《人工智能控制技術(shù)》 課件 chap1-緒論

《人工智能控制技術(shù)》緒論人工智能的定義及智能控制人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)?！叭斯ぶ悄堋币辉~最初是在1956年美國(guó)計(jì)算機(jī)協(xié)會(huì)組織的達(dá)特莫斯（Dartmouth）學(xué)會(huì)上提出的。由于智能概念的不確定，人工智能的概念一直沒(méi)有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。美國(guó)麻省理工學(xué)院的溫斯頓（Winston）教授則認(rèn)為：人工智能就是研究如何使計(jì)算機(jī)去做過(guò)去只有人才能做的智能工作。智能控制是研究怎么樣利用機(jī)器模仿人腦從事推理規(guī)劃、設(shè)計(jì)、思考、學(xué)習(xí)等思維活動(dòng)，自動(dòng)或智能的解決傳統(tǒng)認(rèn)為需要由專家才能處理的復(fù)雜問(wèn)題。人工智能控制技術(shù)的發(fā)展歷史萌芽階段：1940年代建立控制論、1950年代出現(xiàn)人工智能理論。1950年代，以傳遞函數(shù)和復(fù)頻率法為代表的單變量系統(tǒng)控制理論逐步發(fā)展起來(lái)。1956年以前，英國(guó)數(shù)學(xué)家圖靈（Turing）為現(xiàn)代人工智能做了大量開拓性的貢獻(xiàn)。1960年代，以卡爾曼（Kalman）為代表的學(xué)者提出了基于狀態(tài)空間法的控制理論逐步形成了“現(xiàn)代控制理論”。1961年以后，人工智能主要內(nèi)容涉及知識(shí)工程、自然語(yǔ)言理解等。人工智能控制技術(shù)的發(fā)展歷史成長(zhǎng)階段：1980年代，人工智能控制的研究進(jìn)入了成長(zhǎng)階段。1984年，奧斯特羅姆（Astrom）首次直接將專家系統(tǒng)引入到控制系統(tǒng)，明確地提出了建立專家控制的新概念。此后，人工智能、控制論、信息論、運(yùn)籌學(xué)等結(jié)合起來(lái)。人工神經(jīng)網(wǎng)絡(luò)的研究再度掀起熱潮。模糊理論從馬丹尼（Mamdani）模型發(fā)展到T-S模型。人工智能控制技術(shù)的發(fā)展歷史快速發(fā)展階段：從1990年代開始，人工智能開始逐步向多技術(shù)、多方法的綜合集成與多學(xué)科、多領(lǐng)域的綜合應(yīng)用型發(fā)展，人工智能進(jìn)入了新階段。人工智能系統(tǒng)開始采用多種人工智能語(yǔ)言、多種知識(shí)表示方法、多種推理機(jī)制和多種控制策略相結(jié)合的方式，并開始運(yùn)用各種開發(fā)工具和開發(fā)環(huán)境。復(fù)雜非線性系統(tǒng)的自適應(yīng)控制，神經(jīng)網(wǎng)絡(luò)控制，模糊控制，滑?？刂疲钥箶_控制等都有了極大的發(fā)展。人工智能控制發(fā)展面臨的難題和發(fā)展方向面臨困難：1.計(jì)算博弈的困難：難以處理復(fù)雜的軍事博弈或人類社會(huì)博弈。2.理論不夠成熟：難以建立包括各種理論的統(tǒng)一的體系。3.模式識(shí)別與智能控制的困惑：對(duì)人類的模式識(shí)別底層工作方式尚不十分清楚。人工智能控制發(fā)展面臨的難題和發(fā)展方向發(fā)展方向：人工智能學(xué)科自1956年誕生至今在多個(gè)領(lǐng)域已取得了相當(dāng)?shù)倪M(jìn)展，特別是感知與認(rèn)知，深度學(xué)習(xí)等在近年來(lái)得益于計(jì)算機(jī)硬件的進(jìn)步和云計(jì)算的興起而飛速發(fā)展。因此智能控制技術(shù)也隨之向前邁進(jìn)了一大步，原來(lái)側(cè)重于控制的情況轉(zhuǎn)化為控制和學(xué)習(xí)并重?；趶?qiáng)化學(xué)習(xí)的最優(yōu)控制等新技術(shù)越來(lái)越占據(jù)重要地位，而深度學(xué)習(xí)又給智能控制注入了新的活力，發(fā)展了新的方向，在圖像識(shí)別、游戲、多智能體協(xié)同控制等方面有了廣泛的應(yīng)用。人工智能控制的主要內(nèi)容神經(jīng)網(wǎng)絡(luò)控制：1950年代提出基于無(wú)監(jiān)督學(xué)習(xí)規(guī)則的神經(jīng)網(wǎng)絡(luò)，1960年代提出基于監(jiān)督學(xué)習(xí)規(guī)則的神經(jīng)網(wǎng)絡(luò)。1980年代提出了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，使得神經(jīng)網(wǎng)絡(luò)成為智能算法不可或缺的部分，1980年代后，神經(jīng)網(wǎng)絡(luò)跟自適應(yīng)控制等控制算法結(jié)合在一起，成為智能控制的主體。模糊控制：1960年代提出，以模糊邏輯為基礎(chǔ)，1970年代和1980年代先后發(fā)展出馬丹尼（Mamdani）模糊模型和T-S模糊模型。模糊邏輯跟神經(jīng)網(wǎng)絡(luò)類似，與自適應(yīng)控制等控制方法結(jié)合成為智能控制的另一個(gè)主要部分。人工智能控制的主要內(nèi)容進(jìn)化算法：遺傳算法、粒子群算法等模仿自然界某些現(xiàn)象而實(shí)現(xiàn)的進(jìn)化控制算法。這些算法主要應(yīng)用于優(yōu)化控制、規(guī)劃等領(lǐng)域。學(xué)習(xí)算法：強(qiáng)化學(xué)習(xí)算法、深度學(xué)習(xí)算法以及深度強(qiáng)化學(xué)習(xí)算法等是目前人工智能的主體內(nèi)容，主要在模式識(shí)別、優(yōu)化控制等領(lǐng)域。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)：無(wú)監(jiān)督學(xué)習(xí)應(yīng)用于神經(jīng)網(wǎng)絡(luò)、智能控制、模式識(shí)別等多個(gè)方面，最典型的無(wú)監(jiān)督學(xué)習(xí)是Hebb學(xué)習(xí)。Hebb學(xué)習(xí)規(guī)則與“條件反射”的機(jī)理一致，并且已經(jīng)被神經(jīng)細(xì)胞學(xué)說(shuō)證實(shí)。巴甫洛夫（Pavlov）的條件反射實(shí)驗(yàn)：每次給狗喂食前先響鈴，長(zhǎng)時(shí)間后狗會(huì)將鈴聲和食物建立起聯(lián)系。等狗建立聯(lián)系后，如果只響鈴不給食物，狗也會(huì)流口水。受到條件反射實(shí)驗(yàn)的啟發(fā)，加拿大生理、心理學(xué)家赫布（Hebb）認(rèn)為在同一時(shí)間被激發(fā)的神經(jīng)元，它們之間的聯(lián)系會(huì)強(qiáng)化。比如鈴聲響時(shí)激發(fā)一個(gè)神經(jīng)元，同一時(shí)間食物出現(xiàn)激發(fā)另一個(gè)神經(jīng)元，則這兩個(gè)在同一時(shí)間激發(fā)的神經(jīng)元之間的聯(lián)系就會(huì)強(qiáng)化，從而記住這兩件事之間的聯(lián)系。反之，如果這兩件事總是不同時(shí)激發(fā)，則他們之間的聯(lián)系會(huì)逐漸弱化。赫布由此提出了神經(jīng)網(wǎng)絡(luò)的無(wú)監(jiān)督Hebb學(xué)習(xí)規(guī)則。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)

Hebb學(xué)習(xí)規(guī)則神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)常用無(wú)監(jiān)督學(xué)習(xí)：在模式識(shí)別等應(yīng)用中，常用的無(wú)監(jiān)督學(xué)習(xí)算法主要有主成分分析方法PCA、等距映射方法、局部線性嵌入方法、拉普拉斯特征映射方法、黑塞局部線性嵌入方法和局部切空間排列方法等。在深度學(xué)習(xí)中采用的無(wú)監(jiān)督學(xué)習(xí)主要分為兩類，一類是確定型的自編碼方法及其改進(jìn)算法，確定型無(wú)監(jiān)督學(xué)習(xí)算法主要有自編碼及稀疏自編碼、降噪自編碼等算法。另一類是概率型的受限波爾茲曼機(jī)及其改進(jìn)算法，概率型無(wú)監(jiān)督學(xué)習(xí)的典型代表就是限制玻爾茲曼機(jī)，限制玻爾茲曼機(jī)是玻爾茲曼機(jī)的一個(gè)簡(jiǎn)化版本，可以方便地從可見層數(shù)據(jù)推算出隱含層的激活狀態(tài)。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)監(jiān)督學(xué)習(xí)：監(jiān)督學(xué)習(xí)需要注意的第一個(gè)問(wèn)題就是偏差和方差之間的權(quán)衡。假設(shè)我們有幾種不同但同樣好的監(jiān)督學(xué)習(xí)演算數(shù)據(jù)集，可能會(huì)存在這樣的情況：在某些數(shù)據(jù)集中有非常小的誤差，而另一些則具有更好的方差。這樣就需要權(quán)衡偏差和方差在學(xué)習(xí)算法中的作用。一般來(lái)說(shuō)，較低的學(xué)習(xí)算法偏差必須“靈活”,這樣就可以很好的匹配數(shù)據(jù)。但如果學(xué)習(xí)算法過(guò)于靈活,它必然具有很高的方差。因此權(quán)衡偏差和方差是監(jiān)督學(xué)習(xí)需要注意的第一個(gè)問(wèn)題。監(jiān)督學(xué)習(xí)需要注意的第二個(gè)問(wèn)題是訓(xùn)練數(shù)據(jù)相對(duì)于“真正的”功能（分類或回歸函數(shù)）的復(fù)雜度的量。如果真正的功能簡(jiǎn)單，則小數(shù)據(jù)量就可以取得預(yù)期效果。但是，如果真功能非常復(fù)雜，則需要的數(shù)據(jù)量就會(huì)急劇增加。因此根據(jù)實(shí)際功能如何確定數(shù)據(jù)也是要考慮的重要問(wèn)題。監(jiān)督學(xué)習(xí)需要注意的另一個(gè)問(wèn)題是輸入空間的維數(shù)。如果輸入特征向量具有非常高的維數(shù)，學(xué)習(xí)將十分困難。因此，高的輸入維數(shù)通常需要調(diào)整分類器使其方差低而偏差高。如果在實(shí)際應(yīng)用中能夠有效降低輸入維數(shù)則會(huì)大大提高監(jiān)督學(xué)習(xí)的效果。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL）：強(qiáng)化學(xué)習(xí)，又稱再勵(lì)學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)或增強(qiáng)學(xué)習(xí)，是機(jī)器學(xué)習(xí)的范式和方法論之一，用于描述和解決智能體在與環(huán)境的交互過(guò)程中通過(guò)學(xué)習(xí)策略以達(dá)成回報(bào)最大化或?qū)崿F(xiàn)特定目標(biāo)的問(wèn)題。強(qiáng)化學(xué)習(xí)也是神經(jīng)網(wǎng)絡(luò)重要的學(xué)習(xí)規(guī)則之一。強(qiáng)化學(xué)習(xí)的常見模型是標(biāo)準(zhǔn)的馬爾可夫決策過(guò)程。強(qiáng)化學(xué)習(xí)可分為基于模式強(qiáng)化學(xué)習(xí)和無(wú)模式強(qiáng)化學(xué)習(xí)，或者從另外的角度可以分為主動(dòng)強(qiáng)化學(xué)習(xí)和被動(dòng)強(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)的變體包括逆向強(qiáng)化學(xué)習(xí)、階層強(qiáng)化學(xué)習(xí)和部分可觀測(cè)系統(tǒng)的強(qiáng)化學(xué)習(xí)。求解強(qiáng)化學(xué)習(xí)問(wèn)題所使用的算法可分為策略搜索算法和值函數(shù)搜索算法兩類。深度學(xué)習(xí)模型可以在強(qiáng)化學(xué)習(xí)中得到使用，形成深度強(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)理論受到行為主義心理學(xué)啟發(fā)，側(cè)重在線學(xué)習(xí)并試圖在探索-利用間保持平衡。不同于無(wú)監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)，強(qiáng)化學(xué)習(xí)不要求預(yù)先給定任何數(shù)據(jù)，而是通過(guò)接收環(huán)境對(duì)動(dòng)作的獎(jiǎng)勵(lì)（反饋）獲得學(xué)習(xí)信息并更新模型參數(shù)。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL）：強(qiáng)化學(xué)習(xí)問(wèn)題在控制論、信息論和博弈論等領(lǐng)域都得到討論和應(yīng)用，可以解釋有限理性條件下的平衡態(tài)、設(shè)計(jì)推薦系統(tǒng)和機(jī)器人交互系統(tǒng)。一些復(fù)雜的強(qiáng)化學(xué)習(xí)算法在一定程度上具備解決復(fù)雜問(wèn)題的通用智能，在圍棋和電子游戲中達(dá)到或超過(guò)人類水平。強(qiáng)化學(xué)習(xí)是智能體以“試錯(cuò)”的方式進(jìn)行學(xué)習(xí)，通過(guò)與環(huán)境進(jìn)行交互獲得的獎(jiǎng)賞指導(dǎo)行為，目標(biāo)是使智能體獲得最大的獎(jiǎng)賞。強(qiáng)化學(xué)習(xí)與監(jiān)督學(xué)習(xí)的不同主要表現(xiàn)在強(qiáng)化信號(hào)上，強(qiáng)化學(xué)習(xí)對(duì)產(chǎn)生動(dòng)作的好壞作進(jìn)行評(píng)價(jià)，而不是告訴強(qiáng)化學(xué)習(xí)系統(tǒng)如何產(chǎn)生正確的動(dòng)作。由于外部環(huán)境提供的信息很少，強(qiáng)化學(xué)習(xí)系統(tǒng)必須靠自身的經(jīng)歷進(jìn)行學(xué)習(xí)，不斷在行動(dòng)-評(píng)價(jià)的環(huán)境中獲得知識(shí)，改進(jìn)行動(dòng)方案以適應(yīng)環(huán)境。強(qiáng)化學(xué)習(xí)是從動(dòng)物學(xué)習(xí)、參數(shù)擾動(dòng)自適應(yīng)控制等理論發(fā)展而來(lái)，其基本原理是：如果智能體的某個(gè)行為策略導(dǎo)致環(huán)境正的獎(jiǎng)賞(強(qiáng)化信號(hào))，那么智能體以后產(chǎn)生這個(gè)行為策略的趨勢(shì)便會(huì)加強(qiáng)。智能體的目標(biāo)是在每個(gè)離散狀態(tài)發(fā)現(xiàn)最優(yōu)策略以使期望的獎(jiǎng)賞和最大。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL）：強(qiáng)化學(xué)習(xí)把學(xué)習(xí)看作試探評(píng)價(jià)過(guò)程，智能體選擇一個(gè)動(dòng)作用于環(huán)境，環(huán)境接受該動(dòng)作后狀態(tài)發(fā)生變化，同時(shí)產(chǎn)生一個(gè)強(qiáng)化信號(hào)(獎(jiǎng)或懲)反饋給智能體，智能體根據(jù)強(qiáng)化信號(hào)和環(huán)境當(dāng)前狀態(tài)再選擇下一個(gè)動(dòng)作，選擇的原則是使受到正強(qiáng)化(獎(jiǎng))的概率增大。選擇的動(dòng)作不僅影響立即強(qiáng)化值，而且影響環(huán)境下一時(shí)刻的狀態(tài)及最終的強(qiáng)化值。強(qiáng)化學(xué)習(xí)系統(tǒng)學(xué)習(xí)的目標(biāo)是動(dòng)態(tài)地調(diào)整參數(shù)，以達(dá)到強(qiáng)化信號(hào)最大。若強(qiáng)化信號(hào)和動(dòng)作信號(hào)已知，則可直接可以使用監(jiān)督學(xué)習(xí)算法。若強(qiáng)化信號(hào)與智能體產(chǎn)生的動(dòng)作信號(hào)沒(méi)有明確的函數(shù)形式描述，則需要使用某種隨機(jī)單元，以便智能體在可能動(dòng)作空間中進(jìn)行搜索并發(fā)現(xiàn)正確的動(dòng)作。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)強(qiáng)化學(xué)習(xí)（ReinforcementLearning,RL）：對(duì)強(qiáng)化學(xué)習(xí)，一般來(lái)說(shuō)，每一個(gè)自主體是由兩個(gè)神經(jīng)網(wǎng)絡(luò)模塊組成，即行動(dòng)網(wǎng)絡(luò)和評(píng)估網(wǎng)絡(luò)。行動(dòng)網(wǎng)絡(luò)是根據(jù)當(dāng)前的狀態(tài)而決定下一個(gè)時(shí)刻施加到環(huán)境上去的最好動(dòng)作。強(qiáng)化學(xué)習(xí)算法允許它的輸出結(jié)點(diǎn)進(jìn)行隨機(jī)搜索，當(dāng)有了來(lái)自評(píng)估網(wǎng)絡(luò)的內(nèi)部強(qiáng)化信號(hào)后，行動(dòng)網(wǎng)絡(luò)的輸出結(jié)點(diǎn)即可有效地完成隨機(jī)搜索并且大大地提高選擇好的動(dòng)作的可能性，同時(shí)可以在線訓(xùn)練整個(gè)行動(dòng)網(wǎng)絡(luò)。用一個(gè)輔助網(wǎng)絡(luò)來(lái)為環(huán)境建模，評(píng)估網(wǎng)絡(luò)根據(jù)當(dāng)前的狀態(tài)和模擬環(huán)境用于預(yù)測(cè)標(biāo)量值的外部強(qiáng)化信號(hào)，這樣它可單步和多步預(yù)報(bào)當(dāng)前由行動(dòng)網(wǎng)絡(luò)施加到環(huán)境上的動(dòng)作強(qiáng)化信號(hào)，可以提前向動(dòng)作網(wǎng)絡(luò)提供有關(guān)將候選動(dòng)作的強(qiáng)化信號(hào)，以及更多的獎(jiǎng)懲信息(內(nèi)部強(qiáng)化信號(hào))，以減少不確定性并提高學(xué)習(xí)速度。自動(dòng)控制基礎(chǔ)控制系統(tǒng)的發(fā)展歷史概述自動(dòng)控制理論發(fā)展至今已有100多年歷史。隨著各個(gè)階段的工業(yè)和現(xiàn)代科學(xué)技術(shù)飛速發(fā)展，各個(gè)領(lǐng)域中自動(dòng)控制系統(tǒng)對(duì)控制精度、響應(yīng)速度、系統(tǒng)穩(wěn)定性與適應(yīng)能力的要求越來(lái)越高，應(yīng)用范圍也更加廣泛。特別是上世紀(jì)80年代以來(lái)，電子計(jì)算機(jī)的快速更新?lián)Q代和計(jì)算技術(shù)的高速度進(jìn)展，推動(dòng)了控制理論研究的深入開展，并進(jìn)入了新的一段歷程?？v觀控制理論發(fā)展史，通?？梢苑譃椤敖?jīng)典控制理論”階段、“現(xiàn)代控制理論”階段、“大系統(tǒng)理論”和“智能控制理論”階段三個(gè)階段。（錢學(xué)森簡(jiǎn)介）控制系統(tǒng)的發(fā)展歷史“經(jīng)典控制理論”階段：上世紀(jì)50年代前后，主要研究線性定常系統(tǒng)，被控對(duì)象主要是單輸入—單輸出系統(tǒng)。采用的算法通常是以傳遞函數(shù)、頻率特性、根軌跡分布為基礎(chǔ)的波特圖法和根軌跡法，包括勞斯-赫爾維茨代數(shù)判據(jù)、奈奎斯特穩(wěn)定性判據(jù)與希望對(duì)數(shù)頻率特性綜合等。在經(jīng)典控制理論中，對(duì)于非線性系統(tǒng)、采用描述函數(shù)分析和一般不超過(guò)兩個(gè)變量的相平面分析法?？刂葡到y(tǒng)的發(fā)展歷史“現(xiàn)代控制理論”階段：60年代末，由于航天飛行器等空間技術(shù)開發(fā)的需要而發(fā)展起來(lái)的現(xiàn)代控制理論主要用來(lái)研究多輸入-多輸出被控對(duì)象，系統(tǒng)可以是線性或非線性的，定常或時(shí)變的。它用一階微分方程組（狀態(tài)方程）代替經(jīng)典理論中的高階微分方程式來(lái)描述系統(tǒng)，并且把系統(tǒng)中各個(gè)變量均取為時(shí)間t的函數(shù)，因而屬于時(shí)域分析方法，它區(qū)別于經(jīng)典理論中的頻域法，這樣更有利于用計(jì)算機(jī)進(jìn)行運(yùn)算。此外，狀態(tài)變量的選取不一定是系統(tǒng)實(shí)際的物理量，可以是抽象后的數(shù)學(xué)描述的變量，因而具有很大自由度，擴(kuò)展了建模的內(nèi)容，降低了建模的難度。這些都是狀態(tài)空間表示法的優(yōu)點(diǎn)所在?？刂葡到y(tǒng)的發(fā)展歷史“現(xiàn)代控制理論”階段：現(xiàn)代控制理論研究的范疇很廣，主要內(nèi)容包括:(1)、系統(tǒng)運(yùn)動(dòng)狀態(tài)的描述(即系統(tǒng)數(shù)學(xué)模型的建立)和能控制性、能觀測(cè)性的分析。(2)、李亞普諾夫穩(wěn)定性理論(直接法)和李亞普諾夫函數(shù)。它的特點(diǎn)是可以在不求出狀態(tài)方程解的情況下，來(lái)確定任意階非線性系統(tǒng)和(或)時(shí)變系統(tǒng)的穩(wěn)定性理論。(3)、建立在統(tǒng)計(jì)函數(shù)理論上，應(yīng)用相關(guān)函數(shù)的系統(tǒng)動(dòng)態(tài)特性測(cè)量方法(即系統(tǒng)識(shí)別)和卡爾曼濾波理論?？柭鼮V波是利用系統(tǒng)在時(shí)間上的轉(zhuǎn)移關(guān)系所獲得的一套適合于計(jì)算機(jī)運(yùn)算的遞推公式，屬于時(shí)域法。它有別于早期頻域法中的維納霍夫?yàn)V波理論?？刂葡到y(tǒng)的發(fā)展歷史（4）改變系統(tǒng)的控制量，使系統(tǒng)按某一最佳運(yùn)行方式進(jìn)行，實(shí)現(xiàn)系統(tǒng)性能指標(biāo)泛函最小的“系統(tǒng)最優(yōu)控制”。1961年蘇聯(lián)學(xué)者龐持里亞金發(fā)表的極小值原理和1957年貝爾曼根據(jù)哈密爾頓-雅可比方程提出動(dòng)態(tài)規(guī)劃最佳原理分別對(duì)連續(xù)系統(tǒng)和離散系統(tǒng)的最優(yōu)控制理論的發(fā)展起到了重要作用。（5）、隨著對(duì)自動(dòng)控制系統(tǒng)的控制性能要求的不斷提高，人們不僅希望系統(tǒng)能在環(huán)境條件有大范圍變化時(shí)，仍能保證系統(tǒng)最佳運(yùn)行狀態(tài)(即確定性自適應(yīng)控制)，而且還希望系統(tǒng)在環(huán)境條件的改變并不確定的情況下也能實(shí)現(xiàn)最佳控制(不確定性自適應(yīng)控制)的系統(tǒng)自適應(yīng)控制研究?？刂葡到y(tǒng)的發(fā)展歷史“大系統(tǒng)理論”和“智能控制理論”階段：經(jīng)典控制理論以及現(xiàn)代控制理論對(duì)于存在數(shù)學(xué)模型的自動(dòng)控制系統(tǒng)領(lǐng)域發(fā)揮了非常大的作用，并取得令人滿意的控制效果。但是對(duì)于那些難以建立數(shù)學(xué)模型的被控對(duì)象，往往顯得無(wú)能為力。另外，由于計(jì)算機(jī)技術(shù)的快速發(fā)展，包含有人類思維的復(fù)雜操作由計(jì)算機(jī)替代的領(lǐng)域不斷增加，這在廣義自動(dòng)化，特別是在大規(guī)模系統(tǒng)的控制中，具有人工智能的智能控制將越來(lái)越重要。人工智能的發(fā)展促進(jìn)了自動(dòng)控制理論向著智能控制方向發(fā)展，而智能控制和具有智能化的自動(dòng)控制系統(tǒng)又是人工智能的一個(gè)具有廣泛應(yīng)用前景的研究領(lǐng)城?？刂葡到y(tǒng)的發(fā)展歷史“大系統(tǒng)理論”和“智能控制理論”階段：上世紀(jì)70年代末開始的智能控制理論和大系統(tǒng)理論的研究與應(yīng)用，是現(xiàn)代控制理論在深度上和廣度上的開拓，因此受到各方的極大關(guān)注，并在專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和模糊控制、遞階控制等方面取得了可喜的進(jìn)展。上世紀(jì)80年代控制理論發(fā)展的特點(diǎn)之一是很大程度上受到來(lái)自相近領(lǐng)域的影響。具有代表性的是神經(jīng)網(wǎng)絡(luò)和模糊邏輯在控制領(lǐng)域的廣泛應(yīng)用，它們均屬于智能控制范疇。智能控制具有如下兩個(gè)特點(diǎn):（1)、以某種方法將專家或熟練操作人員的知識(shí)應(yīng)用于推理或指導(dǎo)，來(lái)引導(dǎo)問(wèn)題求解過(guò)程，使之具備智能性。（2)、對(duì)外界環(huán)境和系統(tǒng)過(guò)程進(jìn)行理解、判斷、預(yù)測(cè)和規(guī)劃，采用符號(hào)信息處理、啟發(fā)式程序設(shè)計(jì)、知識(shí)表示和自學(xué)習(xí)、推理與決策等智能化技術(shù)，實(shí)現(xiàn)未知問(wèn)題的智能化求解?？刂葡到y(tǒng)模型數(shù)學(xué)模型有多種形式，經(jīng)典控制論中,有時(shí)域的微分方程和差分方程，復(fù)頻域有傳遞函數(shù)和脈沖傳遞函數(shù)，頻率域的頻率特性。除此之外還有數(shù)學(xué)模型的圖形表示方式結(jié)構(gòu)圖與信號(hào)流圖等?？刂葡到y(tǒng)模型時(shí)域下狀態(tài)方程：目前絕大多數(shù)系統(tǒng)模型都用狀態(tài)方程描述，通過(guò)微分方程或微分方程組（狀態(tài)方程）描述系統(tǒng)動(dòng)力學(xué)或運(yùn)動(dòng)規(guī)律，一般步驟為：（1)、分析系統(tǒng)工作原理與結(jié)構(gòu)組成,確定系統(tǒng)的輸入量和輸出量。（2)、依據(jù)所遵循的科學(xué)規(guī)律,列寫相應(yīng)的微分方程或微分方程組。（3)、如有必要，消去中間變量，求出僅含輸入輸出變量的系統(tǒng)微分方程?？刂葡到y(tǒng)模型時(shí)域下狀態(tài)方程：大多數(shù)的實(shí)際系統(tǒng)都存在一定的非線性，需要對(duì)其進(jìn)行線性化，進(jìn)行線性化的主要思想是：在預(yù)期工作點(diǎn)（通常是穩(wěn)定狀態(tài)點(diǎn)）附近，用通過(guò)該點(diǎn)的切線代替近似代替原來(lái)的曲線。常用到的數(shù)學(xué)方法是在該工作點(diǎn)附近進(jìn)行泰勒級(jí)數(shù)展開。泰勒展開需要滿足兩個(gè)條件（1）、信號(hào)在工作點(diǎn)附近變化微量。（2）、信號(hào)在工作點(diǎn)附近能滿足泰勒展開條件。另外隨著計(jì)算機(jī)技術(shù)的進(jìn)步和發(fā)展，很多無(wú)法求得解析解的狀態(tài)方程可以用數(shù)值解法通過(guò)計(jì)算機(jī)容易實(shí)現(xiàn)。因此，用狀態(tài)方程描述的時(shí)域下的動(dòng)力學(xué)方程或運(yùn)動(dòng)方程模型越來(lái)越重要?？刂葡到y(tǒng)模型復(fù)頻域下傳遞函數(shù)：

拉普拉斯變換法(簡(jiǎn)稱拉氏變換法)求解線性微分方程，是將微分方程的求解轉(zhuǎn)化為代數(shù)方程的求解，使計(jì)算大為簡(jiǎn)便，由此引入復(fù)頻域的數(shù)學(xué)模型—傳遞函數(shù)。傳遞函數(shù)將系統(tǒng)的輸入量、輸出量與系統(tǒng)分隔開來(lái)，僅僅與系統(tǒng)的結(jié)構(gòu)和參數(shù)有關(guān)，這樣非常便于研究結(jié)構(gòu)或參數(shù)變化對(duì)系統(tǒng)性能的影響。經(jīng)典控制理論中廣泛應(yīng)用的頻率法和根軌跡法，就是以傳遞函數(shù)為基礎(chǔ)建立起來(lái)的，傳遞函數(shù)是經(jīng)典控制理論中最基本和最重要的概念?？刂葡到y(tǒng)模型

控制系統(tǒng)模型復(fù)頻域下傳遞函數(shù)：傳遞函數(shù)具有以下性質(zhì)：（1)、傳遞函數(shù)是經(jīng)過(guò)拉氏變換得到的，傳遞函數(shù)只適用于線性定常系統(tǒng)。它是復(fù)變量s的有理真分式函數(shù),具有復(fù)變函數(shù)的所有性質(zhì)。n≥m且所有系數(shù)均為實(shí)數(shù)。（2)、傳遞函數(shù)只取決于系統(tǒng)或元件的結(jié)構(gòu)和參數(shù)，而與輸入量的形式無(wú)關(guān)，也不反映系統(tǒng)內(nèi)部的任何信息。它僅僅表達(dá)系統(tǒng)輸出量與輸入量之間的關(guān)系。（3)、傳遞函數(shù)只表達(dá)特定的兩個(gè)量(輸入量和輸出量)之間的關(guān)系，當(dāng)系統(tǒng)的輸入量或輸出量的選取發(fā)生改變時(shí),其傳遞函數(shù)也將發(fā)生變化,但分母保持不變。（4)、傳遞函數(shù)是在零初始條件下得到的,因此得到的響應(yīng)是零狀態(tài)響應(yīng)，當(dāng)系統(tǒng)的初始狀態(tài)不為零時(shí)，要另外考慮。（5)、傳遞函數(shù)與狀態(tài)方程有相通性。可以容易在狀態(tài)方程和傳遞函數(shù)之間轉(zhuǎn)換?？刂葡到y(tǒng)模型動(dòng)態(tài)結(jié)構(gòu)圖：控制系統(tǒng)一般由多個(gè)環(huán)節(jié)組合而成，每一個(gè)環(huán)節(jié)都有自己的輸入量、輸出量以及傳遞函數(shù)，由方程組求系統(tǒng)的傳遞函數(shù)，相當(dāng)于線性方程組聯(lián)立求解，如果系統(tǒng)組成環(huán)節(jié)較多,中間變量也較多,計(jì)算將較為復(fù)雜?？刂葡到y(tǒng)的結(jié)構(gòu)圖是描述系統(tǒng)各部分之間或各子系統(tǒng)之間信號(hào)傳遞關(guān)系的數(shù)學(xué)圖形，它表示了系統(tǒng)中各變量之間的因果關(guān)系以及對(duì)各變量所進(jìn)行的運(yùn)算，是控制理論中描述復(fù)雜系統(tǒng)的一種簡(jiǎn)捷方法，也是控制系統(tǒng)數(shù)學(xué)模型的圖形表達(dá)方式?？刂葡到y(tǒng)模型動(dòng)態(tài)結(jié)構(gòu)圖：控制系統(tǒng)結(jié)構(gòu)圖的基本組成單元有以下4種。1.信號(hào)線。信號(hào)線是帶有箭頭的直線，箭頭表示信號(hào)的流向，在直線旁標(biāo)記信號(hào)的時(shí)間函數(shù)或象函數(shù)。2.引出點(diǎn)(或測(cè)量點(diǎn))。引出點(diǎn)表示信號(hào)引出或測(cè)量的位置，從同一位置引出的信號(hào)在數(shù)值和物理性質(zhì)方面完全相同。3.比較點(diǎn)(或綜合點(diǎn))。比較點(diǎn)表示對(duì)兩個(gè)及以上的信號(hào)進(jìn)行加減運(yùn)算，“+”號(hào)表示信號(hào)相加，“-”號(hào)表示相減，“+”號(hào)可以省略不寫。4.方框(或環(huán)節(jié))。方框表示對(duì)前后兩個(gè)信號(hào)進(jìn)行的數(shù)學(xué)變換，方框中寫入環(huán)節(jié)或系統(tǒng)的傳遞函數(shù)。顯然,方框的輸出量等于方框的輸入量與傳遞函數(shù)的乘積?；窘M成單元如圖所示：控制系統(tǒng)模型動(dòng)態(tài)結(jié)構(gòu)圖：控制系統(tǒng)結(jié)構(gòu)圖的建立步驟如下：（1)、分析系統(tǒng)的工作原理與結(jié)構(gòu)組成，確定系統(tǒng)的輸入量和輸出量。（2)、建立系統(tǒng)各元件的微分方程并進(jìn)行拉氏變換,求取各環(huán)節(jié)的傳遞函數(shù)并繪制各環(huán)節(jié)方框圖。（3)、從輸入量開始,按照信號(hào)的傳遞方向(輸入在左邊,輸出在右邊)用信號(hào)線依次將各方框連接起來(lái)，就得到系統(tǒng)的結(jié)構(gòu)圖?？刂葡到y(tǒng)模型信號(hào)流圖：信號(hào)流圖是另一種表示控制系統(tǒng)結(jié)構(gòu)圖形形式數(shù)學(xué)模型，與結(jié)構(gòu)圖不同的是，信號(hào)流圖基本符號(hào)少，便于繪制，而且可以利用梅遜公式直接求出系統(tǒng)的傳遞函數(shù)。但是信號(hào)流圖只適用于線性系統(tǒng)，而結(jié)構(gòu)圖不僅適用于線性系統(tǒng)，還可用于非線性系統(tǒng)。信號(hào)流圖是由節(jié)點(diǎn)和支路組成的一種信號(hào)傳遞網(wǎng)絡(luò)圖，可以由微分方程組繪制，也可以由結(jié)構(gòu)圖轉(zhuǎn)化而來(lái)。如右圖所示為簡(jiǎn)單的結(jié)構(gòu)圖與信號(hào)流圖之間的轉(zhuǎn)換，變換中將結(jié)構(gòu)圖中的輸入量、輸出量變?yōu)楣?jié)點(diǎn)，以小圓圈表示連接兩個(gè)節(jié)點(diǎn)的定向線段，稱為支路；將結(jié)構(gòu)圖中的方框去掉，傳遞函數(shù)標(biāo)在支路的旁邊表示支路增益；支路增益表示結(jié)構(gòu)圖中兩個(gè)變量的因果關(guān)系，因此支路相當(dāng)于乘法器，即有C=GR?？刂葡到y(tǒng)模型結(jié)構(gòu)圖轉(zhuǎn)換為信號(hào)流圖的規(guī)則：將系統(tǒng)的輸入量、輸出量以及中間變量轉(zhuǎn)化為節(jié)點(diǎn)；引出點(diǎn)轉(zhuǎn)化為節(jié)點(diǎn)；綜合點(diǎn)后的變量轉(zhuǎn)化為節(jié)點(diǎn)。方框去掉，將方框的輸入量和輸出量連起來(lái)形成支路。方框中的傳遞函數(shù)標(biāo)在支路旁邊，即為支路增益?？刂葡到y(tǒng)模型

控制系統(tǒng)模型

控制方法概述所謂自動(dòng)控制就是在沒(méi)有人直接參與的情況下，利用外加設(shè)備或裝置（稱控制裝置或控制器)，使機(jī)器、設(shè)備或生產(chǎn)過(guò)程（統(tǒng)稱被控對(duì)象）的某個(gè)工作狀態(tài)或參數(shù)（即被控量）自動(dòng)地按照預(yù)定的規(guī)律運(yùn)行。例如無(wú)人駕駛的飛機(jī)按預(yù)定軌跡飛行，人造地球衛(wèi)星可以準(zhǔn)確地進(jìn)入預(yù)定軌道運(yùn)行并回收。能自動(dòng)地實(shí)現(xiàn)生產(chǎn)或生活所需的某一功能的所有物理部件的集合等，這些都可以稱為自動(dòng)控制系統(tǒng)。其中被控制的機(jī)器、設(shè)備或生產(chǎn)過(guò)程被稱為被控對(duì)象，被控制的某工作狀態(tài)或參數(shù)稱為被控制量或輸出量。自動(dòng)控制的方式有閉環(huán)控制方式、開環(huán)控制方式和復(fù)合控制方式?？刂品椒ㄩ]環(huán)控制：閉環(huán)控制（又稱反饋控制）是應(yīng)用最廣泛的一種控制方式，是自然界所遵循的基本工作方式?？刂蒲b置與被控對(duì)象之間，不但有順向作用，而且有反向作用。從信號(hào)的流動(dòng)方向來(lái)看,系統(tǒng)不僅存在從輸入量向輸出量的正向信號(hào)流動(dòng)，還存在從輸出量向輸入量的反向信號(hào)流動(dòng)，信號(hào)可形成一個(gè)閉合回路?？刂品椒ㄩ]環(huán)控制：系統(tǒng)工作時(shí)，當(dāng)前的輸出量由檢測(cè)裝置感知，形成反饋量，并傳遞給控制裝置；控制裝置將反饋量與代表控制目標(biāo)的輸入量進(jìn)行比較，根據(jù)誤差運(yùn)算出控制指令；被控對(duì)象接收到控制裝置的控制指令后進(jìn)行響應(yīng)，輸出量朝著減小差距的方向發(fā)展；只要誤差存在，系統(tǒng)就會(huì)自動(dòng)地進(jìn)行調(diào)節(jié)，直到誤差消失或小于某一設(shè)定值為止。因此，閉環(huán)控制的機(jī)理是檢測(cè)偏差、糾正偏差。例如,人取桌上書的過(guò)程就是一個(gè)閉環(huán)控制的過(guò)程，如圖所示。書的位置是整個(gè)自動(dòng)控制過(guò)程要達(dá)到的目標(biāo)，是系統(tǒng)的輸入量，手是整個(gè)自動(dòng)控制過(guò)程要控制的對(duì)象，即被控對(duì)象，而手的位置是被控制量(又稱輸出量)。取書時(shí)，眼睛作為檢測(cè)裝置，首先判斷出書的位置與手的位置之間的差距，這個(gè)差距稱為偏差（誤差）。大腦是控制裝置，根據(jù)偏差的大小，經(jīng)過(guò)運(yùn)算發(fā)出指令，控制手臂向著減小偏差的方向移動(dòng)，直到手到達(dá)書的位置時(shí)，偏差消除，取書過(guò)程結(jié)束?？刂品椒?/p>

直流電動(dòng)機(jī)轉(zhuǎn)速閉環(huán)控制系統(tǒng)直流電動(dòng)機(jī)轉(zhuǎn)速閉環(huán)控制系統(tǒng)方框圖控制方法開環(huán)控制：開環(huán)控制（又稱前饋控制）是指系統(tǒng)的控制裝置與被控對(duì)象之間只有前向作用,沒(méi)有反向作用的控制過(guò)程。開環(huán)控制系統(tǒng)由于未使用檢測(cè)裝置，所以結(jié)構(gòu)簡(jiǎn)單，成本大大降低。但相對(duì)于閉環(huán)系統(tǒng)而言，開環(huán)控制精度和抗干擾性能要差?；谝陨咸攸c(diǎn)，開環(huán)控制方式適用于系統(tǒng)各組成部件性能及相互關(guān)系穩(wěn)定、控制精度要求不高、工作過(guò)程中干擾小或可以預(yù)先補(bǔ)償?shù)南到y(tǒng)。開環(huán)控制有兩種模式：一種是按給定值控制模式，另一種是按擾動(dòng)控制模式。兩種模式也可以結(jié)合起來(lái)在一個(gè)系統(tǒng)中同時(shí)使用。控制方法開環(huán)控制：下圖是按給定值控制的開環(huán)控制系統(tǒng)，控制器直接根據(jù)給定量(又稱輸入量)的大小，向被控對(duì)象發(fā)出指令，被控對(duì)象進(jìn)行響應(yīng)，形成一個(gè)與輸入量相對(duì)應(yīng)的輸出量，控制精度完全取決于所使用的各元部件的精度。在實(shí)際的生產(chǎn)和生活中，存在很多使用按給定值控制模式的開環(huán)控制系統(tǒng)，例如常用的洗衣機(jī)就是一個(gè)開環(huán)控制系統(tǒng)。在洗滌程序中，只是對(duì)洗衣過(guò)程的每個(gè)步驟，如浸泡、洗滌、漂洗、甩干等做出了定時(shí)控制，對(duì)最后的洗衣效果如衣服的清潔程度、甩干程度等并沒(méi)有進(jìn)行檢測(cè)與控制?？刂品椒ㄩ_環(huán)控制：再如經(jīng)濟(jì)型數(shù)控車床的進(jìn)給系統(tǒng)也是開環(huán)控制系統(tǒng)，其結(jié)構(gòu)如圖所示。在機(jī)床加工過(guò)程中，加工程序作為指令送入數(shù)控系統(tǒng)(現(xiàn)在多為PLC)，數(shù)控系統(tǒng)對(duì)指令進(jìn)行解碼和運(yùn)算，形成x軸或y軸的控制脈沖序列，經(jīng)相應(yīng)軸的步進(jìn)（伺服）電機(jī)驅(qū)動(dòng)器進(jìn)行功率放大后，控制對(duì)應(yīng)軸的步進(jìn)（伺服）電機(jī)運(yùn)轉(zhuǎn)；再通過(guò)精密傳動(dòng)機(jī)構(gòu)(一般將角位移轉(zhuǎn)化為直線位移)，帶動(dòng)工作臺(tái)進(jìn)行加工。從控制信號(hào)的傳遞來(lái)看，只有前向沒(méi)有反向。數(shù)控系統(tǒng)發(fā)出控制脈沖，不檢測(cè)步進(jìn)（伺服）電機(jī)的轉(zhuǎn)速。系統(tǒng)采用了開環(huán)控制方式，但由于采用了精密傳動(dòng)機(jī)構(gòu)(如滾珠絲杠)，可以在工作過(guò)程中不丟失脈沖的同時(shí)仍能達(dá)到比較高的加工精度?？刂品椒ㄩ_環(huán)控制：按擾動(dòng)控制是開環(huán)控制的另一種模式，其結(jié)構(gòu)如下圖所示。系統(tǒng)的外部作用量是擾動(dòng)量，系統(tǒng)根據(jù)擾動(dòng)量的大小進(jìn)行補(bǔ)償，以減小擾動(dòng)量對(duì)輸出的影響。但前提是擾動(dòng)量要能夠直接或間接地被測(cè)量，這種控制方式一般不單獨(dú)使用，經(jīng)常作為系統(tǒng)抗干擾能力提高的一種手段，與閉環(huán)控制系統(tǒng)或按給定值控制的開環(huán)控制系統(tǒng)結(jié)合使用?？刂品椒◤?fù)合控制：將開環(huán)控制和閉環(huán)控制有機(jī)地結(jié)合起來(lái)的一種控制方式叫復(fù)合控制方式，或者說(shuō)將前饋控制和反饋控制結(jié)合起來(lái)的控制方式叫復(fù)合控制。考慮到開環(huán)控制的兩種模式，復(fù)合控制也存在兩種結(jié)構(gòu)模式，如圖所示。按給定值控制的復(fù)合控制系統(tǒng)結(jié)構(gòu)按擾動(dòng)控制的復(fù)合控制系統(tǒng)結(jié)構(gòu)控制系統(tǒng)的穩(wěn)定性穩(wěn)定性：系統(tǒng)穩(wěn)定性有不同的定義，比如從輸入輸出角度可以叫做輸入輸出穩(wěn)定，從能量的角度可以叫做漸近穩(wěn)定等等。通俗的來(lái)看穩(wěn)定，系統(tǒng)在擾動(dòng)(如電源、負(fù)載波動(dòng))作