環(huán)境試驗設備系統(tǒng)的辨識器是改進了的Elman 神經(jīng)網(wǎng)絡，它用來動態(tài)的辨識被控對象的正向模型，為控制器提供誤差及其梯度信息。由于Elman 神經(jīng)網(wǎng)絡屬于局部反饋網(wǎng)絡，其本質是動態(tài)的神經(jīng)網(wǎng)絡，所以可以隨被控對象模型的變化而變化，最終收斂到穩(wěn)定點，而不是被控對象模型靜態(tài)關系的描述。
通過對被控對象動態(tài)辨識，我們可以根據(jù)辨識的結果構造一步預測控制器，使得系統(tǒng)得到更好的動態(tài)品質。系統(tǒng)的控制器是一個增強型的模糊神經(jīng)網(wǎng)絡。因此，系統(tǒng)的本質仍然是模糊控制。不過，運用神經(jīng)網(wǎng)絡來表達模糊推理從而構成的模糊神經(jīng)網(wǎng)絡具有單純模糊控制不可比擬的優(yōu)勢。因為，模糊神經(jīng)網(wǎng)絡所表達的模糊推理蘊涵在神經(jīng)網(wǎng)絡權值中，網(wǎng)絡通過自學習不斷調整權值的同時也就達到了優(yōu)化模糊規(guī)則和專家控制經(jīng)的目的，最終得到全局收斂控制信號，實現(xiàn)全局較優(yōu)控制。從系統(tǒng)辨識角度上看，由于有了神經(jīng)網(wǎng)絡對未知結構的非線性系統(tǒng)參數(shù)進行辨識，放松了以往傳統(tǒng)辨識方法中要求系統(tǒng)線性、定常、結構已知的限制條件。

從控制角度上看，采用神經(jīng)網(wǎng)絡在線實時辨識與另一個神經(jīng)網(wǎng)絡控制器共同作用的方式，構成一種間接神經(jīng)網(wǎng)絡控制結構這種結構相當于一種內?？刂?。從理論上說，如果存在一個收斂的神經(jīng)網(wǎng)絡辨識權值ＷI 和神經(jīng)網(wǎng)絡控制器權值WC，能夠保證系統(tǒng)均方差收斂或L2 收斂，那么當辨識網(wǎng)絡收斂到ＷI，控制器網(wǎng)絡收斂到WC 時，系統(tǒng)控制收斂。
但在實際工程中，這僅僅是控制系統(tǒng)收斂的一個充分條件而非必要條件。實際情況是，當系統(tǒng)控制收斂時，辨識網(wǎng)絡和控制網(wǎng)絡權值收斂，但并非惟一。因為收斂結果與網(wǎng)絡初始權值的選擇，控制信號的形式息息相關。這一點與傳統(tǒng)辨識意義上的參數(shù)惟一收斂不同。我們知道，控制的目的是保證系統(tǒng)輸出收斂，而非辨識網(wǎng)絡和控制網(wǎng)絡權值收斂。只是后者能夠保證控制系統(tǒng)收斂到一個較好的程度，且可能具有較強的泛化能力。
此外，實際控制系統(tǒng)輸出收斂的要求也好似因控制對象而異，只要滿足一定條件即可，一味追求零誤差既不現(xiàn)實也沒有必要。在工程上，神經(jīng)網(wǎng)絡在線辨識由于受到采樣時間的限制，辨識網(wǎng)絡很難在一個采樣周期內產生收斂。通常解決辦法是選擇合適的網(wǎng)絡和學習算法，保證系統(tǒng)辨識沿時間軸收斂，即在每個采樣周期內，給定循環(huán)訓練次數(shù)，使網(wǎng)絡逐步向收斂狀態(tài)逼近。雖然此時根據(jù)可能還未收斂的辨識網(wǎng)絡求得的控制量不能保證系統(tǒng)“立即”達到期望軌跡，但理論上只要辨識最終收斂，控制也會最終收斂。http://www.dgzhenghang.cn