智能控制课件-第一章

《智能控制课件-第一章》由会员分享，可在线阅读，更多相关《智能控制课件-第一章（32页珍藏版）》请在金锄头文库上搜索。

1、课程体系结构,绪论 介绍智能控制的产生和发展背景、智能控制的基本概念 模糊控制 介绍模糊控制的理论基础、模糊控制的基本 原理、模糊控制系统的分析与设计 神经网络 介绍几种典型的神经网络、基于神经网络的建模与控制 遗传算法 介绍遗传算法的工作原理、基本方法,第一章 绪 论,一 智能控制的提出传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制问题，难以解决对复杂系统的控制。在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点：, 1.1 智能控制的基本概念,实际系统由于存在复杂性、非线性、时变性、不确 定性和不完

2、全性等，无法获得精确的数学模型。 (2) 某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。 (3) 针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。 (4) 实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。,在生产实践中，复杂控制问题可通过熟练操作人员的经验和控制理论相结合去解决，由此产生了智能控制。智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应于对象的复杂性和不确定性。,智能控制的研究对象 1 不确定性模型的控制模型未知或知之甚少;

3、 模型结构和参数可能在很大范围内变化 2 非线性系统控制 3 具有复杂的任务要求的控制问题,智能控制是一门交叉学科，著名美籍华人傅京逊教授1971年首先提出智能控制是人工智能与自动控制的交叉，即二元论。美国学者G.N.Saridis1977年在此基础上引入运筹学，提出了三元论的智能控制概念，即 IC=ACAIOR IC智能控制 (Intelligent Control) AI人工智能 (Artificial Intelligence) AC自动控制 (Automatic Control) OR运筹学 (Operational Research),二 智能控制的概念,图1-1 基于三元论的智能控

4、制,人工智能 (AI) 是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。自动控制 (AC) 描述系统的动力学特性，是一种动态反馈。运筹学(OR) 是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。,所谓智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化作出适应性反应，从而实现由人来完成的任务。从系统的角度，智能行为也是一种从输入到输出的映射关系，这种映射关系并不能用数学的方法精确的加以描述，因此它可看成是一种不依赖于模型的自适应估计。,智能控制是自动

5、控制发展的最新阶段，主要用于解决传统控制难以解决的复杂系统的控制问题。控制科学的发展过程如图1-2所示。,三 智能控制的发展,图1-2 控制科学的发展过程,从二十世纪60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能技术与方法应用于控制中。,1966年，J.M.Mendal首先提出将人工智能技术应用于飞船控制系统的设计； 1971年，傅京逊首次提出智能控制这一概念，并归纳了三种类型的智能控制系统： （1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能；,（2）人机

6、结合作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务； （3）无人参与的自主控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。如自主机器人。,1985年8月，IEEE在美国纽约召开了第一界智能控制学术讨论会，随后成立了IEEE智能控制专业委员会； 1987年1月，在美国举行第一次国际智能控制大会，标志智能控制领域的形成。 近年来，神经网络、模糊数学、专家系统、进化论等各门学科的发展给智能控制注入了巨大的活力，由此产生了各种智能控制方法。智能控制的几个重要分支为专家控制、模糊控制、神经网

7、络控制和遗传算法。, 1.2 智能控制的几个重要分支 一 模糊控制1 现实世界太复杂以至于无法精确描述，所以为了得到一个合理的模型就需要引入近似性(即模糊性)概念；2 随着信息时代的迈进，人类知识在系统建模与分析中变得日益重要，需要一种理论能够刻画人类的知识并将其嵌入到工程系统中。3 在实际中，人们获得的模型过于复杂，例如一些非线性模型，需要将其简化从而利用已有的工具进行理论分析。,早期的模糊控制方法大多是直接利用人的经验知识来设计模糊控制器，再根据实际控制效果来调试修正，简称为“直接综合法”。对于无法或很难建立对象数学模型的复杂控制问题，传统的控制方法无能为力，而直接综合法却可以提供简单有效

8、的解决方案，充分显示了模糊控制的优越性。但是由于缺乏对象的数学模型，无法对控制系统的性能指标进行理论研究，控制器的设计只能依靠专家的经验个案处理，这是直接综合法的主要缺点。,近年来提出的另一类模糊控制方法，是先建立对象的数学模型，根据数学模型对控制系统的稳定性和性能指标等进行理论分析和仿真实验，然后再设计模糊控制器，简称为“分析综合法”。分析综合法解决问题的思路与传统的控制方法相同，但是适用于一般的非线性系统，弥补了传统控制方法主要适用于线性系统的缺陷，为模糊控制开辟了更广阔的应用领域，也大大丰富了模糊控制理论。,1963年, 美国的Lofti Zadeh与C. Desoer发表Linear

9、Systems - A State Space Approach。1965年，Zadeh提出模糊集合和模糊控制概念 模糊控制的发展可分为三个阶段： (1) 1965年-1974年为模糊控制发展的第一阶段，即模糊数学发展和形成阶段； 1965，Zadeh 提出了模糊集合，开创了模糊数学 1972，Zadeh 提出了模糊控制原理 1973，Mamdani 实现了锅炉和蒸气机的模糊控制 1974，Zadeh 提出了模糊推理,(2) 第一次高潮（70年代中-80年代初）,1976，Rutherford 模糊控制算法分析 1977，Ostergad 水泥窑炉模糊控制 1977，Willaeys 最优模糊

10、控制 1979，Komolor 在模糊目标和模糊约束下的最优控制 1979，Mamdani 模糊自组织控制 1980，Tong 废水处理的模糊控制,1983，Pedrycz 概率模糊集Yasunobu 模糊预报控制 1984， 国际模糊系统联合会（IFSA）成立Sugeno 模型汽车停车控制 1985，Takagi and Sugeno TS模糊模型与辨识Gupta 模糊控制系统的稳定性Togai 模糊芯片 1986，Yamakawa 模糊芯片Dubois and Prade 近似推理 1987，Yasunobu 日本仙台地铁机车的模糊控制,1989，Ying and Buckley 典型模糊

11、控制器的结构分析 1990, 模糊家电产品在日本大量上市 1991，Raju 分层模糊控制 1992， 开始举办Fuzzy-IEEE年会 Tanaka and TS模糊控制系统的稳定性SugenoWang Lixin 仿射非线性系统的模糊自适应控制 1993，Wang Lixin 模糊系统的通用逼近 出版 IEEE Trans.Fuzzy Systems,(3) 第二次高潮（90年代）,二 神经网络控制,神经网络控制是从机理上对人脑生理系统进行简单结构模拟的一种新兴智能控制方法。神经网络具有并行机制、模式识别、记忆和自学习能力的特点，它能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的

12、动态特性，有很强的鲁棒性和容错性等，因此，神经网络控制在控制领域有广泛的应用。,神经网络的研究已经有几十年的历史。 1943年McCulloch和Pitts提出了神经元数学模型；1949年D.O.Hebb提出了调整神经网络连接权的规则，称之为Hebb学习规则。,1950年1980年为神经网络的形成期 1958年E.Rosenblatt提出了感知器模型 1975年 Albus提出了人脑记忆模型CMAC网络， 1976年 Grossberg提出了用于无导师指导下模式分类的自组织网络；,1980年以后为神经网络的发展期 1982年Hopfield提出了Hopfield网络，解决了回归网络的学习问题，

13、 1986年美国的PDP研究小组提出了BP网络，实现了有导师指导下的网络学习，为神经网络的应用开辟了广阔的发展前景。,三 遗传算法遗传算法(Genetic Algorithm，简称GA) 是人工智能的一个重要分支，是基于自然选择和基因遗传学原理的搜索算法，是基于达尔文进化论，在计算机上模拟生命进化论机制而发展起来的一门学科。,遗传算法由美国的J.H.Holland教授在1975年提出，80年代中期开始逐步成熟。从1985年起，国际上开始举行遗传算法国际会议。目前遗传算法已经被广泛应用于许多实际问题，成为用来解决高度复杂问题的新思路和新方法。遗传算法可用于模糊控制规则的优化及神经网络参数及权值的

14、学习，在智能控制领域有广泛的应用。, 1.3 智能控制理论,一 智能控制的特点,（1）学习功能：智能控制器能通过从外界环境所获得的信息进行学习，不断积累知识，使系统的控制性能得到改善； （2）适应功能：智能控制器具有从输入到输出的映射关系，可实现不依赖于模型的自适应控制，当系统某一部分出现故障时，也能进行控制；,（3）自组织功能：智能控制器对复杂的分布式信息具有自组织和协调的功能，当出现多目标冲突时，它可以在任务要求的范围内自行决策，主动采取行动。 （4）优化能力：智能控制能够通过不断优化控制参数和寻找控制器的最佳结构形式，获得整体最优的控制性能。,（1）符号推理与数值计算的结合例如专家控制，

15、它的上层是专家系统，采用人工智能中的符号推理方法；下层是传统意义下的控制系统，采用数值计算方法。 （2）模糊集理论模糊集理论是模糊控制的基础，其核心是采用模糊规则进行逻辑推理，其逻辑取值可在0与1之间连续变化，其处理的方法是基于数值的而不是基于符号的。,二 智能控制的研究工具,（3）神经元网络理论神经网络通过许多简单的关系来实现复杂的函数，其本质是一个非线性动力学系统，但它不依赖数学模型，是一种介于逻辑推理和数值计算之间的工具和方法。 （4） 遗传算法遗传算法根据适者生存、优胜劣汰等自然进化规则来进行搜索计算和问题求解。对许多传统数学难以解决或明显失效的复杂问题，特别是优化问题，GA提供了一个行之有效的途径。,