機(jī)電智能控制工程》大作業(yè)

1、智能控制及裝備概述摘要： 本文對智能控制的發(fā)展歷史進(jìn)行回顧，并簡要介紹智能控制的性能與特點(diǎn)，以 及相對于傳統(tǒng)控制的優(yōu)勢，列舉了智能控制中常用的算法，包括模糊控制、基于知識的 專家控制、 神經(jīng)網(wǎng)絡(luò)控制和集成智能控制和基于遺傳算法和迭代的學(xué)習(xí)控制等。結(jié)合智 能控制現(xiàn)狀分析，預(yù)測了智能控制未來發(fā)展的主要趨勢以及應(yīng)用領(lǐng)域。另外，結(jié)合智能 裝備的發(fā)展現(xiàn)狀以及德國 “工業(yè) 4.0”和中國制造 2025 介紹未來制造裝備發(fā)展情況。 最后， 結(jié)合汽車主動懸架系統(tǒng)智能控制進(jìn)行介紹， 結(jié)合模糊單神經(jīng)控制算法實(shí)現(xiàn)不同路面的減 震控制。關(guān)鍵字： 智能控制 發(fā)展現(xiàn)狀 發(fā)展歷史 智能裝備 主動懸架系統(tǒng)1. 智能控制的發(fā)展

2、概況智能控制是自動控制發(fā)展的高級階段，是人工智能、控制論、信息論、系統(tǒng)論、仿 生學(xué)、進(jìn)化計算和計算機(jī)等多種學(xué)科的高度綜合與集成，是一門新興的邊緣交叉學(xué)科。 智能控制是當(dāng)今國內(nèi)、 外自動化學(xué)科中的一個十分活躍和具有挑戰(zhàn)性的領(lǐng)域，代表著當(dāng) 今科學(xué)和技術(shù)發(fā)展的最新方向之一。它不僅包含了自動控制、人工智能、系統(tǒng)理論和計 算機(jī)科學(xué)的內(nèi)容， 而且還從生物學(xué)等學(xué)科汲取豐富的營養(yǎng)，正在成為自動化領(lǐng)域中最興 旺和發(fā)展最迅速的一個分支學(xué)科。對于智能制造的定義，斯坦福大學(xué)人工智能研究中心的 Nilsson 教授認(rèn)為，人工智 能是關(guān)于知識的科學(xué)，是怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)； MIT 的 Winst

3、on 教授指出： 人工智能就是研究如何使計算機(jī)去做過去只有人才做的智能性工作。 一個系統(tǒng)如果具有感知環(huán)境、 不斷獲得信息以減小不確定性和計劃、產(chǎn)生以及執(zhí)行控制 行為的能力， 即稱為智能控制系統(tǒng)。智能控制技術(shù)是在向人腦學(xué)習(xí)的過程中不斷發(fā)展起 來的，人腦是一個超級智能控制系統(tǒng)，具有實(shí)時推理、決策、學(xué)習(xí)和記憶等功能，能適 應(yīng)各種復(fù)雜的控制環(huán)境； Saridis 認(rèn)為智能控制系統(tǒng)是通過驅(qū)動自主智能機(jī)來實(shí)現(xiàn)其目標(biāo) 而無需操作人員參與的系統(tǒng)；傅京孫把智能控制概括為自動控制(AC ， AutomaticControl )和人工智能( AI ，Artificial Intelligent )的交集，即： IC

4、=AI AC；薩里迪斯等 人于 1977 年從機(jī)器智能的角度出發(fā)，對傅的二元交集論進(jìn)行了擴(kuò)展，提出三元交集的 智能控制概念，即把智能控制看作為人工智能、自動控制和運(yùn)籌學(xué)的交點(diǎn)。即： IC=AI CTOR 式中，CT 為控制論( Cybernetics Theory)，OR 為運(yùn)籌學(xué)( Operation Research)。 表達(dá)了智能增加而精度降低這一著名原則。下圖為智能控制的二元結(jié)構(gòu)與三元結(jié)構(gòu)。圖 1 智能控制的二元結(jié)構(gòu)和三元結(jié)構(gòu)智能控制是人們要求越來越高的控制性能和針對被控系統(tǒng)的高度復(fù)雜化， 高度不確 定性的情況下產(chǎn)生的， 是人工智能滲入到應(yīng)用科技領(lǐng)域的必然結(jié)果。并在常規(guī)控制理論 的基礎(chǔ)

5、上得到進(jìn)一步的發(fā)展和提高。進(jìn)入 21 世紀(jì)以來，人類在智能控制理論方面的飛 速發(fā)展， 使得智能控制技術(shù)在具體應(yīng)用上如魚得水，己經(jīng)開始滲透到人們的日常生活之 中，從衛(wèi)星智能控制，到機(jī)器人足球比賽，再到智能家居機(jī)器人，都標(biāo)志著智能控制技 術(shù)的飛速發(fā)展。目前，智能控制的研究以認(rèn)知科學(xué)、心理學(xué)、社會學(xué)、系統(tǒng)學(xué)、語言學(xué) 和哲學(xué)為基礎(chǔ)，有效的把數(shù)字技術(shù)、遠(yuǎn)程通信、計算機(jī)網(wǎng)絡(luò)、數(shù)據(jù)庫、計算機(jī)圖形學(xué)、 語音與聽覺、 機(jī)器人學(xué)、 過程控制等技術(shù)有機(jī)的結(jié)合， 提供了解決復(fù)雜問題的有效手段。智能控制的發(fā)展歷史分可為 4 個階段：第一階段為智能控制的萌芽階段 20 世紀(jì) 4050 年代，以頻率法為代表的單變量系統(tǒng)控制

6、理論逐步發(fā)展起來，并且成功地用在雷 達(dá)及火力控制系統(tǒng)上， 形成了今天所說的古典控制理論。 1956 年以前，英國數(shù)學(xué)家圖靈 (A. M. Turing )為現(xiàn)代人工智能作了大量開拓性的貢獻(xiàn)。 20 世紀(jì) 6070年代，數(shù)學(xué)家 們在控制理論發(fā)展中占了主導(dǎo)地位，形成了以狀態(tài)空間法為代表的現(xiàn)代控制理論， 它建 立在嚴(yán)密精確的數(shù)學(xué)模型之上，從而造成了理論與實(shí)踐之間的巨大分歧。 1961 年以后， 人工智能主要內(nèi)容涉及知識工程、自然語言理解等。人們研究人工智能方法也分為結(jié)構(gòu) 模擬派和功能模擬派，分別從腦的結(jié)構(gòu)和腦的功能入手進(jìn)行研究。 20 世紀(jì) 70 年代后， 又出現(xiàn)了大系統(tǒng)理論。但是，由于這種理論解決

7、實(shí)際問題的能力更弱，很快被人們放到 了一邊。第二階段為智能控制的發(fā)展初期( 19651979 年)建立于嚴(yán)密的數(shù)學(xué)理論上的控制 理論發(fā)展受到挫折， 而模擬人類智能的人工智能卻迅速發(fā)展起來?？刂评碚搹娜斯ぶ悄?中吸取營養(yǎng)尋求發(fā)展成為必然。工業(yè)系統(tǒng)往往呈現(xiàn)高維、非線性、分布參數(shù)、時變、不 確定性等復(fù)雜特征。 特別是非線性對控制結(jié)果的影響復(fù)雜， 控制工程人員很難深入理解， 更談不上設(shè)計出合適的控制算法。不確定性是最難以解決的問題，也是導(dǎo)致大系統(tǒng)理論 失敗的根本原因。但是，對這些問題用工程控制專家經(jīng)驗(yàn)來解決則往往是成功的，人是 最聰明的控制器，模仿人是一種途徑。 1965年，美國普渡大學(xué)的傅京孫( K

8、. S. Fu)教 授首先提出了學(xué)習(xí)控制的概念， 引入了人工智能的直覺推理，提出把人工智能的直覺推 理規(guī)則方法用于學(xué)習(xí)控制系統(tǒng)。次年， Mendel 在空間飛行器的學(xué)習(xí)控制中應(yīng)用了人工 智能技術(shù)， 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 )一詞，并把記憶、目標(biāo)分解等技術(shù)用于學(xué)習(xí)控制系統(tǒng)；這些 反映了智能控制思想的早期萌芽，被稱為智能控制的孕育期。20世紀(jì) 70 年代關(guān)于智能控制的研究是對 60 年代這一思想雛形的進(jìn)一步深化。 1956 年，國際知名華裔科學(xué)家傅 京孫首先提出把人工智能的啟發(fā)式推理規(guī)則

9、用于學(xué)習(xí)控制系統(tǒng)。1971 年。他進(jìn)一步論述了人工智能與自動控制的交接關(guān)系。此后，許多自動控制研究人員加入了研究智能控制 機(jī)理及其應(yīng)用的行列，并取得一些重要進(jìn)展第三階段智能控制新學(xué)科的條件已漸趨成熟， 1985年 8月， IEEE 在美國紐約召開 了第一屆智能控制學(xué)術(shù)討論會。來自美國的60 多位從事自動控制人工智能和運(yùn)籌學(xué)研究的教授、專家和學(xué)者赴會。 會上集中討論了智能控制原理和智能控制系統(tǒng)的結(jié)構(gòu)。 1987 年 1 月，在美國費(fèi)城由 IEEE 控制系統(tǒng)學(xué)會和計算機(jī)學(xué)會聯(lián)合召開了智能控制國際學(xué)術(shù) 討論會。這是智能控制的第一次國際會議。來自美國、歐洲、日本、中國和其它發(fā)展中 國家的 150 位代

10、表出席了這次學(xué)術(shù)盛會。這次會議是個里程碑， 它表明智能控制已作為 一門新學(xué)科正式登上國際科學(xué)舞臺。之后，這一國際討論會每年舉行一次。第四階段為智能控制進(jìn)入新的發(fā)展階段進(jìn)入20世紀(jì) 90 年代，關(guān)于智能控制的研究論文、著作、會議、期刊大量涌現(xiàn)，應(yīng)用對象也更加廣泛，從工業(yè)過程控制、機(jī)器人控 制、航空航天器控制到故障診斷、管理決策等均有涉及，并取得了較好的效果。國內(nèi)對 智能控制研究，近年來也十分活躍，除了舉行各種與智能控制有關(guān)的學(xué)術(shù)會議外。還有 一些單位(如浙江大學(xué)清華大學(xué)、重慶大學(xué)、中國科學(xué)院自動化所、華東化工學(xué)院、上 海交通大學(xué)和中南工業(yè)大學(xué)等） 已取得一批重要研究成果。 智能控制作為獨(dú)立的新學(xué)

11、科， 在國內(nèi)也正在形成。2. 智能控制的性能和特點(diǎn)智能控制的主要性能主要包括以下三點(diǎn) 1 ，依次是：（1）系統(tǒng)對一個未知環(huán)境提供的信息進(jìn)行識別、記憶、學(xué)習(xí)，并利用積累的經(jīng)驗(yàn) 進(jìn)一步改善自身性能的能力， 即在經(jīng)歷某種變化后，變化后的系統(tǒng)性能應(yīng)優(yōu)于變化前的 系統(tǒng)性能。（2）適應(yīng)功能：系統(tǒng)應(yīng)具有適應(yīng)受控對象動力學(xué)特性變化、環(huán)境變化和運(yùn)行條件 變化的能力。 這種智能行為是不依賴模型的自適應(yīng)估計， 較傳統(tǒng)的自適應(yīng)控制有更廣泛 的意義。（3）組織功能：對于復(fù)雜任務(wù)和分散的傳感信息具有自組織和協(xié)調(diào)功能，使系統(tǒng) 具有主動性和靈活性。除以上功能外，智能控制系統(tǒng)還應(yīng)具有實(shí)時性、容錯性、魯棒性 和友好的人機(jī)界面。除

12、以上功能外，智能控制系統(tǒng)還應(yīng)具有相當(dāng)?shù)脑诰€實(shí)時響應(yīng)能力和友好的人機(jī)界 面，以保證人機(jī)互助和人機(jī)協(xié)同工作。智能控制的主要特點(diǎn)主要包括以下三點(diǎn) 1 ，分別是：（1）智能控制具有混合控制特點(diǎn)。智能控制是同時具有以知識表示的非數(shù)學(xué)廣義 模型和以數(shù)學(xué)模型表示的混合控制過程，也往往是那些含有復(fù)雜性、不完全性、模糊性 或不確定性以及不存在已知算法的非數(shù)值過程，并以知識進(jìn)行推理，以啟發(fā)來引導(dǎo)求解 過程。（2）智能控制的核心在高層控制，即組織級。高層控制的任務(wù)在于對實(shí)際環(huán)境或 過程進(jìn)行組織，即決策和規(guī)劃，實(shí)現(xiàn)廣義問題求解。這些問題的求解過程與人腦的思維 過程具有一定的相似性，即具有不同程度的“智能” 。（3）智

13、能控制是一門邊緣交叉學(xué)科。智能控制涉及許多的相關(guān)學(xué)科。智能控制的 發(fā)展需要各相關(guān)學(xué)科的配合與支援。智能控制也是目前自動控制發(fā)展的最前沿階段。3. 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(luò)控制和集成 智能控制和基于遺傳算法和迭代的學(xué)習(xí)控制，除此之外常用的優(yōu)化算法還有蟻群算法、 免疫算法等，下面對典型智能控制算法進(jìn)行簡要概括。3.1 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(chǔ)，以先驗(yàn)知識和專家 經(jīng)驗(yàn)作為控制規(guī)則。 其基本思想是用機(jī)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(chǔ)上運(yùn)用模糊控制器近似推理等手段，實(shí)現(xiàn)系統(tǒng)控制。 在

14、實(shí)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2 。圖 2 模糊控制系統(tǒng)的原理框圖模糊控制的特點(diǎn)是： （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合。3.2 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(yàn)，實(shí)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(jī)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(dāng)?shù)囊?guī)則進(jìn)行推理，以實(shí)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

15、的參數(shù)，適應(yīng)對象特性及環(huán)境的變化， 適應(yīng)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(qiáng)3。圖 3 專家系統(tǒng)結(jié)構(gòu)知識庫包括規(guī)則庫和數(shù)據(jù)庫兩部分。其中規(guī)則庫存放專家經(jīng)驗(yàn)和判斷性知識；數(shù)據(jù) 庫存放用說明問題狀態(tài)、事實(shí)、概念和各種條件和嘗試的數(shù)據(jù)。推理機(jī)包括解釋程序和 調(diào)度程序，用于問題模型的推理和求解。專家控制是將專家系統(tǒng)的設(shè)計規(guī)范和運(yùn)行機(jī)制與傳統(tǒng)的控制理論和技術(shù)相結(jié)合而 成的實(shí)時設(shè)計和實(shí)現(xiàn)方法。 實(shí)質(zhì)是基于控制對象和控制規(guī)律的各種知識，并用智能的方 式利用這些知識， 以求得控制系統(tǒng)盡可能的優(yōu)化和實(shí)用化?；舅枷氚延薪?jīng)驗(yàn)的控制工 程師放在控制環(huán)節(jié)中，給他提供一個包括控制、辨

16、識、測量、監(jiān)控和設(shè)計各種算法在內(nèi) 的工具箱，然后由他確定何時采用何種工具。專家控制的特點(diǎn)是（ 1）具有領(lǐng)域?qū)＜壹壍膶I(yè)知識，能進(jìn)行符號處理和啟發(fā)式推 理。（2）具有獲取知識能力，具有靈活性、透明性和交互性。3.3 神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)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(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)測控制等方式實(shí)現(xiàn)智能控制4 。圖 4 BP 神經(jīng)網(wǎng)絡(luò)算法流程圖神經(jīng)網(wǎng)絡(luò)控制的特點(diǎn)是： （1） 能充分逼近任意非線性特征。 （2） 分布式并行處理 機(jī)制。（3） 自學(xué)習(xí)和自

17、適應(yīng)能力。 （4）數(shù)據(jù)融合能力。 （5） 適應(yīng)于多變量系統(tǒng)， 可進(jìn)行多變量處理。3.4 學(xué)習(xí)控制（1）遺傳算法學(xué)習(xí)控制 智能控制是通過計算機(jī)實(shí)現(xiàn)對系統(tǒng)的控制，因此控制技術(shù)離不開優(yōu)化技術(shù)?？焖佟?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。如何同時提高搜索最優(yōu)解的概率和效率，是遺 傳算法的一個主要

18、研究方向。圖 5 遺傳算法的流程框圖遺傳算法的特點(diǎn)是： （1）以決策變量的編碼作為運(yùn)算對象。 （ 2）直接以目標(biāo)函數(shù)值 作為搜索信息。 （3）同時進(jìn)行解空間的多點(diǎn)搜索。 （4）使用自適應(yīng)的概率搜索技術(shù)。（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)對二階非線性動力 學(xué)系統(tǒng)的跟蹤控制。 整個控制結(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)動的非線性機(jī)器人系統(tǒng)的控制中是相當(dāng)成功的。

19、4. 智能控制的應(yīng)用現(xiàn)狀目前，智能控制已廣泛地應(yīng)用于自然科學(xué)和社會科學(xué)的各個領(lǐng)域，其工程應(yīng)用現(xiàn)狀 日益成熟，為方便智能控制應(yīng)用的開發(fā)，研究人員開發(fā)設(shè)計了各種軟硬件技術(shù)。軟件方 面，Matlab 中的神經(jīng)網(wǎng)絡(luò)工具箱、 模糊邏輯工具箱可以通過直接調(diào)用其中的函數(shù)進(jìn)行智 能控制系統(tǒng)的設(shè)計應(yīng)用。硬件方面，微電子技術(shù)界出現(xiàn)了 DSP 芯片極大提高了運(yùn)算速 度，大大方便了智能控制應(yīng)用系統(tǒng)的實(shí)現(xiàn)。以下將著重介紹智能控制的工程應(yīng)用及其發(fā) 展現(xiàn)狀。4.1機(jī)器人智能控制采用人工神經(jīng)網(wǎng)絡(luò)、 模糊控制和專家系統(tǒng)技術(shù)對機(jī)器人進(jìn)行定位、 環(huán)境建模、 檢測、 控制和規(guī)劃的研究已經(jīng)日趨成熟，并在多個實(shí)際應(yīng)用系統(tǒng)中得到驗(yàn)證。 智

20、能控制技術(shù)也 應(yīng)用于機(jī)器人傳感器信息融合和視覺處理方面。 在機(jī)器人裝配作業(yè)中利用神經(jīng)網(wǎng)絡(luò)來進(jìn) 行機(jī)器人手臂控制和動態(tài)調(diào)度。 同時， 遺傳算法和進(jìn)化計算為機(jī)器人系統(tǒng)帶來了新型的 優(yōu)化編程和控制技術(shù)。機(jī)器人動力學(xué)的時變、強(qiáng)耦合和非線性特點(diǎn)，使得運(yùn)用傳統(tǒng)控制 方法來驅(qū)動機(jī)器人存在很大的局限性，尤其對多關(guān)節(jié)、復(fù)合肢體的機(jī)器人，其關(guān)節(jié)耦合 關(guān)系和非線性模型使得利用一般控制方式無法達(dá)到較好的運(yùn)動效果。 而神經(jīng)網(wǎng)絡(luò)強(qiáng)大的 自學(xué)習(xí)和非線性映射能力使其在機(jī)器人動力學(xué)上得到廣泛應(yīng)用。 為提高系統(tǒng)的魯棒性和 適應(yīng)能力，引入了模糊控制原理，構(gòu)造了基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的控制器。此外，水 下自主運(yùn)載器、 水下無人機(jī)車、

21、 無人自主駕駛機(jī)動車在未知或復(fù)雜危險環(huán)境下完成探索、 通信、合作等功能也需要智能控制的協(xié)助實(shí)現(xiàn)。4.2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(jìn)行控制器設(shè)計， 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， 且可用于控制一些非線性的復(fù)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。4.3 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

22、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(yù)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(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)的方法對制造過程進(jìn)行動態(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?？刹捎脤＜蚁到y(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)行在線的模式識別， 處理那些可能是殘缺不全的信息。4.4 電力電子學(xué)研究領(lǐng)域中的智能控制

23、電力系統(tǒng)中發(fā)電機(jī)、變壓器、電動機(jī)等電機(jī)電器設(shè)備的設(shè)計、生產(chǎn)、運(yùn)行、控制是 一個復(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、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 法來對電器設(shè)備的設(shè)計進(jìn)行優(yōu)化，可以降低成本，縮短計算時間，提高產(chǎn)品設(shè)計的效率 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。5. 智能控制的發(fā)展趨勢盡管目前人工智能理論還不成熟，智能控制技術(shù)還處在發(fā)展

24、初期，但隨著相關(guān)科學(xué) 和技術(shù)的發(fā)展， 它將逐步完善起來， 它的應(yīng)用前景是極為廣闊的。 結(jié)合過程控制的特點(diǎn)， 我們認(rèn)為過程控制智能化將在以下幾方面進(jìn)一步發(fā)展。5.1 智能技術(shù)將應(yīng)用于復(fù)雜過程工業(yè) 傳統(tǒng)控制方法對于工藝過程復(fù)雜、建模困難的對象顯得無能為力，但是基于知識、 仿人腦推理、學(xué)習(xí)、記憶能力的智能控制正是打開這類“固鎖”的“鑰匙” 。隨著智能 技術(shù)的發(fā)展與成熟， 智能技術(shù)將廣泛地應(yīng)用于工業(yè)窯爐等復(fù)雜的對象。 這方面有兩種工 作方式，一是智能控制不需要建立對象的模型，而通過獲取有關(guān)的信息，按仿人智能直 接進(jìn)行決策與控制；二是利用智能技術(shù)的特征提取、模式分類和聚類分析，建立較精確 的對象模型，再

25、用傳統(tǒng)的控制方式實(shí)施控制 5 。5.2研制通用的智能產(chǎn)品隨著微電子技術(shù)、 計算機(jī)技術(shù)和其他相關(guān)技術(shù)的進(jìn)一步發(fā)展，過程自動化產(chǎn)業(yè)將逐 步向智能產(chǎn)品轉(zhuǎn)化， 原來的儀表研究和制造部門將淘汰陳舊低檔的產(chǎn)品，不斷研制和更 新智能化程度越來越高的整機(jī)、部件和模塊，如推出多規(guī)格、多品種的智能工控機(jī)、智 能調(diào)節(jié)器、智能傳感器、智能執(zhí)行器等，為工程技術(shù)人員設(shè)計和組成各種高水平的過程 控制系統(tǒng)創(chuàng)造良好的硬件條件。 與此同時， 開發(fā)適應(yīng)于多種場合的通用軟件產(chǎn)品。 這樣， 一個過程智能控制系統(tǒng)從設(shè)計到試車， 整個周期將大大縮短，其方便程度如同我們現(xiàn)在 用單元組合儀表。5.3 智能技術(shù)用于故障診斷利用智能技術(shù)中專家經(jīng)驗(yàn)

26、、 自動識別和啟發(fā)式邏輯的特點(diǎn)，深人開展過程故障診斷 和修復(fù)工作，從根本上提高過程控制的安全性、適應(yīng)性和可靠性。生產(chǎn)過程中出現(xiàn)故障 是不可避免的，出現(xiàn)故障并不可怕，可怕的是不能及時發(fā)現(xiàn)和處理，以至影響生產(chǎn)。這 方面可以根據(jù)過程專家、 機(jī)器專家的經(jīng)驗(yàn)，把設(shè)備和過程各部分按故障的易發(fā)程度和故 障表現(xiàn)特征建庫，然后通過檢測或識別，及時察覺故障的發(fā)生，接著用搜尋和匹配的方 法，確定故障發(fā)生的地點(diǎn)、嚴(yán)重程度，給出故障報告（聲、光和其他信號 ），最后用啟發(fā)式邏輯，進(jìn)行故障處理。這是一項(xiàng)很有實(shí)際意義，同時又有相當(dāng)難度的工作。6. 智能裝備制造業(yè)概述 智能制造裝備的定義是：具有感知、分析、推理、決策、控制功能

27、的制造裝備，它 是先進(jìn)制造技術(shù)、 信息技術(shù)和智能技術(shù)的集成和深度融合。智能裝備指在傳統(tǒng)的裝備制 造業(yè)領(lǐng)域融合新興智能化技術(shù)， 打造具備高智能化的裝備制造體系，進(jìn)一步促進(jìn)國內(nèi)產(chǎn) 業(yè)的發(fā)展，并為搶占國際裝備市場提供先決基礎(chǔ)。6.1發(fā)展現(xiàn)狀 我國制造裝備產(chǎn)業(yè)目前整體上卻仍處于相對較低端的水平上， 智能裝備制造業(yè)仍處 于由自動化向智能化發(fā)展的初級階段，一些行業(yè)甚至連基本的裝備自動化都沒有完成。 當(dāng)前形勢下， 我國發(fā)展智能制造裝備的技術(shù)發(fā)展方向應(yīng)是軟硬件搭配， 著力發(fā)展網(wǎng)絡(luò)化、 控制軟件模塊化。2010年工業(yè)自動化控制系統(tǒng)和儀器儀表、 數(shù)控機(jī)床、 工業(yè)機(jī)器人及其系統(tǒng)等部分智 能制造裝備產(chǎn)業(yè)領(lǐng)域銷售收入超

28、過 3000 億元。但是，作為一個正在培育和成長的新興 產(chǎn)業(yè)，我國智能制造裝備產(chǎn)業(yè)仍存在突出問題主要表現(xiàn)在：技術(shù)創(chuàng)新能力薄弱，新型傳 感、先進(jìn)控制等核心技術(shù)受制于人；產(chǎn)業(yè)規(guī)模小，產(chǎn)業(yè)組織結(jié)構(gòu)小、散、弱，缺乏具有 國際競爭力的骨干企業(yè)；產(chǎn)業(yè)基礎(chǔ)薄弱，高檔和特種傳感器、智能儀器儀表、自動控制 系統(tǒng)、高檔數(shù)控系統(tǒng)、機(jī)器人市場份額不到 5%。2011 年智能制造裝備產(chǎn)業(yè)銷售額已突 破 4000 元以上。而據(jù)銀河證券等機(jī)構(gòu)預(yù)計， “十二五”期間智能裝備年均增長率將超過 25%，未來 5-10 年智能裝備行業(yè)將迎來高速增長， 智能制造裝備產(chǎn)業(yè)增速仍然保持在裝 備全行業(yè)的前列，需求量總體保持穩(wěn)步上升態(tài)勢。6

29、.2 發(fā)展趨勢當(dāng)前，智能制造裝備的發(fā)展趨勢以德國的“工業(yè)4.0”和美國的工業(yè)互聯(lián)網(wǎng)裝備最為清晰 6 。德國“工業(yè) 4.0”7 通過充分利用信息物理系統(tǒng)（ CPS），實(shí)現(xiàn)由集中式控制向分散 式增強(qiáng)型控制的基本模式轉(zhuǎn)變， 目標(biāo)是建立高度靈活的個性化和數(shù)字化的產(chǎn)品與服務(wù)的 生產(chǎn)模式，推動現(xiàn)有制造業(yè)向智能化方向轉(zhuǎn)型。 CPS 是一個綜合計算、網(wǎng)絡(luò)和物理環(huán)境 的多維復(fù)雜系統(tǒng)，通過 3C（ Computation 、Communication 、Control ）技術(shù)的有機(jī)融合與 深度協(xié)作，實(shí)現(xiàn)制造裝備系統(tǒng)的實(shí)時感知、動態(tài)控制和信息服務(wù)。CPS 實(shí)現(xiàn)計算、通信與物理系統(tǒng)的一體化設(shè)計，可使系統(tǒng)更加可靠、高效

30、、實(shí)時協(xié)同。德國電氣電子和信息技術(shù)協(xié)會于 2013 年發(fā)布了德國首個 “工業(yè) 4.0”標(biāo)準(zhǔn)化路線圖， 以加強(qiáng)德國作為技術(shù)經(jīng)濟(jì)強(qiáng)國的核心競爭力， 確保德國制造的未來。 2013 年，美國通用 電氣公司（ GE）發(fā)表了工業(yè)互聯(lián)網(wǎng) -打破智慧與機(jī)器的邊界報告。該報告提出了工 業(yè)互聯(lián)網(wǎng)（ Industrial Internet ）的概念。工業(yè)化創(chuàng)造了無數(shù)的機(jī)器、設(shè)施和系統(tǒng)網(wǎng)絡(luò)，而 工業(yè)互聯(lián)網(wǎng)則是指讓這些機(jī)器和先進(jìn)的傳感器、控制和軟件應(yīng)用相連接，以提高制造業(yè) 的生產(chǎn)效率、減少資源消耗。我國公布的智能制造裝備產(chǎn)業(yè)“十二五”發(fā)展路線圖中明確提出在“十二五” 期間將突破九大關(guān)鍵智能基礎(chǔ)共性技術(shù)、推進(jìn)八項(xiàng)智能測

31、控裝置與部件的研發(fā)和產(chǎn)業(yè) 化、提升八類重大智能制造裝備集成創(chuàng)新能力和促進(jìn)在國民經(jīng)濟(jì)六大重點(diǎn)領(lǐng)域的示范應(yīng) 用推廣。同時，將圍繞以下三大方向進(jìn)行重點(diǎn)攻堅 8 ：（1）關(guān)鍵智能基礎(chǔ)共性技術(shù)，圍繞感知、決策和執(zhí)行等智能功能的實(shí)現(xiàn)，針對測 控裝置、部件和重大智能制造成套裝備的開發(fā)和應(yīng)用，突破新型傳感原理和工藝、高精 度運(yùn)動控制、高可靠智能控制、工業(yè)通信網(wǎng)絡(luò)安全、健康維護(hù)診斷等一批共性、基礎(chǔ)關(guān) 鍵智能技術(shù)，為實(shí)現(xiàn)制造裝備和制造過程的智能化提供技術(shù)支撐。（2）核心智能測控裝置與部件，圍繞重大智能制造成套裝備研發(fā)以及智能制造技 術(shù)的推廣應(yīng)用，開發(fā)機(jī)器人、感知系統(tǒng)、智能儀表等典型的智能測控裝置和部件并實(shí)現(xiàn) 產(chǎn)業(yè)

32、化。在充分利用現(xiàn)有技術(shù)和產(chǎn)品的基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)智能化、網(wǎng)絡(luò)化，形成對智 能制造裝備產(chǎn)業(yè)發(fā)展的有力支撐。（3）重大智能制造成套裝備，突出制造業(yè)所需裝備，針對石油化工、冶金、建材、 機(jī)械加工、食品加工、紡織、造紙印刷等制造業(yè)生產(chǎn)過程數(shù)字化、柔性化、智能化的需 要，發(fā)揮產(chǎn)學(xué)研用相結(jié)合的創(chuàng)新機(jī)制，依托有明確需求的用戶，組織“產(chǎn)、學(xué)、研、用” 共同參與的創(chuàng)新團(tuán)隊，推動軟硬件在數(shù)控 /工業(yè)控制裝備中的應(yīng)用與推廣，通過集成創(chuàng) 新，開發(fā)一批標(biāo)志性的重大智能制造成套裝備，保障產(chǎn)業(yè)轉(zhuǎn)型升級。并結(jié)合國家重大工 程建設(shè)，推進(jìn)示范應(yīng)用，加快產(chǎn)業(yè)化。7. 典型智能裝備案例基于模糊單神經(jīng)元控制的主動懸架系統(tǒng)控主動懸架的概

33、念由德國的 Federspiel Labrosse教授首次提出， 即由作動器 (執(zhí)行機(jī)構(gòu) ) 主動產(chǎn)生作用力， 以抑制車體的運(yùn)動， 使懸架始終處于最優(yōu)減振狀態(tài)。 與被動懸架比較， 主動懸架增加了可控制作用力的裝置用來調(diào)節(jié)阻尼和剛度，這個裝置包括測量系統(tǒng)、執(zhí) 行機(jī)構(gòu)、能量系統(tǒng)和反饋調(diào)節(jié)系統(tǒng)四部分。主動懸架的工作原理是：由車輛上安裝的多 種檢測器檢測系統(tǒng)運(yùn)行的各種狀態(tài)信號， 并傳達(dá)給控制單元 ECU，控制單元依據(jù)控制策 略發(fā)出指令給執(zhí)行機(jī)構(gòu)，作動器動作改變系統(tǒng)運(yùn)行狀態(tài)，構(gòu)成閉環(huán)控制10。主動懸架按照其控制機(jī)構(gòu)分為獨(dú)立式主動懸架和并聯(lián)式主動懸架。 并聯(lián)式主動懸架 是在被動懸架的基礎(chǔ)上并聯(lián)作動器，當(dāng)作

34、動器出現(xiàn)故障不能正常工作時，主動懸架轉(zhuǎn)變 為被動懸架。 另一種獨(dú)立式主動懸架只有力發(fā)生器用來調(diào)節(jié)懸架的剛度和阻尼，結(jié)構(gòu)簡 單，但當(dāng)主動懸架出現(xiàn)故障時，懸架系統(tǒng)停止工作。根據(jù)主動懸架具體作動器的不同， 主動懸架包括電控液壓懸架、電控空氣懸架和電控油氣懸架三種。7.1 單神經(jīng)元控制理論圖 6 單神經(jīng)元控制系統(tǒng)結(jié)構(gòu)上圖為單神經(jīng)元控制系統(tǒng)結(jié)構(gòu)，圖中 r(k)為設(shè)定值， y (k)為實(shí)際輸出值， K 為神經(jīng) 元的增益， K>0。wi(k)為對應(yīng)于 xi(k) 的加權(quán)系數(shù)，根據(jù)有監(jiān)督的 Hebb學(xué)習(xí)規(guī)則完成 權(quán)值 wi(k) 的實(shí)時變化；轉(zhuǎn)換器將設(shè)定值與實(shí)際輸出值的偏差量轉(zhuǎn)換成單神經(jīng)元控制所 需的狀

35、態(tài)量 x1 (k )、 x2 ( k)、x3 ( k) ，即：x1(k) e(k)x2 (k) e(k) e(k 1)x3 (k) e(k) 2e(k 1) e(k 2)其中的權(quán)值學(xué)習(xí)規(guī)則為：w1(k) w1(k 1) I e(k)u(k)x1(k)w2(k) w2(k 1) Pe(k)u(k)x2(k)w3(k) w3(k 1) De(k)u(k)x3(k)神經(jīng)元通過關(guān)聯(lián)搜索產(chǎn)生控制量 u(k)u(k) u(k 1) K3wi(k) xi (k)i 1wi (k)i1單神經(jīng)元控制中系數(shù) w1、w2、w3 可通過神經(jīng)元的學(xué)習(xí)能力進(jìn)行在線調(diào)整。 因此，可 以認(rèn)為單神經(jīng)元控制相當(dāng)于一種在線自整定的

36、控制。P、 I、 D 分別為比例、積分、微分的學(xué)習(xí)速率。7.2 模糊單神經(jīng)控制器結(jié)構(gòu)圖 7 模糊單神經(jīng)元控制系統(tǒng)結(jié)構(gòu)模糊單神經(jīng)元控制器中有兩個單神經(jīng)元控制模塊，一個模糊控制模塊組成，其中兩 個單神經(jīng)元控制模塊的輸入分別為前后懸架三個性能指標(biāo)的綜合誤差e1和 e2，模糊控制模塊輸入為車身俯仰角加速度誤差，圖中 ri(i=1,2,3)為期望值， y1 為前懸架輸出， y2 為后懸架輸出， y3 為車身俯仰角加速度， Ua、Ub 為作用在前后懸架的主動控制力。 單神經(jīng)元控制模塊的作用是減小垂直方向的車身振動， 模糊控制模塊的作用是抑制車身 的俯仰角加速度，兩種控制模塊共同作用，提高汽車行駛的平順性。7.3 仿真分析結(jié)果以 MATLAB/Simulink 工具箱為仿真平臺， 對 1/2 主動懸架控制系統(tǒng)進(jìn)行仿真， 控制 系統(tǒng)仿真圖如圖 8 所示。表 1 1/2 主動懸架模型參數(shù)時域上，仿真曲線如圖 9 所示，其中，仿真曲線只給出車身垂直加速度和車身俯仰 角加速度時域曲線圖