基于神经网络的控制系统<2>神经网络控制是指在控制系统中采用神经网络这一工具对难以精确描述的或是数学模型复杂的非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断，或者同时兼有上述某些功能的适当组合。设被控制对象的输入u和系统输出y之间满足如下非线性函数关系：y=g（u）控制的目的是确定最佳的控制量输入u，使系统的实际输出y等于期望的输出yd。
当被控对象是复杂的且具有不确定性时，非线性函数g-1是难以建立的，在神经网络控制系统中可以利用神经网络具有的逼近非线性函数的能力来模拟g-1：通过系统的实际输出y与期望输出yd之间的误差来调整神经网络中的连接权值，即让神经网络学习，直至误差e=yd-y→0的过程，就是神经网络模拟g-1的过程，它实际上是对被控对象的一种求逆过程，由神经网络的学习算法来实现这一过程，亦即实现了神经网络的直接控制。
神经网络学习控制的结构有很多种，按形式分可以有间接学习、一般学习、特殊学习及一般和特殊相结合的学习结构。在这些结构当中，有一些包含两种结构不同的神经网络结构。在应用过程当中，可根据实际工业过程的特点和控制要求来选择相应的结构以建立控制模型。
磨机系统工艺图神经网络控制系统模型3磨机产量神经网络控制系统设计<1，3～5>采用间接学习神经控制中的双网络结构建立磨机的神经网络控制模型，其基本思想是：磨机的输入输出是可测的，通过神经网络辨识模型对过去的输入输出数据足够次数的学习，可用神经网络模型表示磨机输入对于输出的映射关系，它代表了磨机系统的逆模型；将该逆模型置于输入系统，能对系统的输入实施有效的控制。