提出一种用于混沌光学系统控制的神经网络自适应控制技术。以一前向神经网络作为受控混沌光学系统的系统辩识器,由此神经网络系统辩识器与受控混沌光学系统输出差值作为负反馈对受控混沌光学系统控制参数进行调整达到控制目的。由于所使用神经网络系统辩识器在常规BP算法的支持下可从受控混沌光学系统的输出时间序列进行动力学模型重构,因而特别适用于对未知动力学表述的混沌光学系统进行控制。以对布喇格声光双稳混沌系统的系统辩识及自适应控制为例,对此神经网络自适应控制技术可行性进行了示例证明。

为解决混沌光学系统自适应控制所需之控制参考动力学模型问题,以布拉格声光混沌系统的系统辨识为例,研究了利用前向神经网络对混沌光学系统进行系统辩识的可行性。计算机仿真实验发现,在静态BP算法支持下一结构十分简单的三层BP前向神经网络(1:4:1)即可在一定的精度范围内完成对布拉格声光混沌系统的系统辨识。此结果表明,三层前向BP神经网络在静态BP算法的支持下确是一良好的混沌光学系统辨识器,因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。