在解决未知对象的控制器设计问题上,已有研究人员采用神经网络技术,根据环境的变化而设计控制器,如Hoskins[1]等的大时滞化工系统最优控制器,ASADA M[2]等的机器人射门控制系统,LIN C J 和CARPENTER G A[6-7]的模糊神经网络控制器自学习方法等。 然而,传统神经网络再励学习方法多采用预先确定结构的BP网络进行在线学习,且学习一般针对单个目标而进行,对具有多性能指标的系统则不能兼顾各方面性能。 1 多指标控制器自设计方法 本文提出的基于神经网络的未知对象控制器自设计方法原理如图1所示,算法首先根据被控对象的输出评估各项性能指标值,以此性能指标值作为进化算法的