1.1.3  人工神经网络优点
人工神经网络具有以下几个方面的优点：
(1)非线性性。人工神经网络是由众多的神经元(节点)组成，每个神经元采用非线性的传递函数，整个神经网络在本质上是由众多的非线性处理元组成的非线性系统，故其在处理非线性问题上具有其他研究方法无法比拟的优势。
(2)自学习和自组织性。人工神经网络通过已有的样本进行学习，发现已有样本的内在规律及特性，其在学习过程中无需对样本的空间分布状态做任何假设。
(3)容错性。在人工神经网络中，信息是分布式存储在各个神经元间相互连接的权值上，少数神经元的损坏只会稍微降低系统的性能，但不会破坏整个系统。人工神经网络可以克服统计等方法的限制，具有处理资料遗漏或者错误的能力。
(4)并行性。人工神经网络通过学习训练获取信息并建立模型，在学习训练的过程中，同一层的各个神经元同步学习训练，提高了系统处理问题的能力。
(5)自调节性。人工神经网络各个节点的权值可以随着具体任务与情况的变化而修改，从而具有适应环境和保持系统稳定的能力。
人工神经网络具有上述的优点，但也有容易陷入局部极小值的缺点，网络结果可能只是局部最优解，不能保证训练结果是误差超平面的全局最优解。
1.2  网络控制背景介绍
1.2.1  网络控制系统概述
随着控制系统规模的日益扩大，很多控制系统采用现场总线等技术构成一个控制网络。这种控制网络属于一种完全的分布式控制结构，具有信息资源能够共享、连接线大大减少、易于系统的扩展等优点。但另一方面，由于网络中的信息源很多，信息在传送时要分时占用总线，而网络的通信带宽有限，因此不可避免地存在着信息的碰撞、重发等现象，这就使得信息在传输过程中不可避免地存在着延迟。而且随着通信协议和网络中负载情况的变化，该延迟是随机时变的。
通过网络形成的反馈控制系统称为网络控制系统NCS。该类系统中，被控对象与控制器以及控制器与驱动器之间是通过一个公共的网络平台连接的。在文献[3]中提到，这种网络化的控制模式具有信息资源能够共享、连接线数大大减少、易于扩展、易于文护、高效率、高可靠性及灵活性等优点，是未来控制系统的发展模式。尽管网络控制系统相比传统控制系统有许多优点，由于网络的介入，数据包在网络传输过程中不可避免地出现碰撞及排队等待。在共享的数据网络中，除传送闭环控制系统的控制信息外，还需要传送许多与控制任务无关的其他信息，因此，资源竞争与网络拥塞等现象在网络控制系统中是不可避免的[3]。
网络控制设计的主要方法有基于稳定性分析的方法和基于系统综合的方法。
基于稳定性分析的设计方法，是首先在不考虑网络的状况下对系统控制设计，之后在考虑网络的情况下进行系统性能分析，确定允许的采样周期与网络环境参数以及它们之间的关系。
基于系统综合的网络控制设计方法，根据文献[3]中提到的例子，在设计一类控制策略时，也会考虑网络环境的影响。此时，控制策略参数是依赖于网络环境参数变化的，控制增益参数求解依赖于一组线性矩阵不等式，而网络条件参数又直接影响到该组线性矩阵不等式的可解性[3]。
在目前的一些研究方法中，所设计的控制一般仅能够在一定程度上抵消网络环境不确定性对闭环系统性能的影响。当网络环境恶劣到一定程度时，所设计的控制策略有可能失效。那么是否可以设计出对网络环境不确定性具有更强鲁棒性的控制策略呢？ 网络环境下一类中立型神经网络的自适应同步控制算法研究(3):http://www.youerw.com/zidonghua/lunwen_4083.html