智能控制報(bào)告

1、第一章 概述1.1 緒論隨著計(jì)算機(jī)、材料 、能源等現(xiàn)代科學(xué)技術(shù)的迅速發(fā)展和生產(chǎn)系統(tǒng)規(guī)模不斷擴(kuò)大，形成了復(fù)雜的控制系統(tǒng)，導(dǎo)致了控制對(duì)象、控制器、控制任務(wù)等更加復(fù)雜。與此同時(shí)，對(duì)自動(dòng)化程度的要求也更加廣泛，面對(duì)來自柔性控制系統(tǒng) ( FMS)、智能機(jī)器人系（IRS）、數(shù)控系統(tǒng) ( CNS)、計(jì)算機(jī)集成制造系統(tǒng)(CIMS等復(fù)雜系統(tǒng)的挑戰(zhàn)，經(jīng)典的與現(xiàn)代的控制理)論和技術(shù)已不適應(yīng)復(fù)雜系統(tǒng)的控制。所以必須發(fā)展新的概念，理論和方法才能適社會(huì)應(yīng)快速發(fā)展的需要。智能控制在這個(gè)大的背景下孕育而生。智能控制是在控制論、信息論、人工智能、仿生學(xué)、神經(jīng)生理學(xué)及計(jì)算機(jī)科學(xué)發(fā)展的基礎(chǔ)上逐漸形成的一類高級(jí)信息與控制技術(shù)。智能控

2、制突破了傳統(tǒng)控制理論中必須基于數(shù)學(xué)模型的框架 ,它基本上按實(shí)際效果進(jìn)行控制，不依賴或不完全依賴于控制對(duì)象的數(shù)學(xué)模型，又繼承了人類思維的非線性特性。某些智能控制方法還具有在線辨識(shí)、決策或總體自尋優(yōu)的能力和分層信息處理、決策的功能。智能控制的概念和原理主要是針對(duì)被控對(duì)象、環(huán)境、控制目標(biāo)或任務(wù)的復(fù)雜性而提出來的。智能控制與傳統(tǒng)控制的主要區(qū)別在子傳統(tǒng)的控制方法必須依賴于被控制對(duì)象的模型，而智能控制可以解決非模型化系統(tǒng)的控制問題。目前，根據(jù)智能控制發(fā)展的不同歷史階段和不同的理論基礎(chǔ)可以分為四大類：(1)基于專家系統(tǒng)的智能控制；(2)分層遞階智能控制；(3)模糊邏輯控制；(4)神經(jīng)網(wǎng)絡(luò)控制。1.2 智能控

3、制的結(jié)構(gòu)特點(diǎn)智能控制具有十分明顯的跨學(xué)科(多元)結(jié)構(gòu)特點(diǎn)。傅京孫指出智能控制系統(tǒng)描述了自動(dòng)控制與人工智能交點(diǎn)的作用，稱之為二元交集結(jié)構(gòu)。Sarldis 于 1979 年提出另一種智能控制結(jié)構(gòu)，把傅京孫的二元交集結(jié)構(gòu)擴(kuò)展為二元結(jié)構(gòu)，即把智能控制看成是人工智能、運(yùn)籌學(xué)和自動(dòng)控制的交集，并以此結(jié)構(gòu)提出了分層遞階智能控制系統(tǒng)。蔡自興教授研究了智能控制中信息的重要性，根據(jù)信息嫡的作用、三論的統(tǒng)一性及知識(shí)與信息的同一性，將信息論加入 Saridis 的三元交集結(jié)構(gòu)，形成了四元交集結(jié)構(gòu)理論，即智能控制系統(tǒng)是人工智能、運(yùn)籌學(xué)、信息論和自動(dòng)控制理論四者的交集，深化了對(duì)智能控制的認(rèn)識(shí)。智能控制從整體上看有如下特點(diǎn)

4、：(1)智能控制是一種新興的邊緣交叉科學(xué)； (2)智能控制對(duì)環(huán)境具有學(xué)習(xí)、適應(yīng)、組織能力； (3)智能控制核心在于智能機(jī)模型上，即著重研究任務(wù)、世界模型的描述、符號(hào)和環(huán)境的識(shí)別、學(xué)習(xí)及知識(shí)的表達(dá)、任務(wù)通訊和協(xié)商及推理機(jī)設(shè)計(jì)上，而不是在常規(guī)控制器設(shè)計(jì)和對(duì)象的數(shù)學(xué)模型上； (4)智能控制是同時(shí)具有以知識(shí)表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)模型表示的混合控制過程； (5)智能控制具有多模式集成控制的特點(diǎn)。目前，智能控制還處在初級(jí)階段，還缺乏完整的理論體系和合適的數(shù)學(xué)工具，但智能控制是傳統(tǒng)控制理論和方法的擴(kuò)充和發(fā)展，事實(shí)上已產(chǎn)生了一系列有效的方法，并有許多成功的例子，智能控制理論正在走向完善。 目前，智能控制

5、的發(fā)展主要有以下幾個(gè)方向：(1)智能控制系統(tǒng)理論與特性(穩(wěn)定性、魯棒性等)的研究； (2)智能控制的綜合集成及分布式控制的研究，使智能控制朝解決復(fù)雜大系統(tǒng)控制方向邁進(jìn)了一步； (3)智能控制各分支的交叉融合，形成了諸如模糊神經(jīng)網(wǎng)絡(luò)控制、模糊控制、神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)控制等一系列新的控制技術(shù)，并與遺傳算法、子波變換、模擬退火等“計(jì)算智能”方法相結(jié)合，形成若干新的結(jié)構(gòu)與算法。1.3 國內(nèi)外研究現(xiàn)狀1966年 J.M.Medal首先提出將人工智能應(yīng)用于飛船控制系統(tǒng)的設(shè)計(jì)；1971年傅京孫首次提出智能控制這一概念，并歸納了三中類型的智能控制系統(tǒng)： （1）人作為控制器的控制系統(tǒng)，具有自學(xué)習(xí)性，自組織性，自適應(yīng)

6、性功能（2）人機(jī)結(jié)合作為控制器的控制系統(tǒng)。機(jī)器完成需要快速完成的常規(guī)任務(wù)，人則完成認(rèn)為分配決策等。（3）無人參與的自主控制系統(tǒng)。為多層的智能控制系統(tǒng)，需要完成問題建模，求解和規(guī)劃，如自主機(jī)器人。早期的智能控制（如基于專家系統(tǒng)的智能控制）是以傅京孫教授為代表提出的二元論（人工智能+控制論）和以Saridis為代表提出的由執(zhí)行級(jí)、協(xié)調(diào)級(jí)和組織級(jí)構(gòu)成的分層遞階智能控制。由于人工智能技術(shù)在實(shí)時(shí)性等方面沒有取得突破性進(jìn)展，基于符號(hào)邏輯推理技術(shù)為主的智能控制技術(shù)難以得到廣泛應(yīng)用：80年代后、智能控制技術(shù)得到迅速發(fā)展，它主要得益于模糊邏輯控制和神經(jīng)網(wǎng)絡(luò)控制理論的不斷成熟，1987年在美國舉行第一屆國際智能控

7、制大會(huì)，標(biāo)志著智能控制領(lǐng)域的形成 。此外，90年代以來，智能控制的集成技術(shù)研究取得了重一大進(jìn)展，如模糊神經(jīng)網(wǎng)絡(luò)、模糊專家系統(tǒng)、傳統(tǒng)PID控制器與智能控制的結(jié)合等。這些都為智能控制技術(shù)的應(yīng)用提供廣闊的前景。我國智能控制也興起于這一時(shí)期。1.3.1 國外研究現(xiàn)狀1965年，K.S.Fu（傅京孫）首先提出把人工智能的直覺推理規(guī)則方法用于學(xué)校控制系統(tǒng)。1966年Mendel進(jìn)一步在空間飛行器學(xué)習(xí)系統(tǒng)研究中提出了人工智能控制概念。1967年，Leondes等人首先正式使用“智能控制”一詞。此后智能控制開始逐漸發(fā)展。1987年在費(fèi)城進(jìn)行的第一次國際智能控制會(huì)議，標(biāo)志著智能控制開始成為一個(gè)嶄新的學(xué)科。近年來

8、，智能控制理論與智能化系統(tǒng)發(fā)展十分迅速。其中代表性的理論有專家系統(tǒng)，模糊邏輯控制、神經(jīng)網(wǎng)絡(luò)控制、基因控制即遺傳算法、混沌控制、小波理論、分層遞階控制、擬人化智能控制、博弈論等。著名的控制理論權(quán)威專家Austrom在其“智能控制的方向”一文中指出：模糊邏輯控制，神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)是典型的智能控制方法。1.3.2 國內(nèi)智能技術(shù)在國內(nèi)也受到廣泛重視,中國自動(dòng)化學(xué)會(huì)等于1993年8月在北京召開了第一屆全球華人智能控制與智能自動(dòng)化大會(huì),1995年8月在天津召開了智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)及首屆中國智能自動(dòng)化學(xué)術(shù)會(huì)議,1997年6月在西安召開了第二屆全球華人智能控制與智能自動(dòng)化大會(huì)。 近年來,智能控制技

9、術(shù)在國內(nèi)外已有了較大的發(fā)展,己進(jìn)入工程化,實(shí)用化的階段.但作為一門新興的理論技術(shù),它還處在一個(gè)發(fā)展時(shí)期.然而,隨著人工智能技術(shù),計(jì)算機(jī)技術(shù)的迅速發(fā)展,智能控制必將迎來它的發(fā)展新時(shí)期。1.4智能控制的意義智能控制（intelligent controls）在無人干預(yù)的情況下能自主地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)控制目標(biāo)的自動(dòng)控制技術(shù)。對(duì)許多復(fù)雜的系統(tǒng)，難以建立有效的數(shù)學(xué)模型和用常規(guī)的控制理論去進(jìn)行定量計(jì)算和分析，而必須采用定量方法與定性方法相結(jié)合的控制方式。定量方法與定性方法相結(jié)合的目的是，要由機(jī)器用類似于人的智慧和經(jīng)驗(yàn)來引導(dǎo)求解過程。因此，在研究和設(shè)計(jì)智能系統(tǒng)時(shí)，主要注意力不放在數(shù)學(xué)公式的表達(dá)、計(jì)算和處理方

10、面，而是放在對(duì)任務(wù)和現(xiàn)實(shí)模型的描述、符號(hào)和環(huán)境的識(shí)別以及知識(shí)庫和推理機(jī)的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計(jì)常規(guī)控制器，而是研制智能機(jī)器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對(duì)實(shí)際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實(shí)現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號(hào)信息處理、啟發(fā)式程序設(shè)計(jì)、知識(shí)表示、自動(dòng)推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已經(jīng)有可能把自動(dòng)控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科分支（如系統(tǒng)工程、系統(tǒng)學(xué)、運(yùn)籌學(xué)、信息論）結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智

11、能控制正是在這種條件下產(chǎn)生的。它是自動(dòng)控制技術(shù)的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能進(jìn)行控制的研究領(lǐng)域，智能控制具有交叉學(xué)科和定量與定性相結(jié)合的分析方法和特點(diǎn)。 縱觀智能控制產(chǎn)生、發(fā)展的歷史背景與現(xiàn)狀，其研究中心始終是解決傳統(tǒng)控制理論、方法(包括古典控制、現(xiàn)代控制、自適應(yīng)控制、魯棒控制、大系統(tǒng)方法等)所難以解決的不確定性問題.控制學(xué)科所面臨的控制對(duì)象的復(fù)雜性、環(huán)境的復(fù)雜性、控制目標(biāo)的復(fù)雜性愈益突出，智能控制的研究正提供了解決這類問題的有效手段，集中表現(xiàn)在控制工程中運(yùn)用智能方法解決復(fù)雜系統(tǒng)的控制已取得了相當(dāng)多的成功；另一方面，智能控制的研究雖然取得了一些成果，但實(shí)質(zhì)性進(jìn)展甚微，理論方面尤為突出

12、，應(yīng)用則主要是解決技術(shù)問題，對(duì)象具體而單一。應(yīng)當(dāng)著重于基礎(chǔ)控制工程方法的開發(fā)而不是技術(shù)演示.智能控制作為多學(xué)科交叉的產(chǎn)物，其研究現(xiàn)狀與存在的問題固然與交叉學(xué)科的發(fā)展密切相關(guān)，但傳統(tǒng)的方法論也在一定程度上束縛了它的發(fā)展.事實(shí)上，在人們久已習(xí)慣的還原論思想及傳統(tǒng)控制思路的引導(dǎo)下，智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關(guān)系,不是相互排斥的。 常規(guī)控制往往包含在智能控制之中,智能控制也利用常規(guī)控制的方法來解決“低級(jí)”的控制問題,力圖擴(kuò)充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復(fù)雜控制問題。第二章 智能控制系統(tǒng)的分支目前，關(guān)于智能控制的方法主要有自適應(yīng)控制（Adaptive Contro

13、l）、模糊控制（Fuzzy Control）、神經(jīng)網(wǎng)控制（Neural Net-based Control）、基于知識(shí)的控制（Knowledge Based Control）或?qū)＜铱刂疲‥xpert Control）、復(fù)合智能控制（Hybrid Intelligent Control）、學(xué)習(xí)控制（Learning Control）和基于進(jìn)化機(jī)制的控制（Evolutionary Mechanism Based Control）。這些有的已在現(xiàn)代工業(yè)生產(chǎn)過程的智能控制與智能自動(dòng)化投入實(shí)際應(yīng)用。2.1 人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)人工神經(jīng)網(wǎng)絡(luò)(簡稱神經(jīng)網(wǎng)絡(luò)，NeuralNetwork)是模擬人腦思維方式的數(shù)

14、學(xué)模型。神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對(duì)人腦進(jìn)行抽象和簡化，是模擬人類智能的一條重要途徑，反映了人腦功能的若干基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。神經(jīng)網(wǎng)絡(luò)模型用于模擬人腦神經(jīng)活動(dòng)的過程, 其中包括信息的加工處理、存儲(chǔ)和搜索等過程。神經(jīng)網(wǎng)絡(luò)是以對(duì)信息的分布式存儲(chǔ)和并行處理為基礎(chǔ), 它具有自組織、自學(xué)習(xí)的功能, 在許多方面更接近人對(duì)信息的處理方法, 它具有模擬人的形象思維的能力, 反映了人腦功能的若干特性。神經(jīng)網(wǎng)絡(luò)的研究經(jīng)歷了三十余年的曲折發(fā)展歷史。80 年代以來, 神經(jīng)網(wǎng)絡(luò)的研究取得了異常迅速的

15、發(fā)展, 提出了許多神經(jīng)網(wǎng)絡(luò)理論及其模型。模糊神經(jīng)網(wǎng)絡(luò)有如下三種形式：1邏輯模糊神經(jīng)網(wǎng)絡(luò) 2算術(shù)模糊神經(jīng)網(wǎng)絡(luò)3混合模糊神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模擬人腦神經(jīng)元的活動(dòng),利用神經(jīng)元之間的聯(lián)結(jié)與權(quán)值的分布來表示特定的信息,通過不斷修正連接的權(quán)值進(jìn)行自我學(xué)習(xí),以逼近理論為依據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)建模,并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制等方式實(shí)現(xiàn)智能控制。2.2模糊控制系統(tǒng)模糊邏輯拉制淪于1965年由扎德教授首先提出。它的主要思想是吸取氣類思維具有模糊性的特點(diǎn)，通過模糊邏輯推理來實(shí)現(xiàn)對(duì)眾多不確定性系統(tǒng)的有效控制。如果說.傳統(tǒng)的控制是從被控對(duì)象的數(shù)學(xué)結(jié)構(gòu)上去考慮進(jìn)行控制的。那么，模糊控制是從人類智能活動(dòng)的角

16、度和基礎(chǔ)上去考慮實(shí)施控制的.其設(shè)計(jì)的核心是模糊控制規(guī)則和隸屬度函數(shù)的確定。經(jīng)典的模糊邏輯控制器的隸屬度函數(shù)、控制規(guī)則都是根據(jù)經(jīng)驗(yàn)預(yù)先總結(jié)出來的?？刂七^程中沒有對(duì)規(guī)則進(jìn)行修正功能，不具備學(xué)習(xí)和適應(yīng)能力。但仍然在許多場(chǎng)合.如爐窯控制、化工過程控制、水處理、家電等得到廣泛的應(yīng)用。同時(shí)。多種改進(jìn)的或夏合的模糊控制器也不斷涌現(xiàn).如模糊日。調(diào)節(jié)器、模糊專家擰制器、模糊自適應(yīng)控制器.模糊神經(jīng)網(wǎng)絡(luò)控制器等。此外，模糊系統(tǒng)建模、模糊控制器的穩(wěn)定性分析、模糊控制器的魯棒性設(shè)計(jì)等一些熱點(diǎn)和難點(diǎn)問題也都取得了進(jìn)展。模糊拄制已經(jīng)進(jìn)人一個(gè)新階段。模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，

17、它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將操作人員或?qū)＜医?jīng)驗(yàn)編成模糊規(guī)則，然后將來自傳感器的實(shí)時(shí)信號(hào)模糊化，將模糊化后的信號(hào)作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量加到執(zhí)行器上。模糊控制的特點(diǎn)為：1）提供了一種實(shí)現(xiàn)基于自然語言描述規(guī)則的控制規(guī)律的新機(jī)制。2）提供了一種非線性控制器，這種控制器一般用于控制含有不確定性和難以用傳統(tǒng)非線性理論處理的場(chǎng)合。模糊控制的類型有：(1)基本模糊控制器：一旦模糊控制表確定之后,控制規(guī)則就固定不變了；(2)自適應(yīng)模糊控制器：在運(yùn)行中自動(dòng)修改、完善和調(diào)整規(guī)則,使被控過程的控制效果不斷提高,達(dá)到預(yù)期的效果；(3)智能模糊控制

18、器：它把人、人工智能和神經(jīng)網(wǎng)絡(luò)三者聯(lián)系起來,實(shí)現(xiàn)綜合信息處理,使系統(tǒng)既具有靈活的推理機(jī)制、啟發(fā)性知識(shí)與產(chǎn)生式規(guī)則表示,又具有多種層次、多種類型的控制規(guī)律選擇。2.3專家控制系統(tǒng)專家控制(expert control)是智能控制的一個(gè)重要分支，又稱專家智能控制。所謂專家控制，是將專家系統(tǒng)的理論和技術(shù)同控制理論、方法與技術(shù)相結(jié)合，在未知環(huán)境下，仿效專家的經(jīng)驗(yàn)，實(shí)現(xiàn)對(duì)系統(tǒng)的控制。專家控制試圖在傳統(tǒng)控制的基礎(chǔ)上“加人”一個(gè)富有經(jīng)驗(yàn)的控制工程師，實(shí)現(xiàn)控制的功能，它由知識(shí)庫和推理機(jī)構(gòu)構(gòu)成主體框架，通過對(duì)控制領(lǐng)域知識(shí)(先驗(yàn)經(jīng)驗(yàn)、動(dòng)態(tài)信息、目標(biāo)等)的獲取與組織，按某種策略及時(shí)地選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出，實(shí)現(xiàn)

19、對(duì)實(shí)際對(duì)象的控制。專家控制系統(tǒng)：主要指的是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的經(jīng)驗(yàn)方法來處理該領(lǐng)域的高水平難題。也就是說，專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)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(fù)雜問題。簡而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。專家控制的特點(diǎn)：（1）靈活性：根據(jù)系統(tǒng)的工作狀態(tài)及誤差情況，可靈活地選取相應(yīng)的控制律；（2）適應(yīng)性：能根據(jù)專家知識(shí)和經(jīng)驗(yàn)，調(diào)整控制器的

20、參數(shù)，適應(yīng)對(duì)象特性及環(huán)境的變化；（3）魯棒性：通過利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作。2.3.1 專家控制的結(jié)構(gòu)2.3.2專家控制的分類按專家控制在控制系統(tǒng)中的作用和功能，可將專家控制器分為以下兩種類型：(1) 直接型專家控制器直接專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程或被控對(duì)象。具有模擬（或延伸，擴(kuò)展）操作工人智能的功能。該控制器的任務(wù)和功能相對(duì)比較簡單，但是需要在線、實(shí)時(shí)控制。因此，其知識(shí)表達(dá)和知識(shí)庫也較簡單，通常由幾十條產(chǎn)生式規(guī)則構(gòu)成，以便于增刪和修改。(2)間接型專家控制器間接型專家控制器用于和常規(guī)控制器相結(jié)合，組成對(duì)生產(chǎn)過程或被控對(duì)象進(jìn)行間接控制的智能控制系統(tǒng)

21、。具有模擬（或延伸，擴(kuò)展）控制工程師智能的功能。該控制器能夠?qū)崿F(xiàn)優(yōu)化適應(yīng)、協(xié)調(diào)、組織等高層決策的智能控制。按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型： 優(yōu)化型專家控制器：是基于最優(yōu)控制專家的知識(shí)和經(jīng)驗(yàn)的總結(jié)和運(yùn)用。通過設(shè)置整定值、優(yōu)化控制參數(shù)或控制器，實(shí)現(xiàn)控制器的靜態(tài)或動(dòng)態(tài)優(yōu)化。 適應(yīng)型專家控制器：是基于自適應(yīng)控制專家的知識(shí)和經(jīng)驗(yàn)的總結(jié)和運(yùn)用。根據(jù)現(xiàn)場(chǎng)運(yùn)行狀態(tài)和測(cè)試數(shù)據(jù)，相應(yīng)地調(diào)整控制規(guī)律，校正控制參數(shù)，修改整定值或控制器，適應(yīng)生產(chǎn)過程、對(duì)象特性或環(huán)境條件的漂移和變化。 協(xié)調(diào)型專家控制器：是基于協(xié)調(diào)控制專家和調(diào)度工程師的知識(shí)和經(jīng)驗(yàn)的總結(jié)和運(yùn)用。用以協(xié)調(diào)局部控制器或各子控制系統(tǒng)的

22、運(yùn)行，實(shí)現(xiàn)大系統(tǒng)的全局穩(wěn)定和優(yōu)化。 組織型專家控制器：是基于控制工程的組織管理專家或總設(shè)計(jì)師的知識(shí)和經(jīng)驗(yàn)的總結(jié)和運(yùn)用。用以組織各種常規(guī)控制器，根據(jù)控制任務(wù)的目標(biāo)和要求，構(gòu)成所需要的控制系統(tǒng)。 間接型專家控制器可以在線或離線運(yùn)行。通常，優(yōu)化型、適應(yīng)型需要在線、實(shí)時(shí)、聯(lián)機(jī)運(yùn)行。協(xié)調(diào)型、組織型可以離線、非實(shí)時(shí)運(yùn)行，作為相應(yīng)的計(jì)算機(jī)輔助系統(tǒng)。2.4學(xué)習(xí)控制系統(tǒng)學(xué)習(xí)是人類的主要智能之一，人類的各項(xiàng)活動(dòng)也需要學(xué)習(xí).在人類的進(jìn)化過程中,學(xué)習(xí)功能起著十分重要的作用.學(xué)習(xí)控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機(jī)制的一種嘗試. 所謂學(xué)習(xí)是一種過程，它通過重復(fù)輸人信號(hào)，并從外部校正該系統(tǒng)，從而使系統(tǒng)對(duì)特定輸人具有特

23、定響應(yīng).學(xué)習(xí)控制系統(tǒng)是一個(gè)能在其運(yùn)行過程中逐步獲得受控過程及環(huán)境的非預(yù)知信息，積累控制經(jīng)驗(yàn)，并在一定的評(píng)價(jià)標(biāo)準(zhǔn)下進(jìn)行估值，分類，決策和不斷改善系統(tǒng)品質(zhì)的自動(dòng)控制系統(tǒng)。（1）遺傳算法學(xué)習(xí)控制智能控制是通過計(jì)算機(jī)實(shí)現(xiàn)對(duì)系統(tǒng)的控制，因此控制技術(shù)離不開優(yōu)化技術(shù)?？焖?、高效、全局化的優(yōu)化算法是實(shí)現(xiàn)智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機(jī)制的一種搜索和優(yōu)化算法，它模擬生物界/生存競(jìng)爭，優(yōu)勝劣汰，適者生存的機(jī)制，利用復(fù)制、交叉、變異等遺傳操作來完成尋優(yōu)。遺傳算法作為優(yōu)化搜索算法，一方面希望在寬廣的空間內(nèi)進(jìn)行搜索，從而提高求得最優(yōu)解的概率；另一方面又希望向著解的方向盡快縮小搜索范圍，從而提高搜索效率

24、。如何同時(shí)提高搜索最優(yōu)解的概率和效率，是遺傳算法的一個(gè)主要研究方向。遺傳算法作為一種非確定的擬自然隨機(jī)優(yōu)化工具，具有并行計(jì)算、快速尋找全局最優(yōu)解等特點(diǎn)，它可以和其他技術(shù)混合使用，用于智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的最優(yōu)控制。（2）迭代學(xué)習(xí)控制迭代學(xué)習(xí)控制模仿人類學(xué)習(xí)的方法、即通過多次的訓(xùn)練，從經(jīng)驗(yàn)中學(xué)會(huì)某種技能，來達(dá)到有效控制的目的。迭代學(xué)習(xí)控制能夠通過一系列迭代過程實(shí)現(xiàn)對(duì)二階非線性動(dòng)力學(xué)系統(tǒng)的跟蹤控制。整個(gè)控制結(jié)構(gòu)由線性反饋控制器和前饋學(xué)習(xí)補(bǔ)償控制器組成，其中線性反饋控制器保證了非線性系統(tǒng)的穩(wěn)定運(yùn)行、前饋補(bǔ)償控制器保證了系統(tǒng)的跟蹤控制精度。它在執(zhí)行重復(fù)運(yùn)動(dòng)的非線性機(jī)器人系統(tǒng)的控制中是相當(dāng)成功的。

25、2.5分級(jí)遞階控制系統(tǒng)分級(jí)遞階智能控制是在自適應(yīng)控制和自組織控制基礎(chǔ)上，由美國普渡大學(xué)Saridis提出的智能控制理論.分級(jí)遞階智能控制（Hierarchical Intelligent Control）主要由三個(gè)控制級(jí)組成，按智能控制的高低分為組織級(jí)，協(xié)調(diào)級(jí)，執(zhí)行級(jí)，并且這三級(jí)遵循伴隨智能遞降精度遞增原則。組織級(jí)（organization level）：組織級(jí)通過人機(jī)接口和用戶（操作員）進(jìn)行交互，執(zhí)行最高決策的控制功能，監(jiān)視并指導(dǎo)協(xié)調(diào)級(jí)和執(zhí)行級(jí)的所有行為，其智能程度最高.協(xié)調(diào)級(jí)（Coordination level）：協(xié)調(diào)級(jí)可進(jìn)一步劃分為兩個(gè)分層：控制管理分層和控制監(jiān)督分層.執(zhí)行級(jí)（exec

26、utive level）：執(zhí)行級(jí)的控制過程通常是執(zhí)行一個(gè)確定的動(dòng)作.第三章 基本實(shí)現(xiàn)的得到第四章 應(yīng)用4.1工業(yè)過程中的智能控制生產(chǎn)過程的智能控制主要包括兩個(gè)方面：局部級(jí)和全局級(jí)。局部級(jí)的智能控制是指將智能引入工藝過程中的某一單元進(jìn)行控制器設(shè)計(jì)，例如智能PID控制器、專家控制器、神經(jīng)元網(wǎng)絡(luò)控制器等。研究熱點(diǎn)是智能PID控制器，因?yàn)槠湓趨?shù)的整定和在線自適應(yīng)調(diào)整方面具有明顯的優(yōu)勢(shì)，且可用于控制一些非線性的復(fù)雜對(duì)象。全局級(jí)的智能控制主要針對(duì)整個(gè)生產(chǎn)過程的自動(dòng)化，包括整個(gè)操作工藝的控制、過程的故障診斷、規(guī)劃過程操作處理異常等。4.2 機(jī)械制造中的智能控制在現(xiàn)代先進(jìn)制造系統(tǒng)中，需要依賴那些不夠完備和不

27、夠精確的數(shù)據(jù)來解決難以或無法預(yù)測(cè)的情況，人工智能技術(shù)為解決這一難題提供了有效的解決方案。智能控制隨之也被廣泛地應(yīng)用于機(jī)械制造行業(yè)，它利用模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)的方法對(duì)制造過程進(jìn)行動(dòng)態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進(jìn)行信息的預(yù)處理和綜合。可采用專家系統(tǒng)的“Then-If”逆向推理作為反饋機(jī)構(gòu)，修改控制機(jī)構(gòu)或者選擇較好的控制模式和參數(shù)。利用模糊集合和模糊關(guān)系的魯棒性，將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機(jī)構(gòu)來選擇控制動(dòng)作。利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和并行處理信息的能力，進(jìn)行在線的模式識(shí)別，處理那些可能是殘缺不全的信息。4.3電力電子學(xué)研究領(lǐng)域中的智能控制電力系統(tǒng)中發(fā)電機(jī)、變壓器、電動(dòng)機(jī)等電機(jī)電器設(shè)備的設(shè)

28、計(jì)、生產(chǎn)、運(yùn)行、控制是一個(gè)復(fù)雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)計(jì)、故障診斷及控制中，取得了良好的控制效果。遺傳算法是一種先進(jìn)的優(yōu)化算法，采用此方法來對(duì)電器設(shè)備的設(shè)計(jì)進(jìn)行優(yōu)化，可以降低成本,縮短計(jì)算時(shí)間，提高產(chǎn)品設(shè)計(jì)的效率和質(zhì)量。應(yīng)用于電氣設(shè)備故障診斷的智能控制技術(shù)有：模糊邏輯、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。在電力電子學(xué)的眾多應(yīng)用領(lǐng)域中，智能控制在電流控制PWM技術(shù)中的應(yīng)用是具有代表性的技術(shù)應(yīng)用方向之一，也是研究的新熱點(diǎn)之一。第五章 智能控制展望隨著智能控制應(yīng)用方法的日益成熟，智能控制的研究領(lǐng)域必將進(jìn)一步擴(kuò)大。除了高級(jí)機(jī)器人、過程智能控制和智能故障診斷外，下列領(lǐng)域?qū)⒊蔀樾碌膽?yīng)用領(lǐng)域：交通控制(如高速列車、汽車運(yùn)輸、飛機(jī)飛行控制等)，醫(yī)療過程控制、商業(yè)、農(nóng)業(yè)、文化教育和娛樂等。 當(dāng)代最高意義上的智能自動(dòng)化要算機(jī)器人學(xué)的進(jìn)步和應(yīng)用。機(jī)器人從爬行到直立