，其基本思想在于，將系統(tǒng)的性能指標轉化成Boltzmann機的能量函數(shù)，將控制序列與網(wǎng)絡的

2、神經(jīng)元相對應，其求解線性二次型的動態(tài)優(yōu)化控制問題的過程就是運行相應的Boltzmann機網(wǎng)絡從初態(tài)至穩(wěn)態(tài)的過程，而Boltzmann機的穩(wěn)態(tài)對應的即是最優(yōu)的控制序列。本文的理論研究表明，對于任意多變量、時變線性系統(tǒng)，都能夠找到一個相應的Boltzmann機，其能量函數(shù)與該系統(tǒng)的線性二次型性能指標等價。本文對上述理論研究的方法進行了實驗研究，取得了與理論分析一致的結論。 2.模擬退火算法使Boltzmann機具有了較強的全局優(yōu)化計

3、算能力，然而，為了獲得全局最優(yōu)，模擬退火算法又使Boltzmann機付出了運算速度慢的代價。針對這一問題，本文設計了一種Boltzmann機與Hopfield網(wǎng)絡相結合的遞歸神經(jīng)網(wǎng)絡Boltz-Hop，該網(wǎng)絡具有與Boltzmann機相同的能量函數(shù)和拓撲結構。Boltz-Hop網(wǎng)絡采用Hopfield網(wǎng)絡的工作算法搜索局部極小，采用Boltzmann機工作算法搜索全局最優(yōu)，即：只有在局部極小點附近，Boltzmann機的模擬退火算法才發(fā)

4、揮作用。Boltz-Hop網(wǎng)絡既避免了Hopfield網(wǎng)絡局部極小的問題，同時也解決了Boltzmann機全局尋優(yōu)速度較慢的問題，Boltz-Hop網(wǎng)絡因而具有快速導向全局最優(yōu)的特性。本文針對Boltz-Hop神經(jīng)網(wǎng)絡的尋優(yōu)特性的實驗研究取得了良好的結果。 3.本文提出了一種基于Boltz-Hop神經(jīng)網(wǎng)絡的最優(yōu)預測控制方法。該方法將Boltz-Hop網(wǎng)絡作為預測控制中的最優(yōu)控制器，與被控系統(tǒng)和廣義預測模型構成滾動優(yōu)化的閉環(huán)結構，

5、系統(tǒng)每一離散時刻的優(yōu)化問題都將轉化為Boltz-Hop網(wǎng)絡的能量函數(shù)并由Boltz-Hop網(wǎng)絡實時求解產(chǎn)生最優(yōu)控制序列，被控對象在此控制序列作用下運行，在下一時刻，新的系統(tǒng)狀態(tài)導致廣義預測模型新的預測輸出及優(yōu)化問題和新的Boltz-Hop能量函數(shù)，以及新的最優(yōu)控制序列。如此循環(huán)往復，從而實現(xiàn)了預測控制的三個環(huán)節(jié)：多步預測、滾動優(yōu)化、反饋校正。基于該方法，本文以青霉素發(fā)酵過程為對象，設計了青霉素發(fā)酵過程的實時優(yōu)化控制系統(tǒng)，仿真實驗取得了良