1、淺談智能控制理論南昌大學智能控制理論學生姓名：鄒偉學號： 5801414067專業班級：過程裝備與控制工程一、智能控制的發展及意義1.智能控制的提出傳統控制方法包括經典控制和現代控制，是基于被控對象精確模型的控制方式，缺乏靈活性和應變能力， 適于解決線性、 時不變性等相對簡單的控制問題， 難以解決對復雜系統的控制。在傳統控制的實際應用遇到很多難解決的問題，主要表現以下幾點：（ 1）實際系統由于存在復雜性、非線性、時變性、不確定性和不完全性等，無法獲得精確的數學模型。（ 2）某些復雜的和包含不確定性的控制過程無法用傳統的數學模型來描述，即無法解決建模問題。（ 3）針對實際系統往往需要進行一些比較

2、苛刻的線性化假設，而這些假設往往與實際系統不符合。（ 4）實際控制任務復雜，而傳統的控制任務要求低，對復雜的控制任務，如機器人控制、CIMS、社會經濟管理系統等復雜任務無能為力。在生產實踐中，復雜控制問題可通過熟練操作人員的經驗和控制理論相結合去解決，由此，產生了智能控制。 智能控制將控制理論的方法和人工智能技術靈活地結合起來， 其控制方法適應對象的復雜性和不確定性。2.智能控制的概念智能控制是一門交叉學科， 著名美籍華人傅京遜教授 1971 年首先提出智能控制是人工智能與自動控制的交叉， 既二元論。 美國學者 G.N.Saridis1997 年在此基礎上引入運籌學， 提出了三元論的智能控制概

3、念。1985 年 8 月，IEEE在美國紐約召開了第一屆智能控制學術討論會，隨后成立了IEEE智能控制專業委員會； 1987 年一月，在美國舉行第一次國際智能控制大會，標志著智能控制領域的形成。智能控制的三個主要分支為專家控制、神經網絡控制和模糊控制。'.二、模糊控制（一）模糊控制的基本原理模糊控制是以模糊集合理論、模糊語言及模糊邏輯為基礎的控制，它是模糊數學在控制系統中的應用，是一種非線性智能控制。模糊控制是利用人的知識對控制對象進行控制的一種方法，通常用“if 條 件， then 結果”的形式來表現，所以又通俗地稱為語言控制。一般用于無法以嚴密的數學表示的控制對象模型，即可利用人

4、(熟練專家 )的經驗和知識來很好地控制。因此，利用人的智力，模糊地進行系統控制的方法就是模糊控制。它的核心部分為模糊控制器。模糊控制器的控制規律由計算機的程序實現，實現一步模糊控制算法的過程是：微機采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號 E；一般選誤差信號E 作為模糊控制器的一個輸入量，把E 的精確量進行模糊量化變成模糊量， 誤差 E 的模糊量可用相應的模糊語言表示；從而得到誤差E 的模糊語言集合的一個子集 e(e 實際上是一個模糊向量 ); 再由 e 和模糊控制規則R(模糊關系 )根據推理的合成規則進行模糊決策， u 為一個模糊量；為了對被控對象施加精確的控制，還需要將

5、模糊量u 進行非模糊化處理轉換為精確量：得到精確數字量后，經數模轉換變為精確的模擬量送給執行機構，對被控對象進行一步控制；然后，進行第二次采樣，完成第二步控制 , 。這樣循環下去，就實現了被控對象的模糊控制。（二）模糊控制系統的組成(1)模糊控制器；它是模糊控制系統的核心，它是以模糊邏輯推理為主要組成部分，同時又具有模糊化和去模糊化功能的控制器， 根據控制系統的需要， 即可選用系統機， 又可選用單板機或單片機：(2)輸入輸出接口裝置；通過輸入輸出接口從被控對象獲取數字信號，送至模糊控制器，并將模糊控制器決策出的輸出數字信號經過數模轉換， 將其轉變為模擬信號， 送給執行機構去控制被控對象：(3)

6、廣義對象；包括被控對象與執行機構，被控對象可以是線性的，也可以是非線性的、定常或時變的等多種情況，(4)傳感器；傳感器將被控對象或將各種被控量轉換為電信號，它在模糊控制系統中占有非常熏要的位置，因此它的精度影響著整個控制系統的精度。（三）模糊控制技術的應用由于模糊控制是基于自然語言描述規則的新機制，很容易被人們廣泛接受，加上模糊化技術在微處理器和計算機中能很方便地實現， 所以這種結合展現出強大的生命力和良好的效果。近年來，人們已經將模糊技術應用于工業、醫學、地震預報、工程設計、信息處理以及經濟管理等，其中應用最多也是最成功的，是工業過程控制和模糊家電產品領域。'.三、專家控制瑞典學者K

7、.J.Astrom 在 1983 年首先把人工智能中的專家系統引入智能控制領域，于 1986年提出“專家控制”的概念，構成一種智能控制方法。專家控制（ Expert Control ）是智能控制的一個重要分支，又稱專家智能控制。所謂專家控制， 是將專家系統的理論和技術同控制理論、方法與技術相結合，在未知環境下，仿效專家的經驗，實現對系統的控制。專家控制試圖在傳統控制的基礎上“加入”一個富有經驗的控制工程師，實現控制的功能，它由知識庫和推理機構構成主體框架，通過對控制領域知識（先驗經驗、動態信息、目標等） 的獲取與組織， 按某種策略及時地選用恰當的規則進行推理輸出，實現對實際對象的控制。專家系統

8、是一個具有大量的專門知識與經驗的程序系統，它應用人工智能技術和計算機技術， 根據某領域一個或多個專家提供的知識和經驗，進行推理和判斷，模擬人類專家的決策過程， 以便解決那些需要人類專家才能處理好的復雜問題。簡而言之， 專家系統是一種模擬人類專家解決領域問題的計算機程序系統。（一）、原理專家系統的基本工作流程是，用戶通過人機界面回答系統的提問，推理機將用戶輸入的信息與知識庫中各個規則的條件進行匹配， 并把被匹配規則的結論存放到綜合數據庫中。 最后，專家系統將得出最終結論呈現給用戶。（二）、功能（ 1）能夠滿足任意動態過程的控制需要，尤其適用于帶有時變、非線性和強干擾的控制；（ 2）控制過程可以利

9、用對象的先驗知識；（ 3）通過修改、增加控制規則，可不斷積累知識，改進控制性能；（ 4）可以定性地描述控制系統的性能，如“超調小”、“偏差增大”等；（ 5）對控制性能可進行解釋；（ 6）可通過對控制閉環中的單元進行故障檢測來獲取經驗規則。（三）專家控制的關鍵技術及特點a.專家控制的關鍵技術(1) 知識的表達方法；(2)從傳感器中識別和獲取定量的控制信號；(3)將定性知識轉化為定量的控制信號；(4)控制知識和控制規則的獲取。b專家控制的特點（ 1）靈活性：根據系統的工作狀態及誤差情況，可靈活地選取相應的控制律；（ 2）適應性：能根據專家知識和經驗，調整控制器的參數，適應對象特性及環境的變化；&#

10、39;.（3）魯棒性：通過利用專家規則，系統可以在非線性、大偏差下可靠地工作。（四）專家控制的優缺點1、專家系統的優點（ 1）專家系統能夠高效率、準確、及時和不知疲倦地工作。（ 2）專家系統解決實際問題時不受周圍環境的影響，也不可能遺漏忘記。（ 3）專家系統使人類專家的經驗不受時空的限制，以便推廣和交流。（ 4）專家系統的研制和應用具有巨大的社會效益和經濟效益。（ 5）研制專家系統能促進各個領域科學技術的發展。2、專家系統的缺陷（1）知識獲取的“瓶頸”問題 ，不僅要求知識工程師應具備一定的領域知識，而且還得具備較高的計算機水平知識。（ 2）知識的“窄臺階”問題 ，一個專家系統一般只能應用在某個

11、相當窄的知識領域內，去求解預定的專門問題、一旦超出預定范圍，專家系統就無法求解。（ 3）不具備并行分布功能 ，集中式專家系統只能在單個處理機上運行，不具備把一個專家系統的功能分解后，分布到多個處理機上去并行工作的能力。（ 4）不具備多專家協同能力 ，單專家式專家系統只能模擬單一領域的單個專家的功能，不能實現相近領域或同一領域不同方面的多個分專家系統的協作問題求解。（ 5）系統適應能力較差 ，一般不具備自我學習能力和在系統運行過程中的自我完善、發展和創新能力。（6）處理不確定問題的能力較差，專家系統盡管可采用可信度、主觀Bayes方法等處理不精確問題，但在歸納推理、模糊推理、非完備推理等方面的能

12、力較差。（7）與主流信息技術脫節，專家系統基本上是一種信息孤島，與主流信息技術，如Web技術、數據庫技術等脫節。（五）專家控制的應用專家系統是指相當于(領域 )專家處理知識和解決問題能力的計算機智能軟件系統。它是由知識庫和推理機構構成主體框架，將專家系統的理論技術與控制理論技術相結合，通過仿效專家的經驗， 按某種策略及時地選用恰當的規則進行推理輸出，來實現對系統控制的一種智能控制。專家系統是一個具有大量專門知識與經驗的程序系統，它應用人工智能技術，根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復雜問題。專家系統在控制效果上體現出了

13、高可靠性及長期運行的連續性，在線控制的實時性，優良的控制性能及抗干擾性，使用的靈活性及維護的方便性等顯著的特點。它適合解決如故障診斷、報警處理、系統恢復、負荷預測、檢修計劃安排、無功電壓控制、規劃設計等問題。目前，專家系統已經廣泛用于醫療、化學、設計、地質勘探等領域。'.四、神經網絡控制神經網絡從從人惱的生理學和心理學著手，通過人工模擬人腦的工作機理來實現機器的部分智能行為。人工神經網絡（簡稱神經網絡，Neural Network ）是模擬人腦思維方式的數學模型。神經網絡是在現代生物學研究人腦組織成果的基礎上提出的， 用來模擬人類大腦神經網絡的結構和行為。神經網絡反映了人腦功能的基本特

14、征，如并行信息處理、學習、聯想、模式分類、記憶等。20 世紀 80 年代以來，人工神經網絡（ANN，Artificial Neural Network ）研究所取得的突破性進展。 神經網絡控制是將神經網絡與控制理論相結合而發展起來的智能控制方法。 它已成為智能控制的一個新的分支， 為解決復雜的非線性、 不確定、 未知系統的控制問題開辟了新途徑。（一）、神經網絡原理神經生理學和神經解剖學的研究表明，人腦極其復雜，由一千多億個神經元交織在一起的網狀結構構成，其中大腦皮層約140 億個神經元，小腦皮層約1000 億個神經元。人腦能完成智能、思維等高級活動，為了能利用數學模型來模擬人腦的活動，導致了神

15、經網絡的研究。神經系統的基本構造是神經元(神經細胞 )，它是處理人體內各部分之間相互信息傳遞的基本單元。每個神經元都由一個細胞體，一個連接其他神經元的軸突和一些向外伸出的其它較短分支樹突組成。軸突功能是將本神經元的輸出信號(興奮 )傳遞給別的神經元，其末端的許多神經末梢使得興奮可以同時傳送給多個神經元。樹突的功能是接受來自其它神經元的興奮。神經元細胞體將接收到的所有信號進行簡單地處理后，由軸突輸出。神經元的軸突與另外神經元神經末梢相連的部分稱為突觸。一個神經元通過其軸突的神經末梢，經突觸與另外一個神經元的樹突連接，以實現信息的傳遞。 由于突觸的信息傳遞特性是可變的，隨著神經沖動傳遞方式的變化，

16、傳遞作用強弱不同，形成了神經元之間連接的柔性，稱為結構的可塑性。通過樹突和軸突，神經元之間實現了信息的傳遞。(二 )、神經網絡的分類目前神經網絡模型的種類相當豐富，已有近40 余種神經網絡模型。典型的神經網絡有多層前向傳播網絡 （BOP 網絡）、 Hopfield 網絡、 CMAC 小腦模型、 ART網絡、 BAM 雙向聯想記憶網絡、 SOM 自組織網絡、 Blotzman 機網絡和 Madaline 網絡等。a、 BP 神經網絡1986 年， Rumelhart 等提出了誤差反向傳播神經網絡，簡稱BP 網絡（ Back Propagation），該網絡是一種單向傳播的多層前向網絡。誤差反向傳

17、播的 BP算法簡稱 BP 算法，其基本思想是梯度下降法。它采用梯度搜索技術，以期使網絡的實際輸出值與期望輸出值的誤差均方值為最小。1、 BP 網絡特點'.（ 1）是一種多層網絡，包括輸入層、隱含層和輸出層；（ 2）層與層之間采用全互連方式，同一層神經元之間不連接；（ 3）權值通過學習算法進行調節；（ 4）神經元激發函數為 S函數；（ 5）學習算法由正向傳播和反向傳播組成；（ 6）層與層的連接是單向的，信息的傳播是雙向的。2、BP 網絡結構含一個隱含層的BP網絡結構，輸入層神經元，隱層神經元，輸出層神經元。3、BP 網絡的優缺點（ 1）只要有足夠多的隱層和隱層節點，BP 網絡可以逼近任意

18、的非線性映射關系；（ 2） BP 網絡的學習算法屬于全局逼近算法，具有較強的泛化能力。（3）BP 網絡輸入輸出之間的關聯信息分布地存儲在網絡的連接權中，個別神經元的損壞只對輸入輸出關系有較小的影響，因而BP網絡具有較好的容錯性。BP網絡的主要缺點為：4、BP 網絡的優點為：（ 1）待尋優的參數多，收斂速度慢；（ 2）目標函數存在多個極值點，按梯度下降法進行學習，很容易陷入局部極小值；（ 3）難以確定隱層及隱層節點的數目。目前，如何根據特定的問題來確定具體的網絡結構尚無很好的方法，仍需根據經驗來試湊。由于 BP 網絡具有很好的逼近非線性映射的能力，該網絡在模式識別、圖像處理、系統辨識、函數擬合、優化計算、最優預測和自適應控制等領域有著較為廣泛的應用。由于 BP 網絡具有很好的逼近特性和泛化能力， 可用于神經網絡控制器的設計。 但由于 BP 網絡收斂速度慢，難以適應實時控制的要求。b、 RBFrbf 神經網絡即徑向基函數神經網絡（Radical Basis Function）。徑向基函數神經網絡是一種高效的前饋式神經網絡，它具有其他前向網絡所不具有的最佳逼近性能和全局最優特性，并且結構簡單， 訓練速度快。同時，