1、基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制是神經(jīng)網(wǎng)絡(luò)PID控制的一種典型結(jié)構(gòu)，它通過RBF神經(jīng)網(wǎng)絡(luò)辨識獲得對象的Jacobian信息，用于指導(dǎo)單神經(jīng)元權(quán)值系數(shù)的學(xué)習(xí)，實現(xiàn)了PID參數(shù)的在線整定。其中，RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的選取很大程度上決定了網(wǎng)絡(luò)的逼近性能，在常規(guī)RBF神經(jīng)網(wǎng)絡(luò)中，由于網(wǎng)絡(luò)結(jié)構(gòu)固定，對時變、復(fù)雜非線性系統(tǒng)的適應(yīng)性較差。因此，本文采用序貫學(xué)習(xí)算法在線構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)，使其結(jié)構(gòu)和參數(shù)更加優(yōu)化，進而組成了基于RBF神經(jīng)網(wǎng)

2、絡(luò)序貫學(xué)習(xí)算法的單神經(jīng)元PID控制結(jié)構(gòu)。仿真結(jié)果表明，序貫學(xué)習(xí)算法在一定程度上提高了RBF神經(jīng)網(wǎng)絡(luò)的辨識精度和收斂速度，從而改善了控制器的自適應(yīng)性能，提高了控制精度和響應(yīng)速度，對非線性系統(tǒng)能夠取得較為理想的控制效果。
　　本文主要包括以下內(nèi)容:
　　(1)研究了神經(jīng)網(wǎng)絡(luò)PID控制方法，重點介紹了基于RBF神經(jīng)網(wǎng)絡(luò)辨識的單神經(jīng)元PID控制的原理和結(jié)構(gòu)。
　　(2)研究了幾種目前常用的RBF神經(jīng)網(wǎng)絡(luò)序貫學(xué)習(xí)算法，并針對最小

3、資源分配網(wǎng)絡(luò)算法在隱層神經(jīng)元刪除策略與閾值調(diào)整算法中存在的不足，提出了一種改進的最小資源分配網(wǎng)絡(luò)算法。通過對非線性系統(tǒng)辨識的仿真，分析了改進算法的優(yōu)勢與不足。
　　(3)研究了動態(tài)正交結(jié)構(gòu)自適應(yīng)算法，針對算法在隱層神經(jīng)元刪除策略和網(wǎng)絡(luò)參數(shù)調(diào)整中存在的不足，提出了一種改進的動態(tài)正交結(jié)構(gòu)自適應(yīng)算法。通過對非線性系統(tǒng)辨識的仿真，與幾種常用的序貫學(xué)習(xí)算法進行了性能比較，驗證了改進算法的有效性和優(yōu)越性。
　　(4)分別將采用三種不同序