海南大學 智能控制基礎論文

1、智能控制基礎論文摘要：智能控制作為一門新興學科，它的發(fā)展得益于許多學科，如人工智能、認知科學、現(xiàn)代控制理論、模糊數(shù)學、生物控制論、學習理論以及網(wǎng)絡理論等?？偨Y(jié)近20年來智能控制的研究成果，詳細論述智能控制的基本概念、工作原理和設計方法。主要內(nèi)容包括：智能控制概論、模糊控制論、人工神經(jīng)網(wǎng)絡控制論、專家控制、分層遞階智能控制、學習控制、模糊神經(jīng)網(wǎng)絡控制與自適應神經(jīng)網(wǎng)絡、進化算法、多智能體系統(tǒng)控制。關(guān)鍵字：智能、控制論、模糊控制、神經(jīng)網(wǎng)絡、專家控制、進化算法、控制系統(tǒng)。 一、智能控制的主要方法 智能控制技術(shù)的主要方法有模糊控制、基于知識的專家控制、神經(jīng)網(wǎng)絡控制和集成智能控制等,以及常用的優(yōu)化算法有：

2、遺傳算法、蟻群算法、免疫算法等。 1.1 模糊控制 模糊控制以模糊集合、模糊語言變量、模糊推理為其理論基礎,以先驗知識和專家經(jīng)驗作為控制規(guī)則。所謂模糊控制，就是在被控制對象的模糊模型的基礎上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法.模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標. 模糊控制的基本思想是用機器去模擬人對系統(tǒng)的控制.它是受這樣事實而啟發(fā)的：對于用傳統(tǒng)控制理論無法進行分析和控制的復雜的和無法建立數(shù)學模型的系統(tǒng)，有經(jīng)驗的操作者或?qū)＜覅s能取得比較好的控制效果，這是因為他們擁有日積月累的豐富經(jīng)驗，因此人們希望把這種經(jīng)驗指導下的行為過程總結(jié)成一些規(guī)則，并根據(jù)這些規(guī)則

3、設計出控制器.然后運用模糊理論，模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數(shù)值運算，從而能夠利用計算機來完成對這些規(guī)則的具體實現(xiàn)，達到以機器代替人對某些對象進行自動控制的目的。 模糊邏輯用模糊語言描述系統(tǒng)，既可以描述應用系統(tǒng)的定量模型也可以描述其定性模型. 模糊邏輯可適用于任意復雜的對象控制. 但在實際應用中模糊邏輯實現(xiàn)簡單的應用控制比較容易. 簡單控制是指單輸入單輸出系統(tǒng)（SISO) 或多輸入單輸出系統(tǒng)（MISO) 的控制. 因為隨著輸入輸出變量的增加，模糊邏輯的推理將變得非常復雜。 學習控制系統(tǒng) 其基本思想是用機器模擬人對系統(tǒng)的控制,就是在被控對象的模糊模型的基礎上運用模糊控

4、制器近似推理等手段,實現(xiàn)系統(tǒng)控制。在實現(xiàn)模糊控制時主要考慮模糊變量的隸屬度函數(shù)的確定,以及控制規(guī)則的制定二者缺一不可。1.2 人工神經(jīng)網(wǎng)絡控制論 神經(jīng)網(wǎng)絡模擬人腦神經(jīng)元的活動,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)值進行自我學習,以逼近理論為依據(jù)進行神經(jīng)網(wǎng)絡建模,并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡預測控制等方式實現(xiàn)智能控制。 人工神經(jīng)網(wǎng)絡具有下列特征：它包含大量的人工神經(jīng)元，提供了大量可供調(diào)節(jié)的變量；信息是分布式存儲的，從而提供了聯(lián)想與全息記憶的能力；具有高度的自適應能力，高度的容錯能力，很強的計算能力以及自組織能力。人工神經(jīng)網(wǎng)絡已在語音識別、模式分類

5、、自動控制等領(lǐng)域取得了比較成功的應用，在工程設計中的應用正在不斷地研究發(fā)展，如基于人工神經(jīng)網(wǎng)絡的機械設計領(lǐng)域知識表達方法的研究，智能系統(tǒng)的知識自動獲取、基因遺傳算法的原理在機械工程中的應用等。目前，神經(jīng)網(wǎng)絡和專家系統(tǒng)有聯(lián)合起來的趨勢，神經(jīng)網(wǎng)絡也可設計成某種專家系統(tǒng)，實現(xiàn)專家系統(tǒng)的功能。基于神經(jīng)網(wǎng)絡的專家系統(tǒng)在知識獲取、并行推理、適應性學習、聯(lián)想推理、容錯能力方面明顯優(yōu)于傳統(tǒng)的專家系統(tǒng)。 1.3專家控制 專家控制是將專家系統(tǒng)的理論技術(shù)與控制理論技術(shù)相結(jié)合,仿效專家的經(jīng)驗,實現(xiàn)對系統(tǒng)控制的一種智能控制。主體由知識庫和推理機構(gòu)組成,通過對知識的獲取與組織,按某種策略 適時選用恰當?shù)囊?guī)則進行推理,以實

6、現(xiàn)對控制對象的控制。專家控制可以靈活地選取控制率,靈活性高;可通過調(diào)整控制器的參數(shù),適應對象特性及環(huán)境的變化,適應性好;通過專家規(guī)則,系統(tǒng)可以在非線性、大偏差的情況下可靠地工作,魯棒性強。智能CAD是指通過運用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡等人工智能技術(shù)使在作業(yè)過程中具有某種程度人工智能的CAD系統(tǒng)。 專家系統(tǒng)(EXPERT SYSTEM)是一個能在某個特定領(lǐng)域內(nèi)，用人類專家的知識、經(jīng)驗和能力去解決該領(lǐng)域中復雜困難問題的計算機程序系統(tǒng)。它不同于通常的問題求解系統(tǒng)，其基本思想是使計算機的工作過程能盡量模擬領(lǐng)域?qū)＜医鉀Q實際問題的過程。專家系統(tǒng)在CAD作業(yè)中適時給出智能化提示，告訴設計人員下一步該做什么，當

7、前設計存在的問題，建議解決問題的幾何途徑；或模擬人的智慧，根據(jù)出現(xiàn)的問題提出合理的解決方案。專家系統(tǒng)是基于知識的系統(tǒng)，專家系統(tǒng)技術(shù)是知識獲取、處理和運用的技術(shù)。知識工程是專家系統(tǒng)技術(shù)的基礎。專家系統(tǒng)通常由知識庫、推理機、知識獲取系統(tǒng)、解釋機構(gòu)和一些界面組成。 1.4進化算法 遺傳算法遺傳算法簡稱GA(GeneticA1gorithms)是1962年由美國Michigan大學H011and教授提出的模擬自然界遺傳機制和生物進化論而成的一種并行隨機搜索最優(yōu)化方 遺傳算法是一種基于生物進化模擬的啟發(fā)式智能算法，它的基本策略是：將待優(yōu)化函數(shù)的自變量編碼成類似基因的離散數(shù)值碼，然后通過類似基因進化的交叉

8、變異繁殖等操作獲得待優(yōu)化函數(shù)的最優(yōu)或近似最優(yōu)解在智能控制中，遺傳算法廣泛應用于各類優(yōu)化問題，遺傳算法可以用于復雜的非線性系統(tǒng)的辨識，多變量系統(tǒng)控制規(guī)則的優(yōu)化，智能控制參數(shù)的優(yōu)化等常規(guī)控制方法難以奏效的問題遺傳算法具有可擴展性，可以。同專家系統(tǒng)模糊控制和神經(jīng)網(wǎng)絡結(jié)合，為智能控制的研究注、入新的活力如可用遺傳算法對模糊控制的控制規(guī)則和隸屬度函數(shù)進行優(yōu)化，對神經(jīng)網(wǎng)絡的權(quán)值進行優(yōu)化等。 遺傳算法的特點為： 1）以決策變量的編碼作為運算對象2）直接以目標函數(shù)值作為搜索信息3）同時進行解空間的多點搜索4）使用自適應的概率搜索技術(shù)二、智能控制的應用實際系統(tǒng)由于存在復雜性、非線性、時變性、不確定性和不完全性等

9、，一般無法獲得精確的數(shù)學模型。 應用傳統(tǒng)控制理論進行控制必須提出并遵循一些比較苛刻的線性化假設，而這些假設在應用中往往與實際情況不相吻合。對于某些復雜的和飽含不確定性的控制過程，根本無法用傳統(tǒng)數(shù)學模型來表示，即無法解決建模問題。為了提高控制性能，傳統(tǒng)控制系統(tǒng)可能變得很復雜，從而增加了設備的投資，減低了系統(tǒng)的可靠性。2.1.工業(yè)過程中的智能控制水族箱智能控制器 魚缸控制器生產(chǎn)過程的智能控制主要包括兩個方面：局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設計，例如智能PID控制器、專家控制器、神經(jīng)元網(wǎng)絡控制器等。研究熱點是智能PID控制器，因為其在參數(shù)的整定和在線自適

10、應調(diào)整方面具有明顯的優(yōu)勢，且可用于控制一些非線性的復雜對象。全局級的智能控制主要針對整個生產(chǎn)過程的自動化，包括整個操作工藝的控制、過程的故障診斷、規(guī)劃過程操作處理異常等。 2.2 機械制造中的智能控制在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或無法預測的情況，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用于機械制造行業(yè)，它利用模糊數(shù)學、神經(jīng)網(wǎng)絡的方法對制造過程進行動態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進行信息的預處理和綜合?？刹捎脤＜蚁到y(tǒng)的“Then-If”逆向推理作為反饋機構(gòu)，修改控制機構(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

11、魯棒性，將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機構(gòu)來選擇控制動作。利用神經(jīng)網(wǎng)絡的學習功能和并行處理信息的能力，進行在線的模式識別，處理那些可能是殘缺不全的信息。 2.3 電力電子學研究領(lǐng)域中的智能控制電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設備的設計、生產(chǎn)、運行、控制是一個復雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設備的優(yōu)化設計、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的優(yōu)化算法，采用此方法來對電器設備的設計進行優(yōu)化，可以降低成本,縮短計算時間，提高產(chǎn)品設計的效率和質(zhì)量。應用于電氣設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。在電力電子學的眾多應用

12、領(lǐng)域中，智能控制在電流控制PWM技術(shù)中的應用是具有代表性的技術(shù)應用方向之一，也是研究的新熱點之一。 三、對智能控制未來的展望 3.1 智能控制存在的問題智能控制以其優(yōu)越的控制性能逐漸步入了工程界并得到廣泛的應用。然而在智能控制的實現(xiàn)方面，還存在很多問題有待解決。具體表現(xiàn)在：(1)擴寬實際應用范圍,提高實時控制能力問題。(2)解決知識獲取和優(yōu)化的瓶頸問題，特別是動態(tài)系統(tǒng)的知識獲取和分類。(3)對智能控制學習研究的問題。 (4)各種智能控制方法結(jié)合以及同傳統(tǒng)控制方法結(jié)合研究問題。(5)數(shù)值和符號之間的計算問題。目前，在數(shù)值和符號之間的計算尚未有一個成型的規(guī)則。(6)智能控制的魯棒性問題缺乏嚴格的數(shù)

13、學推導。(7)如何研究解耦問題，簡化控制算法。(8)研究新型智能控制硬件和軟件問題。目前，智能控制的研究往往缺少較好的軟件環(huán)境，硬件方面存在的問題更大。3.2智能控制的發(fā)展前景 智能控制的研究雖然取得了一些成果，但實質(zhì)性進展甚微，理論方面尤為突出,應用則主要是解決技術(shù)問題，對象具體而單一。子波變換、遺傳算法與模糊神經(jīng)網(wǎng)絡的結(jié)合,以及混沌理論等，將成為智能控制的發(fā)展方向。智能控制發(fā)展的核心仍然是以神經(jīng)網(wǎng)絡的強大自學習功能與具有較強知識表達能力的模糊邏輯推理構(gòu)成的模糊邏輯神經(jīng)網(wǎng)絡。要做到智能自動化，把機器人的智商提高到智人水平，還需要數(shù)十年。微電子學、生命科學、自動化技術(shù)突飛猛進，為世紀實現(xiàn)智能控

14、制和智能自動化創(chuàng)造了很好的條件。對這門新學科今后的發(fā)展方向和道路已經(jīng)取得了一些共識：(1)研究和模仿人類智能是智能控制的最高目標；(2）智能控制必須靠多學科聯(lián)合才能取得新的突破；(3)智能的提高不能全靠子系統(tǒng)的堆積要做到“整體大于組分之和”,只靠非線性效應是不夠的。為了達到目標，不僅需要技術(shù)的進步，更需要科學思想和理論的突破。很多科學家堅持認為，這需要發(fā)現(xiàn)新的原理，或者改造已知的物理學基本定理，才能徹底懂得和仿造人類的智能，才能設計出具有高級智能的自動控制系統(tǒng)?？茖W界要為保障人類和地球的生存和可持續(xù)發(fā)展做出必須的貢獻，而控制論科學家和工程師應當承擔主要的使命。四、結(jié)束語智能控制現(xiàn)已得到了廣泛的應用，將隨著基礎理論的不斷豐富和實際應用的不斷成熟而得到更為廣泛的應用，近年來，智能控制技術(shù)在國內(nèi)已有了較大的發(fā)展，己進入工程化，實用化的階段.但作為一門興的理論技術(shù)，它還處在一