本論文的主要目的在探討類神經網路應用於控制系統的可行性，主要著眼點在類神經
網路的模型化能力（modeling capacity ），為此我們設計了自我適應類神經控制器
（Self-Adaptive Neural Controller ，簡稱SANC）。類神經模型化能力至少蘊含兩
項優點：從例子中學習（learning from example ）和動態適應（dynamic adaption
）。因為類神經網路能從例子中學習，訓練SANC時只須實際測得的數據（也許混有雜
訊）。因此，SANC運作和訓練的方式基本上不隨應用不同而改變。即使欲控制的系統
太複雜或太含糊而無法以明確的數學式子表示時，SANC依然可行。因為類神經網路能
動態適應，SANC被證實不但強健（robust）而且具有學習能力。這些特性均藉著控制
機器手操縱器（robot manipulator ）而一一證實。另外，SANC也證明是一種點寬最
佳控制（pointwise optimal control ），而其可控制的條件（conditions of con-
trollability）亦已導得。最後，我們進一步擴展SANC的功能以解決更廣泛的應用。
其中一個著名的例子就是先天不穩定的車和桿系統（cart-pole system），藉著這個
例子我們證實此擴展版遠比傳統控制更加強健，並且具有學習的能力。
|