《智能控制理论与应用第一章》由会员分享，可在线阅读，更多相关《智能控制理论与应用第一章（25页珍藏版）》请在金锄头文库上搜索。
1、智能控制理论及应用,苗锋 15036791876,第一章 绪论,1.1 学习智能控制的意义,智能控制在自动化课程体系中的位置,智能控制是一门控制理论课程，研究如何运用人工智能的 方法来构造控制系统和设计控制器。与自动控制原理和现代控制原理一起构成了自动控制课程体系的理论基础。,智能控制在控制理论中的位置,智能控制是目前控制理论的最高级形式，代表了控制理论的发展趋势，能有效地处理复杂的控制问题。其相关技术可以推广应用于控制之外的领域：金融、管理、土木、设计等等。,1.2 智能控制的产生和发展,控制理论在应用中面临的难题包括： 传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而实际系
2、统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型； 研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合； 对于某些复杂的和具有不确定性的对象，根本无法以传统数学模型来表示，即无法解决建模问题； 为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。,1.2 智能控制的产生和发展,产生的背景,经典控制理论,现代控制理论,智能控制理论,1.2 智能控制的产生和发展,智能控制的两个发展方向,1.2 智能控制的产生和发展,智能控制的三个发展阶段,1.2 智能控制的产生和发展,1）萌芽期（1
3、9601970）,1960年代初，F.W.Smiths首先采用性能模式识别器来学习最优控制方法 1965年，加利福尼亚大学的扎德(L.A. Zadeh)教授提出了模糊集合理论 1965年，美国的Feigenbaum着手研制世界上第一个专家系统 1965年，普渡大学傅京孙教授将人工智能中的直觉推理方法用于学习控制系统。 1966年Mendel在空间飞行器学习系统中应用了人工智能技术，并提出了“人工智能控制”的概念。 1967年，Leondes等人首先正式使用“智能控制”一词，并把记忆、目标分解等一些简单的人工智能技术用于学习控制系统，提高了系统处理不确定性问题的能力。这标志着智能控制的思想已经萌
4、芽。,1.2 智能控制的产生和发展,2）形成期（19701980）,1970年代初，傅京孙等人从控制论的角度进一步总结了人工智能技术与自适应、自组织、自学习控制的关系，正式提出智能控制是人工智能技术与控制理论的交叉，并在核反应堆、城市交通的控制中成功地应用了智能控制系统。 1970年代中期，智能控制在模糊控制的应用上取得了重要的进展。1974年英国伦敦大学玛丽皇后分校的E.H.Mamdani教授把模糊理论用于控制领域，把扎德教授提出的IFTHEN型模糊规则用于模糊推理，再把这种推理用于蒸汽机的自动运转中通过实验取得良好的结果。 1977年，萨里迪斯(Saridis)提出了智能控制的三元结构定义
5、，即把智能控制看作为人工智能、自动控制和运筹学的交叉。 1970年代后期起，把规则型模糊推理用于控制领域的研究颇为盛行。1979年，Mandani又成功研制出自组织模糊控制器，使得模糊控制器具有了较高的智能。,1.2 智能控制的产生和发展,3）发展期（1980 ）,1982年，Fox等人完成了一个称为ISIS的加工车间调度的专家系统 1982年，Hopfield引用能量函数的概念，使神经网络的平衡稳定状态有了明确的判据方法，并利用模拟电路的基本元件构作了人工神经网络的硬件模型，为实现硬件奠定了基础，使神经网络的研究取得突破性进展 1985年，IEEE在纽约召开了第一届全球智能控制学术讨论会，标
6、志着智能控制作为一个学科分支正式被学术界接受。 1986年，Rumelhart提出多层网络的“递推”(或称“反传”)学习算法，简称BP算法，从实践上证实了人工神经网络具有很强的运算能力，BP算法是最为引人注目，应用最广的神经网络算法之一 1987年在费城举行的国际智能控制会议上，提出了智能控制是自动控制，人工智能、运畴学相结合或自动控制、人工智能、运畴学和信息论相结合的说法。此后，每年举行一次全球智能控制研讨会，形成了智能控制的研究热潮。,1.3 智能控制的定义和特点,智能控制的定义 IEEE定义：智能控制必须具有模拟人类学习和自适应的能力。,一般来说，一个智能控制系统要具有对环境的敏感，进行
7、决策和控制的功能，根据其性能要求的不同可以有各种人工智能的水平。,分析、组织数据并将数据变换为机器理解的结构化信息的能力；在复杂环境中选取优化行为，使系统能在不确定情况下继续工作的能力。,具有辩识对象和事件、在客观世界模型中获取和表达知识、进行思考和计划未来行动的,具有感知环境、作出决策和控制的能力,高级,较高,简单,1.3 智能控制的定义和特点,智能控制的特点 应能为复杂系统（如非线性、快时变、多变量、强耦合、不确定性等）进行有效的全局控制，并具有较强的容错能力； 是定性决策和定量控制相结合的多模态组合控制； 其基本目的是从系统的功能和整体优化的角度来分析和综合系统，以实现预定的目标，并应具
8、有自组织能力。 是同时具有以知识表示的非数学广义模型和以数学表示的数学模型的混合控制过程，系统在信息处理上，既有数学运算，又有逻辑和知识推理。,1.4 智能控制的主要形式,智能控制,分级递阶 智能控制,模糊控制,神经网络控制,仿人智能控制,专家控制,各种方法的综合集成,1.4 智能控制的主要形式,组织级起主导作用，涉及知识的表示与处理，主要应用人工智能； 协调级在组织级和执行级间起连接作用，涉及决策方式及其表示，采用人工智能及运筹学实现控制； 执行级是底层，具有很高的控制精度，采用常规自动控制。,基于信息论的分级递阶智能控制,三级分级递阶智能控制系统是由GNSaridis于1977年提出的。该
9、系统由组织级、协调级和执行级组成，遵循“精度递增伴随智能递减”的原则。,1.4 智能控制的主要形式,以模糊系统理论为基础的模糊控制 人类最初对事物的认识来看，都是定性的、模糊的和非精确的，因而将模糊信息引入智能控制具有现实的意义。模糊逻辑在控制领域的应用称为模糊控制。 它的基本思想是把人类专家对特定的被控对象或过程的控制策略总结成一系列以“IF（条件）THEN（作用）”形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。,1.4 智能控制的主要形式,模糊模型就是用 if-then 形式的规则表示控制系统的输入/输出关系，主要有Mamdani模型和T-S模型。 模糊模型除具有连
10、续函数的映射能力外，还具有以下优点： 集成专家控制经验，以if - then规则的形式表示，具有知识表达的特点； 局部线性化模型可以采用现代控制理论(极点配置、状态反馈、预测控制等)方法进行系统设计和分析； Mamdani和T-S模型都可以根据系统的输入/输出进行辨识，具有定量和定性知识集成的特点。,1.4 智能控制的主要形式,基于脑模型的神经网络控制,人工神经网络采用仿生学的观点与方法来研究人脑和智能系统中的高级信息处理。,1.4 智能控制的主要形式,神经网络的优势在于： 能够充分逼近任意复杂的非线性系统； 能够学习与适应严重不确定性系统的动态特性； 由于大量神经元之间广泛连接，即使有少量单
11、元或连接损坏，也不影响系统的整体功能，表现出很强的鲁棒性和容错性； 采用并行分布处理方法，使得快速进行大量运算成为可能。 神经网络用于控制有两种方法，一种是用来实现建模，一种是直接作为控制器使用。具体可分为以下几个方面： 系统建模 直接自校正控制 间接自校正控制 神经网络模型参考自适应控制 神经网络内模控制,1.4 智能控制的主要形式,基于知识工程的专家控制系统,专家控制可定义为：具有模糊专家智能的功能，采用专家系统技术与控制理论相结合的方法设计控制系统。,1.4 智能控制的主要形式,基于规则的仿人智能控制,仿人智能控制的核心思想是在控制过程中，利用计算机模拟人的控制行为功能，最大限度地识别和
12、利用控制系统动态过程提供的特征信息，进行启发和直觉推理，从而实现对缺乏精确模型的对象迸行有效的控制。其基本原理是模仿人的启发式直觉推理逻辑，即通过特征辩识判断系统当前所处的特怔状态，确定控制的策略，进行多模态控制。,1.4 智能控制的主要形式,基于进化的遗传算法 遗传算法（GA）是模拟自然进化过程而得到的一种随机性全局优化方法。 遗传算法的应用按其方式可分为三部分： 基于遗传的优化计算 基于遗传的优化编程 基于遗传的机器学习,1.4 智能控制的主要形式,各种方法的综合集成,模糊神经网络控制 模糊专家控制 模糊PID控制 神经网络鲁棒控制 神经网络自适应控制 ,1.5 智能控制的现状和发展趋势,
13、智能控制的基础理论和方法研究； 智能控制系统结构研究； 知识系统和专家控制的研究； 模糊控制系统的研究； 神经网络控制系统的研究； 基于进化理论的学习控制研究； 模糊神经网络控制的研究； 智能控制与其它控制方法结合的研究,目前的主要研究方向和内容,1.5 智能控制的现状和发展趋势,发展趋势 智能控制理论的进一步研究，尤其是智能控制系统稳定性分析的理论研究。 结合神经生理学、心理学、认识科学、人工智能等学科的知识，深入研究人类解决问题时的经验、策略，建立更多的智能控制体系结构。 研究适合现有计算机资源条件的智能控制方法。 研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系的智能水平； 研究适合智能控制系统的软、硬件进行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制在实际应用中存在的问题。,
