基于神經(jīng)網(wǎng)絡(luò)的模型參考自適應(yīng)控制既具有神經(jīng)網(wǎng)絡(luò)的自適應(yīng)和自學(xué)習(xí)能力，又提高了控制的魯棒性和實時性，因此得到了廣泛應(yīng)用并取得了不少研究成果。但由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)控制器采用BP學(xué)習(xí)算法，存在著收斂速度慢，易陷入局部極小等問題，影響了該模型的進一步應(yīng)用。基于此，本文對傳統(tǒng)BP學(xué)習(xí)算法進行改進，并將此應(yīng)用到模型參考自適應(yīng)控制神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計中，和數(shù)字鎖相環(huán)控制組成復(fù)合控制，對感應(yīng)加熱電源進行控制，仿真結(jié)果表明該算法是十分有效的。主要研究內(nèi)容如下：

　　（1） 提出了改進的分層遞階BP（HBP）和改進的雙向權(quán)值調(diào)整兩種學(xué)習(xí)算法。HBP網(wǎng)絡(luò)結(jié)構(gòu)被劃分為多個單獨的BP網(wǎng)絡(luò)，每個BP網(wǎng)絡(luò)分別用單獨的學(xué)習(xí)速率和誤差來訓(xùn)練權(quán)值。通過應(yīng)用HBP算法在非線性系統(tǒng)辨識中進行仿真，證明了該方法的有效性和可行性。改進的雙向權(quán)值調(diào)整學(xué)習(xí)算法是單隱層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將神經(jīng)網(wǎng)絡(luò)權(quán)值的調(diào)整分成兩個階段：正向階段調(diào)整隱含層到輸出層的權(quán)值，反向階段調(diào)整輸入層到隱含層的權(quán)值。這樣構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)簡單，彌補了傳統(tǒng)BP算法的不足。

　　（2） 基于改進的HBP算法，提出了應(yīng)用HBP算法訓(xùn)練RBF網(wǎng)絡(luò)連接權(quán)的改進RBF神經(jīng)網(wǎng)絡(luò)，仿真結(jié)果表明該算法能有效提高了RBF網(wǎng)絡(luò)的性能和訓(xùn)練速率。

　　（3） 通過采用改進雙向權(quán)值調(diào)整學(xué)習(xí)的BP學(xué)習(xí)算法完成對被控對象的辨識，改進RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練控制器參數(shù)，學(xué)習(xí)速率自調(diào)整的BP算法訓(xùn)練自適應(yīng)濾波器，提出改進的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制器。通過對該系統(tǒng)仿真，結(jié)果表明該控制方法是可行的和有效的。