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(jì)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(shū)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(duì)象：?jiǎn)屋斎耄瓎屋敵鱿到y(tǒng)（SISO）數(shù)學(xué)描述：傳遞函數(shù)現(xiàn)代控制理論對(duì)象：多輸入－多輸出系統(tǒng)（MIMO）數(shù)學(xué)描述：狀態(tài)空間模型智能控制、先進(jìn)控制模糊控制、神經(jīng)網(wǎng)絡(luò)控制預(yù)測(cè)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(dòng)物和機(jī)器中控制和通信的科學(xué)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(jì)30年代到50年代研究對(duì)象：?jiǎn)屋斎雴屋敵鼍€性系統(tǒng)

數(shù)學(xué)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(jì)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(jì)20世紀(jì)50年代到70年代研究對(duì)象：多輸入多輸出系統(tǒng)

數(shù)學(xué)描述：狀態(tài)空間模型

主要方法：狀態(tài)反饋、極點(diǎn)配置代表人物：

龐特里亞金：極大值原理貝爾曼：動(dòng)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(jì)70年代末至今

大系統(tǒng)理論：廣度上的開(kāi)拓

智能控制：深度上的挖掘

不確定性對(duì)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(xué)者普渡大學(xué)傅京遜教授提出：

智能控制IC：人工智能與自動(dòng)控制的交集（二元論）

IC為智能控制（IntelligentControl）

AC為自動(dòng)控制（AutomaticControl）AI為人工智能（ArtificialIntelligence）具有模擬人類(lèi)學(xué)習(xí)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(qiáng)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(guó)學(xué)者G.N.Saridis在此基礎(chǔ)上引入運(yùn)籌學(xué)，提出了三元論的智能控制概念。OR：運(yùn)籌學(xué)OperationalResearch是一種定量?jī)?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(wú)需建立被控對(duì)象的數(shù)學(xué)模型

提出及應(yīng)用

1965，美國(guó)加州大學(xué)Zadeh教授模糊集合理論1974，倫敦大學(xué)的Mamdani首次將其用于蒸汽機(jī)控制1983，日本富士電機(jī)開(kāi)創(chuàng)了模糊控制在日本的第一項(xiàng)應(yīng)用—水凈化處理1987，仙臺(tái)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(duì)人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與功能的簡(jiǎn)化和模擬

生物神經(jīng)元由胞體、樹(shù)突，突觸和軸突等構(gòu)成

樹(shù)突：神經(jīng)元的生物信號(hào)輸入端軸突：神經(jīng)元的信號(hào)輸出端突觸：兩個(gè)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(gè)神經(jīng)元，每個(gè)生物神經(jīng)元大約與102至104個(gè)其它生物神經(jīng)元相連接，形成極為錯(cuò)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(gè)神經(jīng)元通過(guò)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(shí)期1.啟蒙時(shí)期（1940-1969）2.低潮時(shí)期（1969-1982）3.復(fù)興時(shí)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(shí)期（1940-1969）1943年，心理學(xué)家McCulloch和數(shù)學(xué)家W.Pitts提出M-P模型，他們所做的開(kāi)創(chuàng)性的工作被認(rèn)為是人工神經(jīng)網(wǎng)絡(luò)(ANN)的起點(diǎn)。1949年，生理學(xué)家Hebb提出了神經(jīng)元權(quán)值的Hebb調(diào)整規(guī)則。1958年，計(jì)算機(jī)學(xué)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(chēng)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(shū)，書(shū)中指出簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)只能運(yùn)用于線性問(wèn)題的求解，能夠求解非線性問(wèn)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(kuò)展到多層網(wǎng)絡(luò)是有意義的。由于Minsky在學(xué)術(shù)界的地位和影響，其悲觀論點(diǎn)極大地影響了當(dāng)時(shí)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(shí)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(lèi)無(wú)導(dǎo)師學(xué)習(xí)網(wǎng)絡(luò)，主要用于模式識(shí)別及分類(lèi)問(wèn)題。1976年，美國(guó)學(xué)者Grossberg夫婦提出了自適應(yīng)共振機(jī)理論ART（AdaptiveResonanceTheory），其學(xué)習(xí)過(guò)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(shí)期（1982-1995）1982年，美國(guó)加州理工學(xué)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(jī)神經(jīng)網(wǎng)絡(luò)模型—玻爾茲曼機(jī)。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(xué)習(xí)算法—-BP算法（ErrorBack-Propagation。1987年6月，首屆國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議在美國(guó)加州圣地亞哥召開(kāi)。之后國(guó)際神經(jīng)網(wǎng)絡(luò)學(xué)會(huì)和國(guó)際電氣工程師與電子工程師學(xué)會(huì)（IEEE）聯(lián)合召開(kāi)每年一次的國(guó)際學(xué)術(shù)會(huì)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(jī)）。它是一種二分類(lèi)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(lèi)器，其學(xué)習(xí)策略便是間隔最大化，最終可轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問(wèn)題的求解。在此期間，SVM有了突破性進(jìn)展。SVM可以通過(guò)核方法（kernelmethod）進(jìn)行非線性分類(lèi)，是常見(jiàn)的核學(xué)習(xí)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(jī)（RBMs）；2012年，AlexNet；2013年，Hinton團(tuán)隊(duì)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(chēng)啟發(fā)式算法，這類(lèi)算法是受到人類(lèi)智能、生物群體社會(huì)性或自然現(xiàn)象規(guī)律的啟發(fā)而提出的隨機(jī)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(yú)群算法、蜂群算法等仿動(dòng)物類(lèi)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(guò)程的算法。1.3本書(shū)的主要內(nèi)容/031.3本書(shū)的主要內(nèi)容第1章概論1.3本書(shū)的主要內(nèi)容作業(yè)網(wǎng)上搜索智能控制的實(shí)例或方法課后習(xí)題1-1：自動(dòng)控制發(fā)展的歷程，王廣雄，哈爾濱工業(yè)大學(xué)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(jì)2.3模糊控制系統(tǒng)設(shè)計(jì)第2章控制系統(tǒng)設(shè)計(jì)引論2.1引言：以水箱液位控制為例/01案例：水箱液位對(duì)象該水箱有一個(gè)進(jìn)水口、一個(gè)出水口，其中進(jìn)水口通過(guò)閥門(mén)VA調(diào)節(jié)進(jìn)水量，出水口管道的大小固定不可調(diào)節(jié)。圖2-1水箱對(duì)象示意圖控制要求為：設(shè)定值上升時(shí)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(jì)/022.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)1.被控對(duì)象建模2.分析（1）時(shí)域分析呈現(xiàn)一階系統(tǒng)的典型特征，無(wú)超調(diào)和震蕩；通過(guò)選擇合適的控制量，液位基本穩(wěn)定在20cm；但上升時(shí)間太慢，大概為500s。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.分析（2）開(kāi)環(huán)零極點(diǎn)分析由于有唯一的負(fù)極點(diǎn)，所以系統(tǒng)穩(wěn)定。同時(shí)，系統(tǒng)響應(yīng)速度跟極點(diǎn)幅值大小有關(guān)，極點(diǎn)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(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.分析（3）頻域分析該伯德圖同樣展示出了典型一階對(duì)象的特性。bode(G_tank)第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)3.設(shè)計(jì)（1）根軌跡法設(shè)計(jì)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(dāng)增益從零變?yōu)闊o(wú)窮大時(shí)閉環(huán)極點(diǎn)的運(yùn)動(dòng)軌跡。結(jié)合性能指標(biāo)要求，可知系統(tǒng)應(yīng)滿(mǎn)足如下條件：第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)3.設(shè)計(jì)（1）根軌跡法設(shè)計(jì)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(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)3.設(shè)計(jì)（1）根軌跡法設(shè)計(jì)使用[Kp,poles]=rlocfind(G_tank)命令找到滿(mǎn)足性能指標(biāo)的閉環(huán)極點(diǎn)的位置和對(duì)應(yīng)的Kp值。運(yùn)行rlocfind命令后，會(huì)看到一條提示，要求在根軌跡圖上選擇一個(gè)點(diǎn)。按照要求當(dāng)我們?cè)趫D2-7中選中紅色“+”號(hào)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(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)3.設(shè)計(jì)（1）根軌跡法設(shè)計(jì)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(shí)，上升時(shí)間、超調(diào)量、穩(wěn)態(tài)誤差均滿(mǎn)足要求。第2章2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)（2）PID控制器設(shè)計(jì)PID在MATLAB中可以通過(guò)調(diào)用函數(shù)pid(Kp,Ki,Kd)實(shí)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(jì)2.2傳統(tǒng)控制系統(tǒng)設(shè)計(jì)（2）PID控制器設(shè)計(jì)隨著Kp增大，控制系統(tǒng)滿(mǎn)足了設(shè)定的性能要求。對(duì)于其他復(fù)雜系統(tǒng)，或者性能要求比較高的場(chǎng)合，可能需要加入積分進(jìn)一步減小穩(wěn)態(tài)誤差，或加入微分作用提高動(dòng)態(tài)過(guò)程的穩(wěn)定性。第2章2.