智能控制理論及應(yīng)用 課件 第1、2章 概論、控制系統(tǒng)設(shè)計引論

ZhejiangSci-TechUniversity智能控制ZhejiangSci-TechUniversity2第1章:概論1.1控制理論的發(fā)展及智能控制的提出1.2智能控制的主要技術(shù)1.3本書的主要內(nèi)容1.1控制理論的發(fā)展及

智能控制的提出/01

1.1.1

控制理論的發(fā)展

經(jīng)典控制理論對象：單輸入－單輸出系統(tǒng)（SISO）數(shù)學描述：傳遞函數(shù)現(xiàn)代控制理論對象：多輸入－多輸出系統(tǒng)（MIMO）數(shù)學描述：狀態(tài)空間模型智能控制、先進控制模糊控制、神經(jīng)網(wǎng)絡(luò)控制預(yù)測控制、自適應(yīng)控制、魯棒控制….第1章概論1.1.1控制理論的發(fā)展起源維納（NorbertWiener，1894-1964，控制論之父）或關(guān)于在動物和機器中控制和通信的科學第1章概論1.1.1控制理論的發(fā)展1:

經(jīng)典控制理論20世紀30年代到50年代研究對象：單輸入單輸出線性系統(tǒng)

數(shù)學描述：常系數(shù)線性微分方程、傳遞函數(shù)

主要方法：根軌跡法、頻率響應(yīng)法代表人物：

奈奎斯特：穩(wěn)定性分析

伯德：伯德圖法

伊文斯：根軌跡法建模分析設(shè)計第1章概論1.1.1控制理論的發(fā)展2:現(xiàn)代控制理論建模分析設(shè)計20世紀50年代到70年代研究對象：多輸入多輸出系統(tǒng)

數(shù)學描述：狀態(tài)空間模型

主要方法：狀態(tài)反饋、極點配置代表人物：

龐特里亞金：極大值原理貝爾曼：動態(tài)規(guī)劃

卡爾曼：能控、能觀性及系統(tǒng)分解理論第1章概論1.1.1控制理論的發(fā)展3:大系統(tǒng)理論與智能控制20世紀70年代末至今

大系統(tǒng)理論：廣度上的開拓

智能控制：深度上的挖掘

不確定性對象

高度的非線性

復(fù)雜的任務(wù)要求第1章概論1.1.1控制理論的發(fā)展1.1.2智能控制理論的提出

1971年，美籍華裔學者普渡大學傅京遜教授提出：

智能控制IC：人工智能與自動控制的交集（二元論）

IC為智能控制（IntelligentControl）

AC為自動控制（AutomaticControl）AI為人工智能（ArtificialIntelligence）具有模擬人類學習和自適應(yīng)能力的控制系統(tǒng)第1章概論1.1.2智能控制理論的提出強調(diào)智能與控制的結(jié)合智能控制密切相關(guān)智能系統(tǒng)必是控制系統(tǒng)控制系統(tǒng)必需具有智能1.1.2智能控制理論的提出第1章概論1.1.2智能控制理論的提出1977年，美國學者G.N.Saridis在此基礎(chǔ)上引入運籌學，提出了三元論的智能控制概念。OR：運籌學OperationalResearch是一種定量優(yōu)化方法，包含規(guī)劃、調(diào)度、管理、決策等內(nèi)容1.1.2智能控制理論的提出第1章概論1.1.2智能控制理論的提出1.2智能控制的主要技術(shù)/02

1.2.1模糊邏輯控制

1.2.2人工神經(jīng)網(wǎng)絡(luò)

1.2.3智能優(yōu)化算法

遺傳算法

粒子群優(yōu)化算法1.2智能控制的主要技術(shù)第1章概論1.2智能控制的主要技術(shù)1.2.1模糊邏輯控制

模糊控制

基于規(guī)則的控制

無需建立被控對象的數(shù)學模型

提出及應(yīng)用

1965，美國加州大學Zadeh教授模糊集合理論1974，倫敦大學的Mamdani首次將其用于蒸汽機控制1983，日本富士電機開創(chuàng)了模糊控制在日本的第一項應(yīng)用—水凈化處理1987，仙臺地鐵首次采用模糊控制技術(shù)ZhejiangSci-TechUniversity15第1章概論1.2智能控制的主要技術(shù)1.2.2人工神經(jīng)網(wǎng)絡(luò)

對人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與功能的簡化和模擬

生物神經(jīng)元由胞體、樹突，突觸和軸突等構(gòu)成

樹突：神經(jīng)元的生物信號輸入端軸突：神經(jīng)元的信號輸出端突觸：兩個神經(jīng)元相互接觸，

傳遞信息的部位生物神經(jīng)元結(jié)構(gòu)示意圖第1章概論1.2智能控制的主要技術(shù)人腦大約包含1012個神經(jīng)元，每個生物神經(jīng)元大約與102至104個其它生物神經(jīng)元相連接，形成極為錯綜復(fù)雜而又靈活多變的生物神經(jīng)網(wǎng)絡(luò)。1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)人工神經(jīng)網(wǎng)絡(luò)ANN神經(jīng)元是處理信息的基本單元由多個神經(jīng)元通過不同連接構(gòu)成多樣化的神經(jīng)網(wǎng)絡(luò)。典型的神經(jīng)網(wǎng)絡(luò)有多層前饋神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等。xp1xpn···輸入輸出1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)神經(jīng)網(wǎng)絡(luò)的發(fā)展時期1.啟蒙時期（1940-1969）2.低潮時期（1969-1982）3.復(fù)興時期（1982-1995）4.沉寂期（1995-2006）5.再次復(fù)興（2006-今）1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)1.啟蒙時期（1940-1969）1943年，心理學家McCulloch和數(shù)學家W.Pitts提出M-P模型，他們所做的開創(chuàng)性的工作被認為是人工神經(jīng)網(wǎng)絡(luò)(ANN)的起點。1949年，生理學家Hebb提出了神經(jīng)元權(quán)值的Hebb調(diào)整規(guī)則。1958年，計算機學家Rosenblatt提出了一種具有三層網(wǎng)絡(luò)特性的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，稱為“感知器”。1969年，人工智能的創(chuàng)始人之一的Minsky和Papert出版了名為《感知器》的書，書中指出簡單神經(jīng)網(wǎng)絡(luò)只能運用于線性問題的求解，能夠求解非線性問題的網(wǎng)絡(luò)應(yīng)具有隱層，而從理論上還不能證明將感知器模型擴展到多層網(wǎng)絡(luò)是有意義的。由于Minsky在學術(shù)界的地位和影響，其悲觀論點極大地影響了當時的人工神經(jīng)網(wǎng)絡(luò)研究。之后，神經(jīng)網(wǎng)絡(luò)研究陷入低潮期。1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)2.低潮時期（1969-1982）1972年，芬蘭教授Kohonen提出了自組織映射（Self-OrganizingMap,SOM）理論。SOM網(wǎng)絡(luò)是一類無導(dǎo)師學習網(wǎng)絡(luò)，主要用于模式識別及分類問題。1976年，美國學者Grossberg夫婦提出了自適應(yīng)共振機理論ART（AdaptiveResonanceTheory），其學習過程具有自組織和自穩(wěn)定的特征。自組織映射網(wǎng)絡(luò)1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)3.復(fù)興時期（1982-1995）1982年，美國加州理工學院的Hopfield提出了Hopfield神經(jīng)網(wǎng)絡(luò)。1985年，Hinton和Sejnowski提出了一種隨機神經(jīng)網(wǎng)絡(luò)模型—玻爾茲曼機。1986年，Rumelhart，Hinton，Williams等人在多層神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，提出了多層神經(jīng)網(wǎng)絡(luò)權(quán)值修正的反向傳播學習算法—-BP算法（ErrorBack-Propagation。1987年6月，首屆國際神經(jīng)網(wǎng)絡(luò)學術(shù)會議在美國加州圣地亞哥召開。之后國際神經(jīng)網(wǎng)絡(luò)學會和國際電氣工程師與電子工程師學會（IEEE）聯(lián)合召開每年一次的國際學術(shù)會議。1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)4.沉寂期（1995-2006）1995年，Cortes和Vapnik提出了SVM（SupportVectorMachine，支持向量機）。它是一種二分類模型，其基本模型定義為特征空間上的間隔最大的線性分類器，其學習策略便是間隔最大化，最終可轉(zhuǎn)化為一個凸二次規(guī)劃問題的求解。在此期間，SVM有了突破性進展。SVM可以通過核方法（kernelmethod）進行非線性分類，是常見的核學習方法之一。1.2.2人工神經(jīng)網(wǎng)絡(luò)第1章概論1.2智能控制的主要技術(shù)5.再次復(fù)興（2006-今）2006年，深度信念網(wǎng)絡(luò)（DBNs）；2009年，受限玻爾茲曼機（RBMs）；2012年，AlexNet；2013年，Hinton團隊提出dropout技術(shù)；2014年GoogLeNet、遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）、GenerativeAdversarialNetworks(GANs)：2016年，AlphaGo…..1.2.3智能優(yōu)化算法第1章概論1.2智能控制的主要技術(shù)智能優(yōu)化算法又稱啟發(fā)式算法，這類算法是受到人類智能、生物群體社會性或自然現(xiàn)象規(guī)律的啟發(fā)而提出的隨機搜索算法。常用的智能優(yōu)化算法有：粒子群優(yōu)化、蟻群算法、魚群算法、蜂群算法等仿動物類算法，遺傳算法、禁忌搜索等仿人算法，以及模擬退火等仿物理過程的算法。1.3本書的主要內(nèi)容/031.3本書的主要內(nèi)容第1章概論1.3本書的主要內(nèi)容作業(yè)網(wǎng)上搜索智能控制的實例或方法課后習題1-1：自動控制發(fā)展的歷程，王廣雄，哈爾濱工業(yè)大學教授謝謝！

ZhejiangSci-TechUniversity29主要內(nèi)容2.1引言：以水箱控制為例2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.3模糊控制系統(tǒng)設(shè)計第2章控制系統(tǒng)設(shè)計引論2.1引言：以水箱液位控制為例/01案例：水箱液位對象該水箱有一個進水口、一個出水口，其中進水口通過閥門VA調(diào)節(jié)進水量，出水口管道的大小固定不可調(diào)節(jié)。圖2-1水箱對象示意圖控制要求為：設(shè)定值上升時間超調(diào)量穩(wěn)態(tài)誤差第2章2.1引言：以水箱液位控制為例2.2傳統(tǒng)控制系統(tǒng)設(shè)計/022.2傳統(tǒng)控制系統(tǒng)設(shè)計1.被控對象建模2.分析（1）時域分析呈現(xiàn)一階系統(tǒng)的典型特征，無超調(diào)和震蕩；通過選擇合適的控制量，液位基本穩(wěn)定在20cm；但上升時間太慢，大概為500s。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.分析（2）開環(huán)零極點分析由于有唯一的負極點，所以系統(tǒng)穩(wěn)定。同時，系統(tǒng)響應(yīng)速度跟極點幅值大小有關(guān)，極點幅值越大，響應(yīng)速度越快。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.分析（3）頻域分析該伯德圖同樣展示出了典型一階對象的特性。bode(G_tank)第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計3.設(shè)計（1）根軌跡法設(shè)計圖2-5反饋控制系統(tǒng)結(jié)構(gòu)框圖根軌跡圖顯示的是當增益從零變?yōu)闊o窮大時閉環(huán)極點的運動軌跡。結(jié)合性能指標要求，可知系統(tǒng)應(yīng)滿足如下條件：第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計3.設(shè)計（1）根軌跡法設(shè)計繪制根軌跡圖：圖2-6根軌跡圖第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計3.設(shè)計（1）根軌跡法設(shè)計使用[Kp,poles]=rlocfind(G_tank)命令找到滿足性能指標的閉環(huán)極點的位置和對應(yīng)的Kp值。運行rlocfind命令后，會看到一條提示，要求在根軌跡圖上選擇一個點。按照要求當我們在圖2-7中選中紅色“+”號所在位置后，可得到如下結(jié)果：Kp=57.4077；poles=-0.3236。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計3.設(shè)計（1）根軌跡法設(shè)計之后，將得到的Kp值代入閉環(huán)傳函，觀察閉環(huán)系統(tǒng)的響應(yīng)曲線。此時，上升時間、超調(diào)量、穩(wěn)態(tài)誤差均滿足要求。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計（2）PID控制器設(shè)計PID在MATLAB中可以通過調(diào)用函數(shù)pid(Kp,Ki,Kd)實現(xiàn)首先加入比例作用第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計2.2傳統(tǒng)控制系統(tǒng)設(shè)計（2）PID控制器設(shè)計隨著Kp增大，控制系統(tǒng)滿足了設(shè)定的性能要求。對于其他復(fù)雜系統(tǒng)，或者性能要求比較高的場合，可能需要加入積分進一步減小穩(wěn)態(tài)誤差，或加入微分作用提高動態(tài)過程的穩(wěn)定性。第2章2.