logo资料库

智能控制概述与发展综述.doc

发布时间：2022-06-06 发布人：admin 分类：说明书 资料大小：0.05M 资料格式：doc 举报 版权申诉
第1页 / 共6页
第2页 / 共6页
第3页 / 共6页
第4页 / 共6页
第5页 / 共6页
第6页 / 共6页
资料共6页，全文预览结束
    智能控制概述及其发展 学号： 姓名： 专业：09级自动化
    智能控制概述及其发展 摘 要: 本文介绍了智能控制的涵义，发展历史与现状, 智能控制的主要方法与当前的研究 热点以及智能控制的发展前景等. 关键词: 智能控制 专家控制 神经网络 模糊控制 遗传算法 1 引言 智能控制是自动控制发展的高级阶段，是人工智能、控制论、信息论、系统论、仿生学、 进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。智能控制是 当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域，代表着当今科学和技术发 展的最新方向之一。它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容，而 且还从生物学等学科汲取丰富的营养，正在成为自动化领域中最兴旺和发展最迅速的一个分 支学科。 2 智能控制的内涵 对于人的智能行为, 特别是创造性思维的理解行为, 是一个长期研究的科学理论问题. 智能控制是通过应用人工智能的方法来扩展传统控制方法, 解决传统控制的局限性. 通常 人们把自动识别和记忆信号( 图像、语言、文字) 会学习、能推理、有自动决策能力的自动 控制系统称之为智能控制系统. 对智能控制的理解, 不同的研究者从不同的侧面出发, 阐 述各自的观点. 斯坦福大学人工智能研究中心的Nilsson 教授认为: 人工智能是关于知识的科学，是怎 样表示知识以及怎样获得知识并使用知识的科学；MIT的Winston教授指出:人工智能就是研 究如何使计算机去做过去只有人才做的智能性工作.一个系统如果具有感知环境、不断获得 信息以减小不确定性和计划、产生以及执行控制行为的能力, 即称为智能控制系统. 智能控 制技术是在向人脑学习的过程中不断发展起来的, 人脑是一个超级智能控制系统, 具有实 时推理、决策、学习和记忆等功能, 能适应各种复杂的控制环境；Saridis认为智能控制系 统是通过驱动自主智能机来实现其目标而无需操作人员参与的系统；傅京孙把智能控制概括 为自动控制( AC, Automatic Control) 和人工智能( AI, Artificial Intelligent) 的交 集, 即: IC= AIH AC；萨里迪斯( Saridis) 等人于1977 年从机器智能的角度出发, 对傅的 二元交集论进行了扩展, 提出三元交集的智能控制概念, 即把智能控制看作为人工智能、自 动控制和运筹学的交点. 即: IC= AI H CTH OR 式中, CT 为控制论( CyberneticsTheory) , OR为运筹学( Operation Research) . 表达了智能增加而精度降低这一著名原则. 3 智能控制的主要方法 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能 控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 3.1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验
    作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基 础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量 的隶属度函数的确定,以及控制规则的制定，二者缺一不可。 3.2 专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统 控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略 适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率， 灵活性高，可通过调整控制器的参数,适应对象特性及环境的变化，适应性好，通过专家规 则，系统可以在非线性、大偏差的情况下可靠地工作，鲁棒性强。 3.3 神经网络控制 神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信 息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直 接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 3.4 学习控制 （1）遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、 全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种 搜索和优化算法,它模拟生物界生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等 遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从 而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效 率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向 。 （2）迭代学习控制 迭代学习控制模仿人类学习的方法，即通过多次的训练,从经验中学会某种技能,来达到 有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟 踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器 保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复 运动的非线性机器人系统的控制中是相当成功的。 4 智能控制的发展历史与现状 智能控制的发展历史分可为4个阶段： 第一阶段为智能控制的萌芽阶段20世纪40~ 50年代，以频率法为代表的单变量系统控制 理论逐步发展起来，并且成功地用在雷达及火力控制系统上，形成了今天所说的古典控制理 论. 1956年以前, 英国数学家图灵( A. M. Turing) 为现代人工智能作了大量开拓性的贡献. 20世纪60~ 70年代, 数学家们在控制理论发展中占了主导地位, 形成了以状态空间法为代 表的现代控制理论，它建立在严密精确的数学模型之上, 从而造成了理论与实践之间的巨大 分歧. 1961年以后, 人工智能主要内容涉及知识工程、自然语言理解等. 人们研究人工智能 方法也分为结构模拟派和功能模拟派, 分别从脑的结构和脑的功能入手进行研究. 20 世纪 70 年代后, 又出现了大系统理论. 但是, 由于这种理论解决实际问题的能力更弱, 很快被 人们放到了一边。 第二阶段为智能控制的发展初期( 1965~ 1979 年)建立于严密的数学理论上的控制理论 发展受到挫折, 而模拟人类智能的人工智能却迅速发展起来. 控制理论从人工智能中吸取 营养寻求发展成为必然. 工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复 杂特征. 特别是非线性对控制结果的影响复杂, 控制工程人员很难深入理解,更谈不上设计
    出合适的控制算法. 不确定性是最难以解决的问题, 也是导致大系统理论失败的根本原因. 但是, 对这些问题用工程控制专家经验来解决则往往是成功的，人是最聪明的控制器, 模仿 人是一种途径。1965年, 美国普渡大学的傅京孙( K. S. Fu) 教授首先提出了学习控制的概 念, 引入了人工智能的直觉推理, 提出把人工智能的直觉推理规则方法用于学习控制系统. 次年,Mendel 在空间飞行器的学习控制中应用了人工智能技术, 并提出了人工智能控制的 新概念; 同年, Leondes 和Mendel首次使用了智能控制( Intelligent Control)一词, 并把 记忆、目标分解等技术用于学习控制系统; 这些反映了智能控制思想的早期萌芽, 被称为智 能控制的孕育期.20世纪70年代关于智能控制的研究是对60年代这一思想雏形的进一步深化. 1956年, 国际知名华裔科学家傅京孙首先提出把人工智能的启发式推理规则用于学习控制 系统。1971年. 他进一步论述了人工智能与自动控制的交接关系.此后, 许多自动控制研究 人员加入了研究智能控制机理及其应用的行列, 并取得一些重要进展 第三阶段智能控制新学科的条件已渐趋成熟，1985年8月,IEEE在美国纽约召开了第一届 智能控制学术讨论会. 来自美国的60多位从事自动控制人工智能和运筹学研究的教授、专家 和学者赴会.会上集中讨论了智能控制原理和智能控制系统的结构. 1987年1月,在美国费城 由IE E E 控制系统学会和计算机学会联合召开了智能控制国际学术讨论会.这是智能控制的 第一次国际会议. 来自美国、欧洲、日本、中国和其它发展中国家的150位代表出席了这次 学术盛会. 这次会议是个里程碑,它表明智能控制已作为一门新学科正式登上国际科学舞台. 之后, 这一国际讨论会每年举行一次。 第四阶段为智能控制进入新的发展阶段进入20世纪90年代,关于智能控制的研究论文、 著作、会议、期刊大量涌现, 应用对象也更加广泛, 从工业过程控制、机器人控制、航空航 天器控制到故障诊断、管理决策等均有涉及, 并取得了较好的效果. 国内对智能控制研究, 近年来也十分活跃，除了举行各种与智能控制有关的学术会议外. 还有一些单位(如浙江大 学清华大学、重庆大学、中国科学院自动化所、华东化工学院、上海交通大学和中南工业大 学等)已取得一批重要研究成果. 智能控制作为独立的新学科, 在国内也正在形成。 【张钟俊，蔡自兴；智能控制与智能控制系统】 【蔡自兴，陈海燕，魏世勇;智能控制工程研究的进展[J];控制工程;2003年01期】 5 智能控制面临的问题及研究热点 智能控制是一门不断发展的综合学科。就目前而言, 还有许多问题有待解决: （1）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基础上的，而实际系统由 于其复杂性、非线性、时变形、不确定性和不完全性等原因，一般无法获得精确的数学模型。 （2）研究这类系统时必须遵循一些比较刻薄的假设，而这些假设在应用中往往与实际不相 符合。 （3）对于某些复杂的和不确定性的对象，根本无法用传统数学模型来表示，即无法解决建 模问题。 （4）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。 【引自：李少远、王景成《智能控制》】 目前, 国内外专家学者深入研究的热点有以下几个: （1）神经网络与模糊理论的结合。 神经网络和模糊集理论两种方法在某些方面(如逻辑关系不依赖于模型)类似于人工智 能的方法, 而在另外一些方面( 如连续取值、非线性动力学)则类似于通常的数值算法即传 统的控制理论的数学工具, 由于它们介于符号逻辑和数值计算之间, 因而更有可能成为今
    后智能控制研究的主要数学工具。目前人们将两者联系在一起形成了模糊神经元和神经元模 糊控制, 同时又将专家系统渗入到模糊理论和神经元网络中, 形成了更高的智能控制系统。 （2） 多学科的交叉研究。 当前的智能控制方法已经从单学科发展到了多学科的交叉研究, 应用领域也在不断地 拓宽。目前专家学者在两个方面展开了大量的研究: 一是智能方法之间的结合, 二是智能控 制与传统控制的结合。如模糊技术与神经网络技术, 利用神经网络的自学习、自适应功能, 为模糊控制提供控制规则, 而利用模糊控制具有仿人决策推理能力完成对目标的控制, 两 者相结合, 功能进一步加强。 （3）运用计算智能( CI) 对不确定性、复杂性、模糊性过程控制问题进行更深入的研究。 计算智能是一个新的研究领域，它弥补了传统人工智能( AI) 数学基础比较薄弱和不够 成熟的不足。计算智能除包括神经计算、模糊计算等计算智能理论和方法外, 近几年来又出 现了其他一些计算智能方法,如粗糙集理论、进化计算和遗传算法、粒群优化、蚁群优化、 自然计算和免疫计算等。这些计算智能新分支都具有比较坚实的数学基础, 对于研究如何应 用数学工具模仿人脑的思维活动和认知过程具有重要作用。AI 与CI 的结合已经使许多科学 计算从传统数学公式变换扩展到符号计算、生物机制仿真、自然法则的事件模拟等。 6 智能控制的应用 1.工业过程中的智能控制 生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智 能引入工艺过程中的某一单元进行控制器设计，例如智能PID控制器、专家控制器、神经元 网络控制器等。研究热点是智能PID控制器，因为其在参数的整定和在线自适应调整方面具 有明显的优势,且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产 过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。 2. 机械制造中的智能控制 在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预 测的情况，人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地 应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用 传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If”逆向推理作为反馈 机构,修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性,将 模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和 并行处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。 3.电力电子学研究领域中的智能控制 电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个 复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及 控制中,取得了良好的控制效果 。遗传算法是一种先进的优化算法,采用此方法来对电器设备 的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。应用于电气设备 故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领 域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究 的新热点之一。 以上的三个例子只是智能控制在各行各业应用中的一个缩影，它的作用以及影响力将会 关系国民生计。
    7 结论和展望 纵观智能控制产生、发展的历史背景与现状, 其研究中心始终是解决传统控制理论、方 法所难以解决的不确定性问题. 智能控制的研究虽然取得了一些成果, 但实质性进展甚微, 理论方面尤为突出, 应用则主要是解决技术问题, 对象具体而单一，遗传算法与模糊神经网 络的结合，以及混沌理论等，将成为智能控制的发展方向. 智能控制发展的核心仍然是以神 经网络的强大自学习功能与具有较强知识表达能力的模糊逻辑推理构成的模糊逻辑神经网 络. 遗传算法作为一种随机搜索的全局优化算法, 借鉴了生物进化中适者生存的思想, 在 模糊规则的自动获取与神经网络的学习过程中呈现了强大的生命力.智能控制的迅速发展, 把基于自动控制观点的追求智能控制系统高度自治的狭隘理解引导到重视人机结合、智能互 补的方向上来, 有利于促进智能控制学科的健康发展. 智能控制的研究是复杂的, 综合集成之路也没有统一、规整的规则、定理、定律可循. 从 目前来看, 智能控制难以存在普遍、统一的理论体系, 而建立集成化智能控制框架则是现实 的、必要的, 这种框架应具有开放性、形式非唯一性, 而且不排斥人作为系统成员. 目前, 这一领域的研究正在飞速发展, 例如神经网络算法, 遗传算法, 这些都在力争使自动控制 更加高度智能化.要做到智能自动化,把机器人的智商提高到智人水平,还需要数十年. 微电 子学、生命科学、自动化技术突飞猛进,为21世纪实现智能控制和智能自动化创造了很好的 条件.对这门新学科今后的发展方向和道路已经取得了一些共识:研究和模仿人类智能是智 能控制的最高目标，相信智能控制必将会为人类的发展起到推动性作用。 参考文献： [1]Lee T H Ge ,S S. Intelligent control of mechatronic systems [J].Proceedings of the 2003 IEEE International Symposium on Intelligent Control, [2]Li Mengqing; Zhang Chunliang; Yang Shuzi etc. Intelligent recognition using fuzzyneural network for trend & jump pattern in control chart[J]. China Mechanical Engineering [3]盛万兴, 戴汝为. 关于智能控制. 电子学报 吴斌, 吴坚, 涂序彦. 快速遗传算法研究. 电子科技大学学报 [4] 胡包钢,应浩;模糊PID控制技术研究发展回顾及其面临的若干重要问题[J];自动化学 报;2001年04期 [5]李立琳；智能控制的主要方法与研究热点.
    分享到：
    赞 收藏

    相关推荐

    资料库

    信息化

    共收录1827份资料，累计6个分类，关注成员有19位，主要包括：管理软件,企业管理,电子商务,其它,IT管理,项目管理

    热门标签

    管理软件 企业管理 电子商务 其它 IT管理 项目管理

    最新资料