导读： 【作者】； 【导师】； 【作者基本信息】湖南大学，控制理论与控制工程，2002，博士 【摘要】 本文在回顾了机器人控制技术和神经网络技术的发展和现状后，提出了智能神经网络的概念和模型，总结了它的定义，研究了多种形式的智能神经网络模型并将它们应用于...
【作者】 ；
【导师】 ；
【作者基本信息】 湖南大学， 控制理论与控制工程， 2002， 博士
【摘要】 本文在回顾了机器人控制技术和神经网络技术的发展和现状后，提出了智能神经网络的概念和模型，总结了它的定义，研究了多种形式的智能神经网络模型并将它们应用于机器人的控制中。所研究的智能神经网络可以分为两类，一类是具有模糊推理归纳和自学习能力的神经网络；另一类是具有全局稳定性和鲁棒性的神经网络。在本文中，我们通过将模糊控制与神经网络结合构成模糊神经网络来使神经网络具有模糊推理归纳和自学习能力；通过从系统的稳定性出发，用稳定性理论来设计鲁棒神经网络学习算法来使神经网络具有全局的稳定性。模糊神经网络用神经网络模拟模糊推理，使得神经网络具有了模糊推理和归纳能力。由于神经网络具有自学习的能力，又使得模糊神经网络的推理归纳方式在实际的控制过程中是可以不断修正的。同时由于模糊神经网络的结构具有明确的物理意义，模糊神经网络的结构设计和权值初始化非常容易。在模糊神经网络的研究方面，论文首先利用采用高斯基函数作为模糊隶属函数，构造了一种模糊高斯基神经网络；而后，为了使模糊隶属函数的形状可以得到实时在线的调整，在分析了样条基函数的特性后，利用B样条基函数作为模糊隶属函数，构造了一种模糊样条基神经网络；再然后，将小脑模型关节控制器中的空间划分方式进行模糊化处理，提出了一种模糊小脑模型关节控制器；之后，又在小波神经网络的基础上，设计了一种模糊小波基神经网络；最后，在模糊神经网络中
