智能控制考試論文

1、南昌大學(xué)實驗報告智能控制技術(shù) 南昌大學(xué)實驗報告學(xué)生姓名： 鄭軍 學(xué)號： 6100311106 專業(yè)班級： 自動化111班 一、智能控制的發(fā)展及由來1.智能控制的提出傳統(tǒng)控制方法包括經(jīng)典控制和現(xiàn)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(yīng)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(fù)雜系統(tǒng)的控制。在傳統(tǒng)控制的實際應(yīng)用遇到很多難解決的問題，主要表現(xiàn)以下幾點：（1）實際系統(tǒng)由于存在復(fù)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(shù)學(xué)模型。（2）某些復(fù)雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學(xué)模型來描述，即無法解決建模問題。（3）針對實際系統(tǒng)往往需要進(jìn)行一些

2、比較苛刻的線性化假設(shè)，而這些假設(shè)往往與實際系統(tǒng)不符合。（4）實際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對復(fù)雜的控制任務(wù)，如機(jī)器人控制、CIMS、社會經(jīng)濟(jì)管理系統(tǒng)等復(fù)雜任務(wù)無能為力。在生產(chǎn)實踐中，復(fù)雜控制問題可通過熟練操作人員的經(jīng)驗和控制理論相結(jié)合去解決，由此，產(chǎn)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(shù)靈活地結(jié)合起來，其控制方法適應(yīng)對象的復(fù)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(xué)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(xué)者G.N.Saridis1997年在此基礎(chǔ)上引入運(yùn)籌學(xué)，提出了三元論的智能控制概念。 1985年8

3、月，IEEE在美國紐約召開了第一屆智能控制學(xué)術(shù)討論會，隨后成立了IEEE智能控制專業(yè)委員會；1987年一月，在美國舉行第一次國際智能控制大會，標(biāo)志著智能控制領(lǐng)域的形成。智能控制的三個主要分支為專家控制、神經(jīng)網(wǎng)絡(luò)控制和模糊控制。二、專家控制瑞典學(xué)者K.J.Astrom在1983年首先把人工智能中的專家系統(tǒng)引入智能控制領(lǐng)域，于1986年提出“專家控制”的概念，構(gòu)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(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，實現(xiàn)對系統(tǒng)的控制。專家控制試圖在傳統(tǒng)控

4、制的基礎(chǔ)上“加入”一個富有經(jīng)驗的控制工程師，實現(xiàn)控制的功能，它由知識庫和推理機(jī)構(gòu)構(gòu)成主體框架，通過對控制領(lǐng)域知識（先驗經(jīng)驗、動態(tài)信息、目標(biāo)等）的獲取與組織，按某種策略及時地選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出，實現(xiàn)對實際對象的控制。專家控制的基本原理 ：1結(jié)構(gòu)專家控制的基本結(jié)構(gòu)如圖2.2所示 知識庫實時推理機(jī)A/D被控對象D/A控制算法庫 2功能（1）能夠滿足任意動態(tài)過程的控制需要，尤其適用于帶有時變、非線性和強(qiáng)干擾的控制；（2）控制過程可以利用對象的先驗知識；（3）通過修改、增加控制規(guī)則，可不斷積累知識，改進(jìn)控制性能；（4）可以定性地描述控制系統(tǒng)的性能，如“超調(diào)小”、“偏差增大”等；（5）對控制性能可

5、進(jìn)行解釋；（6）可通過對控制閉環(huán)中的單元進(jìn)行故障檢測來獲取經(jīng)驗規(guī)則。專家控制的關(guān)鍵技術(shù)及特點1專家控制的關(guān)鍵技術(shù)(1) 知識的表達(dá)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(zhuǎn)化為定量的控制信號；(4)控制知識和控制規(guī)則的獲取。2專家控制的特點（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)專家知識和經(jīng)驗，調(diào)整控制器的參數(shù)，適應(yīng)對象特性及環(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。專家控制仿真實例求三階傳遞函數(shù)的階躍響應(yīng)，其中對象采樣時間為1ms。采用專家PID設(shè)計控制器。在仿真過程中， 取0.

6、001，程序中的五條規(guī)則與控制算法的五種情況相對應(yīng)。實驗所得曲線如下：三、神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)從從人惱的生理學(xué)和心理學(xué)著手，通過人工模擬人腦的工作機(jī)理來實現(xiàn)機(jī)器的部分智能行為。人工神經(jīng)網(wǎng)絡(luò)（簡稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)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。神經(jīng)網(wǎng)絡(luò)反映了人腦功能的基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。20世紀(jì)80年代以來，人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）研究所取得的突破性進(jìn)展。神經(jīng)網(wǎng)絡(luò)控制是將神經(jīng)網(wǎng)絡(luò)與控制理論相結(jié)合而

7、發(fā)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(fù)雜的非線性、不確定、未知系統(tǒng)的控制問題開辟了新途徑。神經(jīng)網(wǎng)絡(luò)原理 神經(jīng)生理學(xué)和神經(jīng)解剖學(xué)的研究表明，人腦極其復(fù)雜，由一千多億個神經(jīng)元交織在一起的網(wǎng)狀結(jié)構(gòu)構(gòu)成，其中大腦皮層約140億個神經(jīng)元，小腦皮層約1000億個神經(jīng)元。 人腦能完成智能、思維等高級活動，為了能利用數(shù)學(xué)模型來模擬人腦的活動，導(dǎo)致了神經(jīng)網(wǎng)絡(luò)的研究。神經(jīng)系統(tǒng)的基本構(gòu)造是神經(jīng)元(神經(jīng)細(xì)胞)，它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元。 每個神經(jīng)元都由一個細(xì)胞體，一個連接其他神經(jīng)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(jīng)元的輸出信號(興奮)傳遞給

8、別的神經(jīng)元，其末端的許多神經(jīng)末梢使得興奮可以同時傳送給多個神經(jīng)元。樹突的功能是接受來自其它神經(jīng)元的興奮。神經(jīng)元細(xì)胞體將接收到的所有信號進(jìn)行簡單地處理后，由軸突輸出。 神經(jīng)元的軸突與另外神經(jīng)元神經(jīng)末梢相連的部分稱為突觸。一個神經(jīng)元通過其軸突的神經(jīng)末梢，經(jīng)突觸與另外一個神經(jīng)元的樹突連接，以實現(xiàn)信息的傳遞。由于突觸的信息傳遞特性是可變的，隨著神經(jīng)沖動傳遞方式的變化，傳遞作用強(qiáng)弱不同，形成了神經(jīng)元之間連接的柔性，稱為結(jié)構(gòu)的可塑性。 通過樹突和軸突，神經(jīng)元之間實現(xiàn)了信息的傳遞。神經(jīng)網(wǎng)絡(luò)的分類 目前神經(jīng)網(wǎng)絡(luò)模型的種類相當(dāng)豐富，已有近40余種神經(jīng)網(wǎng)絡(luò)模型。 典型的神經(jīng)網(wǎng)絡(luò)有多層前向傳播網(wǎng)絡(luò) （BOP網(wǎng)絡(luò)）、

9、Hopfield網(wǎng)絡(luò)、CMAC小腦模型、ART網(wǎng)絡(luò)、BAM雙向聯(lián)想記憶網(wǎng)絡(luò)、SOM自組織網(wǎng)絡(luò)、Blotzman機(jī)網(wǎng)絡(luò)和Madaline網(wǎng)絡(luò)等。BP神經(jīng)網(wǎng)絡(luò) 1986年，Rumelhart等提出了誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡稱BP網(wǎng)絡(luò)（Back Propagation），該網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)。 誤差反向傳播的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(shù)，以期使網(wǎng)絡(luò)的實際輸出值與期望輸出值的誤差均方值為最小。 BP網(wǎng)絡(luò)特點（1）是一種多層網(wǎng)絡(luò)，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(jīng)元之間不連接；（3）權(quán)值通過學(xué)習(xí)算法進(jìn)行調(diào)節(jié)；（4）神經(jīng)

10、元激發(fā)函數(shù)為S函數(shù)；（5）學(xué)習(xí)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。BP網(wǎng)絡(luò)結(jié)構(gòu)含一個隱含層的BP網(wǎng)絡(luò)結(jié)構(gòu)如圖7-5所示，圖中 為輸入層神經(jīng)元，為隱層神經(jīng)元，為輸出層神經(jīng)元。 BP網(wǎng)絡(luò)的優(yōu)缺點 BP網(wǎng)絡(luò)的優(yōu)點為：（1）只要有足夠多的隱層和隱層節(jié)點，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；（2）BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強(qiáng)的泛化能力。（3）BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地存儲在網(wǎng)絡(luò)的連接權(quán)中，個別神經(jīng)元的損壞只對輸入輸出關(guān)系有較小的影響，因而BP網(wǎng)絡(luò)具有較好的容錯性。BP網(wǎng)絡(luò)的主要缺點為：（1）待尋優(yōu)的參數(shù)多，收斂速度慢；（2）目標(biāo)函數(shù)存

11、在多個極值點，按梯度下降法進(jìn)行學(xué)習(xí)，很容易陷入局部極小值；（3）難以確定隱層及隱層節(jié)點的數(shù)目。目前，如何根據(jù)特定的問題來確定具體的網(wǎng)絡(luò)結(jié)構(gòu)尚無很好的方法，仍需根據(jù)經(jīng)驗來試湊。由于BP網(wǎng)絡(luò)具有很好的逼近非線性映射的能力，該網(wǎng)絡(luò)在模式識別、圖像處理、系統(tǒng)辨識、函數(shù)擬合、優(yōu)化計算、最優(yōu)預(yù)測和自適應(yīng)控制等領(lǐng)域有著較為廣泛的應(yīng)用。由于BP網(wǎng)絡(luò)具有很好的逼近特性和泛化能力，可用于神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計。但由于BP網(wǎng)絡(luò)收斂速度慢，難以適應(yīng)實時控制的要求。神經(jīng)網(wǎng)絡(luò)控制仿真實例使用BP網(wǎng)絡(luò)逼近對象，采樣時間取1ms。權(quán)值W1，W2的初始值取-1,+1之間的隨機(jī)值，取n=0.50，a=0.05。所得曲線圖如下：四、

12、模糊控制將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力引到模糊系統(tǒng)中，將模糊系統(tǒng)的模糊化處理、模糊推理、精確化計算通過分布式的神經(jīng)網(wǎng)絡(luò)來表示是實現(xiàn)模糊系統(tǒng)自組織、自學(xué)習(xí)的重要途徑。在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點用來表示模糊系統(tǒng)的輸入、輸出信號，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點用來表示隸屬函數(shù)和模糊規(guī)則，利用神經(jīng)網(wǎng)絡(luò)的并行處理能力使得模糊系統(tǒng)的推理能力大大提高。模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是將常規(guī)的神經(jīng)網(wǎng)絡(luò)賦予模糊輸入信號和模糊權(quán)值，其學(xué)習(xí)算法通常是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法或其推廣。模糊神經(jīng)網(wǎng)絡(luò)是將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合而構(gòu)成的網(wǎng)絡(luò)。利用RBF網(wǎng)絡(luò)與模糊系統(tǒng)相結(jié)合，構(gòu)成了模糊RBF網(wǎng)絡(luò)。 網(wǎng)絡(luò)結(jié)構(gòu)  采用圖8-1所示的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其模糊推理系統(tǒng)主要由輸入層、模糊化層、模糊相聯(lián)層、模糊后相連層和輸出層構(gòu)成。模糊控制仿真實例使用