该文针对机床、机械手等这类可以事先预知运动路径的被控对象,采用神经元网络与预见控制理论相结合的控制策略,设计了神经元网络预见控制器.仿真分析表明,此控制器具有跟踪性能好,自学习能力强,反应迅速,鲁棒性好等特性.预见控制就是谋求在目标值信号及干扰信号的未来信息可被利用时,有效地利用这些信息以改善控制性能.从结构上,预见伺服系统是在通常的伺服系统上加上利用未来信息的预见前馈补偿得到的.因此,其稳定性等和原来一样,而且由于利用了未来信息,使目标值跟踪性能更好.但补偿精度是受被控对象数学模型的准确性影响的.同时,神经元网络具有许多适用于自动控制的优点,对被控对象模型的精度要求不高,且抗干扰能力强,可以克服系统中非线性的影响,提高系统的性能.因此,用神经元网络来实现预见控制器的功能,有利于提高系统的跟踪性能,自学习能力及鲁棒性.控制结构采用前馈加反馈的监督控制方法,不仅可确保控制系统的稳定性和鲁棒性,具有很好的跟踪性能,而且可有效地提高系统的控制精度和自适应能力.基于以上控制思想,用Matlab的Simulink作了仿真验证,结果表明利用目标值的未来信息的神经元网络预见控制器,具有很强的自学习能力,同时弥补了系统的动态延迟,大幅度改善了跟踪性能,而且由于神经元网络对数据处理的并行机制,提高了响应速度.同时考虑到纯数字的仿真方法与现实世界的差距,进行了有实际的被控对象参与的硬件在回路的实时仿真实验,即用计算机实现其实时控制器,将实际的受控对象直接放置在仿真回路中,对所提出的控制策略进行了实进验证.在这个实验中,利用实时工具Windows Target,由一台PC机来完成主机和目标机的任务,对电动机的位置进行了控制.