神经网络控制的扑翼模型：一种新型学习控制系统

"扑翼器是一种模拟生物飞行的控制模型，用于学习控制的研究。这个模型源于对可进化生物，如鸟类飞行的简化，具有非线性、多输入多输出的特性，适合复杂学习系统的测试。文章中提出了一种基于神经网络的控制方案，构建了一个逐级发展的学习控制系统，能模拟生物学习过程，尤其在目标捕捉的计算机模拟中表现出色，无论目标是静止、随机运动还是有规律运动，都能得到良好的控制效果。随着学习的深入，系统还能发展出预测能力。由于系统设计的分层特性，可以处理复杂的控制任务。" 在传统控制方法中，通常需要详尽了解被控对象的结构和参数，但在面对复杂、非线性且包含未知因素的对象时，学习控制显得更为适用。作者提出扑翼模型作为学习控制的新模型，它不仅具备多输入多输出、非线性和未知参数等典型特征，而且有实际生物的背景，使得研究更具生物学意义。例如，鸟类在飞行中通过不断尝试和学习应对各种不确定性，这一过程可以借助学习控制系统进行模拟。 扑翼模型的建立考虑了飞鸟飞行时翅膀攻角、气流速度变化、被捕捉物体运动等多种因素，试图捕捉生物飞行的真实动态。与飞机不同，飞鸟通过翅膀的活动改变阻力和升力，而飞机主要依赖固定机翼和发动机。因此，扑翼模型在动力学分析上与真实生物飞行更为接近。 在学习控制的神经网络方案中，系统通过逐步学习和优化，不仅能够解决特定的控制问题，还能不断提升整体性能。这种分层学习的方法使得系统能够适应各种复杂的控制任务，包括应对不同运动模式的目标。通过计算机模拟，验证了该模型在目标捕捉任务上的有效性，证明了学习控制在扑翼模型中的潜力和实用性。 关键词：扑翼模型、学习控制、多层系统 分类号：TN911.7 这篇1996年的清华大学学报论文介绍了一种基于扑翼模型的学习控制新方法，通过神经网络控制方案，模拟生物学习过程，尤其是在面对不确定性时的适应性，展示了学习控制在复杂系统中的广阔应用前景。