我對智能控制的理解

1、我對智能控制的理解1、引言自1971年傅京孫教授提出“智能控制”概念以來，智能控制已經(jīng)從二元論（人工 智能和控制論）發(fā)展到四元論（人工智能、模糊集理論、運籌學(xué)和控制論），在取得豐 碩研究和應(yīng)用成果的同時，智能控制理論也得到不斷的發(fā)展和完善。智能控制是多學(xué)科 交叉的學(xué)科，它的發(fā)展得益于人工智能、認(rèn)知科學(xué)、模糊集理論和生物控制論等許多學(xué) 科的發(fā)展，同時也促進了相關(guān)學(xué)科的發(fā)展。智能控制也是發(fā)展較快的新興學(xué)科，盡管其 理論體系還遠沒有經(jīng)典控制理論那樣成熟和完善，但智能控制理論和應(yīng)用研究所取得的 成果顯示出其旺盛的生命力，受到相關(guān)研究和工程技術(shù)人員的關(guān)注。隨著科學(xué)技術(shù)的發(fā) 展，智能控制的應(yīng)用領(lǐng)域?qū)⒉粩嗤?/p>

2、展，理論和技術(shù)也必將得到不斷的發(fā)展和完善。2、智能控制理論的產(chǎn)生原因傳統(tǒng)控制方法包括經(jīng)典控制和現(xiàn)代控制，是基于被控對象精確模型的控制方式，缺乏 靈活性和應(yīng)變能力，適于解決線性、時不變性等相對簡單的控制問題，難以解決對復(fù)雜系 統(tǒng)的控制。在傳統(tǒng)控制的實際應(yīng)用遇到很多難解決的問題，主要表現(xiàn)以下幾點：（1）實際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、不確定性和不完全性等，無法 獲得精確的數(shù)學(xué)模型。（2）某些復(fù)雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學(xué)模型來描述，即無 法解決建模問題。（3）針對實際系統(tǒng)往往需要進行一些比較苛刻的線性化假設(shè)，而這些假設(shè)往往與 實際系統(tǒng)不符合。（4）實際控制任務(wù)復(fù)雜，而傳統(tǒng)的

3、控制任務(wù)要求低，對復(fù)雜的控制任務(wù)，如機器 人控制、CIMS社會經(jīng)濟管理系統(tǒng)等復(fù)雜任務(wù)無能為力。在生產(chǎn)實踐中，復(fù)雜控制問題可通過熟練操作人員的經(jīng)驗和控制理論相結(jié)合去解 決，由此，產(chǎn)生了智能控制。智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合 起來，其控制方法適應(yīng)對象的復(fù)雜性和不確定性。3、智能控制的分支智能控制的概念和原理主要是針對被控對象、環(huán)境、控制目標(biāo)或任務(wù)的復(fù)雜性而提出 來的。智能控制與傳統(tǒng)控制的主要區(qū)別在子傳統(tǒng)的控制方法必須依賴于被控制對象的模型， 而智能控制可以解決非模型化系統(tǒng)的控制問題。目前，根據(jù)智能控制發(fā)展的不同歷史階段 和不同的理論基礎(chǔ)可以分為三大類 ：分別是專家控制、模糊控制

4、、神經(jīng)網(wǎng)絡(luò)控制。以下我 們來這三種控制。3.1專家控制瑞典學(xué)者K.J.Astrom在1983年首先把人工智能中的專家系統(tǒng)引入智能控制領(lǐng)域，于 1986年提出“專家控制”的概念，構(gòu)成一種智能控制方法。專家控制（Expert Control ）是智能控制的一個重要分支，又稱專家智能控制。所謂 專家控制，是將專家系統(tǒng)的理論和技術(shù)同控制理論、方法與技術(shù)相結(jié)合，在未知環(huán)境下， 仿效專家的經(jīng)驗，實現(xiàn)對系統(tǒng)的控制。專家控制試圖在傳統(tǒng)控制的基礎(chǔ)上“加入” 一個富有經(jīng)驗的控制工程師，實現(xiàn)控制的 功能，它由知識庫和推理機構(gòu)構(gòu)成主體框架，通過對控制領(lǐng)域知識（先驗經(jīng)驗、動態(tài)信息、 目標(biāo)等）的獲取與組織，按某種策略及時

5、地選用恰當(dāng)?shù)囊?guī)則進行推理輸出，實現(xiàn)對實際對 象的控制。專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算 機技術(shù)，根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家 的決策過程，以便解決那些需要人類專家才能處理好的復(fù)雜問題。簡而言之，專家系統(tǒng)是 一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。二）功能1）2）3）4）5）6）（一）原理 專家系統(tǒng)的基本工作流程是，用戶通過人機界面回答系統(tǒng)的提問，推理機將用戶輸入 的信息與知識庫中各個規(guī)則的條件進行匹配，并把被匹配規(guī)則的結(jié)論存放到綜合數(shù)據(jù)庫中。 最后，專家系統(tǒng)將得出最終結(jié)論呈現(xiàn)給用戶。能夠滿足任意動態(tài)過程的

6、控制需要，尤其適用于帶有時變、非線性和強干擾的控制； 控制過程可以利用對象的先驗知識； 通過修改、增加控制規(guī)則，可不斷積累知識，改進控制性能； 可以定性地描述控制系統(tǒng)的性能，如“超調(diào)小”、“偏差增大”等； 對控制性能可進行解釋； 可通過對控制閉環(huán)中的單元進行故障檢測來獲取經(jīng)驗規(guī)則。（三）專家控制的關(guān)鍵技術(shù)及特點a.專家控制的關(guān)鍵技術(shù)（1）知識的表達方法；（2）從傳感器中識別和獲取定量的控制信號；（3）將定性知識轉(zhuǎn)化為定量的控制信號；b.專家控制的特點（1）（2）（3）（4）控制知識和控制規(guī)則的獲取。靈活性：根據(jù)系統(tǒng)的工作狀態(tài)及誤差情況，可靈活地選取相應(yīng)的控制律； 適應(yīng)性：能根據(jù)專家知識和經(jīng)驗，

7、調(diào)整控制器的參數(shù)，適應(yīng)對象特性及環(huán)境的變化； 魯棒性：通過利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作 。（4）專家控制的應(yīng)用專家系統(tǒng)是指相當(dāng)于 （ 領(lǐng)域）專家處理知識和解決問題能力的計算機智能軟件系統(tǒng)。 它是由知識庫和推理機構(gòu)構(gòu)成主體框架，將專家系統(tǒng)的理論技術(shù)與控制理論技術(shù)相結(jié) 合，通過仿效專家的經(jīng)驗，按某種策略及時地選用恰當(dāng)?shù)囊?guī)則進行推理輸出，來實現(xiàn) 對系統(tǒng)控制的一種智能控制。專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根 據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷，模擬人類專家的 決策過程，以解決那些需要專家決定的復(fù)雜問題。專家系統(tǒng)在控制效果

8、上體現(xiàn)出了高可靠性及長期運行的連續(xù)性，在線控制的實時 性，優(yōu)良的控制性能及抗干擾性，使用的靈活性及維護的方便性等顯著的特點。它適 合解決如故障診斷、報警處理、系統(tǒng)恢復(fù)、負(fù)荷預(yù)測、檢修計劃安排、無功電壓控制、 規(guī)劃設(shè)計等問題。目前，專家系統(tǒng)已經(jīng)廣泛用于醫(yī)療、化學(xué)、設(shè)計、地質(zhì)勘探等領(lǐng) 域。3.2 模糊控制（一）模糊控制的基本原理 模糊控制是以模糊集合理論、模糊語言及模糊邏輯為基礎(chǔ)的控制，它是模糊數(shù)學(xué)在控 制系統(tǒng)中的應(yīng)用，是一種非線性智能控制。模糊控制是利用人的知識對控制對象進行控制的一種方法，通常用“ if 條件， then 結(jié) 果”的形式來表現(xiàn)，所以又通俗地稱為語言控制。一般用于無法以嚴(yán)密的數(shù)學(xué)

9、表示的控制 對象模型，即可利用人 （熟練專家 ） 的經(jīng)驗和知識來很好 地控制。因此，利用人的智力， 模糊地進行系統(tǒng)控制的方法就是模糊控制。它的核心部分為模糊控制器。模糊控制器的控制規(guī)律由計算機的程序?qū)崿F(xiàn)，實現(xiàn)一步 模糊控制算法的過程是：微機采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號E; 般選誤差信號 E作為模糊控制器的一個輸入量，把E的精確量進行模糊量化變成模糊量，誤差 E的模糊量可用相應(yīng)的模糊語言表示；從而得到誤差 E的模糊語言集 合的一個子集e（e實際上是一個模糊向量）;再由e和模糊控制規(guī)則 R（模糊關(guān)系）根據(jù)推理 的合成規(guī)則進行模糊決策，U為一個模糊量；為了對被控對象施

10、加精確的控制，還需要將模糊量 u 進行非模糊化處理轉(zhuǎn)換為精確量:得到精確數(shù)字量后，經(jīng)數(shù)模轉(zhuǎn)換變?yōu)榫_的模擬量送給執(zhí)行機構(gòu)，對被控對象進行一步控制；然后，進行第二次采樣，完成第二步控制.這樣循環(huán)下去，就實現(xiàn)了被控對象的模糊控制。（二）模糊控制系統(tǒng)的組成（1）模糊控制器：它是模糊控制系統(tǒng)的核心，它是以模糊邏輯推理為主要組成部分，同時又 具有模糊化和去模糊化功能的控制器，根據(jù)控制系統(tǒng)的需要，即可選用系統(tǒng)機，又可選用 單板機或單片機：（2）輸入輸出接口裝置：通過輸入輸出接口從被控對象獲取數(shù)字信號，送至模糊控制器， 并將模糊控制器決策出的輸出數(shù)字信號經(jīng)過數(shù)模轉(zhuǎn)換，將其轉(zhuǎn)變?yōu)槟M信號，送給執(zhí)行機 構(gòu)去控制

11、被控對象：（3）廣義對象：包括被控對象與執(zhí)行機構(gòu)，被控對象可以是線性的，也可以是非線性的、定 ?；驎r變的等多種情況，（4）傳感器：傳感器將被控對象或?qū)⒏鞣N被控量轉(zhuǎn)換為電信號，它在模糊控制系統(tǒng)中占有非 常熏要的位置，因此它的精度影響著整個控制系統(tǒng)的精度。（三）模糊控制技術(shù)的應(yīng)用由于模糊控制是基于自然語言描述規(guī)則的新機制，很容易被人們廣泛接受，加上模糊 化技術(shù)在微處理器和計算機中能很方便地實現(xiàn)，所以這種結(jié)合展現(xiàn)出強大的生命力和良好 的效果。近年來，人們已經(jīng)將模糊技術(shù)應(yīng)用于工業(yè)、醫(yī)學(xué)、地震預(yù)報、工程設(shè)計、信息處 理以及經(jīng)濟管理等，其中應(yīng)用最多也是最成功的，是工業(yè)過程控制和模糊家電產(chǎn)品領(lǐng)域。3.3 神

12、經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)模擬人腦神經(jīng)元的活動 , 利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來表示特定 的信息 ,通過不斷修正連接的權(quán)值進行自我學(xué)習(xí) , 以逼近理論為依據(jù)進行神經(jīng)網(wǎng)絡(luò)建模 并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡(luò)預(yù)測控制等方式實現(xiàn)智能控制。人工神經(jīng)網(wǎng)絡(luò)具有下列特征：它包含大量的人工神經(jīng)元，提供了大量可供調(diào)節(jié) 的變量；信息是分布式存儲的，從而提供了聯(lián)想與全息記憶的能力；具有高度的 自適應(yīng)能力，高度的容錯能力，很強的計算能力以及自組織能力。人工神經(jīng)網(wǎng)絡(luò)已在 語音識別、模式分類、自動控制等領(lǐng)域取得了比較成功的應(yīng)用，在工程設(shè)計中的應(yīng)用 正在不斷地研究發(fā)展，如基于人工神經(jīng)網(wǎng)絡(luò)的機械設(shè)計領(lǐng)域知識表達方

13、法的研究，智 能系統(tǒng)的知識自動獲取、基因遺傳算法的原理在機械工程中的應(yīng)用等。目前，神經(jīng)網(wǎng) 絡(luò)和專家系統(tǒng)有聯(lián)合起來的趨勢，神經(jīng)網(wǎng)絡(luò)也可設(shè)計成某種專家系統(tǒng)，實現(xiàn)專家系統(tǒng) 的功能?；谏窠?jīng)網(wǎng)絡(luò)的專家系統(tǒng)在知識獲取、并行推理、適應(yīng)性學(xué)習(xí)、聯(lián)想推理、 容錯能力明顯高于傳統(tǒng)的專家控制系統(tǒng)。以上這些控制方法之間，及其與常規(guī)控制之間的相互結(jié)合，又會構(gòu)成各種各樣的控制， 但基本上都是以上這些控制方法的派生。4、智能控制系統(tǒng)的分析方法 智能控制系統(tǒng)是一類復(fù)雜的非線性動力學(xué)系統(tǒng)，不能用某一種單純的模型去描述它， 相應(yīng)地所采用的分析方法也不同。（1）常規(guī)模型分析法：許多智能控制器都能常微分方程表示，這部分可用常規(guī)模型

14、分 析理論來分析，適用于作穩(wěn)定性分析和描述函數(shù)分析。, 規(guī)劃系統(tǒng) , 抽象學(xué)（2）離散事件系統(tǒng)模型分析法：離散事件模型適用于作專家系統(tǒng) 習(xí)系統(tǒng)以及智能控制系統(tǒng)中較高級的組織級和協(xié)調(diào)級。（3）混雜模型分析法：對于非常復(fù)雜的混雜控制器以及混雜控制過程要大力發(fā)展 非線性分析技術(shù)。5、智能控制的研究對象 智能控制的研究對象具備以下的一些特點：（ 1）不確定性的模型：智能控制的研究對象通常存在嚴(yán)重的不確定性。這里所說 的模型不確定性包含兩層意思：一是模型未知或知之甚少；二是模型的結(jié)構(gòu)和參數(shù)可能 在很大范圍內(nèi)變化。（2）高度的非線性：對于具有高度非線性的控制對象，采用智能控制的方法往往 可以較好地解決非線

15、性系統(tǒng)的控制問題。（3）復(fù)雜的任務(wù)要求：對于智能控制系統(tǒng)，任務(wù)的要求往往比較復(fù)雜。6、智能控制的應(yīng)用 智能控制在各行各業(yè)的應(yīng)用：: 局部級和全局級。， 例如智能PID 控制器 ， 因為其， 且可用于控制一些非線性的復(fù)雜， 包括整個操作工藝的控制、工業(yè)過程中的智能控制：生產(chǎn)過程的智能控制主要包括兩個方面 局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設(shè)計 PID 控制器、專家控制器、神經(jīng)元網(wǎng)絡(luò)控制器等。研究熱點是智能 在參數(shù)的整定和在線自適應(yīng)調(diào)整方面具有明顯的優(yōu)勢 對象 。全局級的智能控制主要針對整個生產(chǎn)過程的自動化 過程的故障診斷、規(guī)劃過程操作處理異常等。機械制造中的智能控制：在

16、現(xiàn)代先進制造系統(tǒng)中 , 需要依賴那些不夠完備和不夠精確的 數(shù)據(jù)來解決難以或無法預(yù)測的情況 , 人工智能技術(shù)為解決這一難題提供了有效的解決方案。 智能控制隨之也被廣泛地應(yīng)用于機械制造行業(yè), 它利用模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)的方法對制造過程進行動態(tài)環(huán)境建模 , 利用傳感器融合技術(shù)來進行信息的預(yù)處理和綜合。可采用專家系統(tǒng)的 “Then-If ”逆向推理作為反饋機構(gòu) , 修改控制機構(gòu)或者選擇較好的控制模式和參數(shù)。利用 模糊集合和模糊關(guān)系的魯棒性 , 將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機構(gòu)來選擇控制 動作。利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和并行處理信息的能力 , 進行在線的模式識別 , 處理那些可 能是殘缺不全的信息。電力電子學(xué)研究領(lǐng)域中的智能控制：電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器 設(shè)備的設(shè)計、生產(chǎn)、運行、控制是一個復(fù)雜的過程 , 國內(nèi)外的電氣工作者將人工智能技術(shù)引 入到電氣設(shè)備的優(yōu)化設(shè)計、故障診斷及控制中, 取得了良好的控制效果 。遺傳算法是一種先進的優(yōu)化算法 , 采用此方法來對電器設(shè)備的設(shè)計進行優(yōu)化,可以降低成本 , 縮短計算時間 ,提高產(chǎn)品設(shè)計的效率和質(zhì)量。應(yīng)用于電氣設(shè)備故障診斷的智能控制技術(shù)有 : 模糊邏輯、專家 系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。在電力電子學(xué)的眾多應(yīng)用領(lǐng)域中，智能控制在電流控制 PWM技術(shù)中的應(yīng)用是具有代表性的技術(shù)應(yīng)