智能控制基礎分析

1、控制儀器學科前沿講座智 能 控 制 基 礎 分 析姓名：郎建亮專業(yè)：控制工程學 號：2011704053智能控制基礎分析郎建亮2011704053控制工程摘要：本文介紹了智能控制的產生背景，概念和特點；分析了智能控制技術，舉出幾種典型 的智能控制技術，并且將智能控制與傳統(tǒng)的控制方法進行比較，總結出智能控制技術的優(yōu)點； 最后提出了一些對智能控制的發(fā)展前景的展望。關鍵詞：智能控制；最優(yōu)控制；預測控制；隨機控制；遺傳算法Base Analysis of Intelligent ControlLang Jianliang 2011704053 Control EngeringAbstract:This

2、 paper introduces the intelligent controls production background,the concept and characteristic;analysis the technology of intelligent control and give some typical application,and compare intelligent control with tradition ways of contorl to get the advantage of intelligent control technology ;at l

3、ast give some forecast for the intelligent controls development.Key word:Intelligent Control;Optimal Control;Predictive Control; Stochastic Control; Genetic algorithm.1、引言智能控制是在無人干預的情況下能自主地驅動智能機器實現(xiàn)控制目標的自 動控制技術。控制理論發(fā)展至今已有100多年的歷史，經歷了 “經典控制理論” 和“現(xiàn)代控制理論”的發(fā)展階段，已進入“大系統(tǒng)理論”和“智能控制理論”階 段。智能控制理論的研究和應用是現(xiàn)代控制理論在

4、深度與廣度上的擴展，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、進化 計算和計算機學等多種學科的高度中和與集成、是一門新興的邊緣交叉學科。2、智能控制產生的背景、基本概念和特點自1932年奈奎斯特(H.Nyquist)的有關反饋放大器穩(wěn)定性論文發(fā)表以來， 控制理論的發(fā)展已經走過了 80多年的歷程。一般認為該學科的發(fā)展經歷了三個 主要階段。第一階段為20世紀40-60年代的“經典控制理論”時期，經典控制理論以 反饋理論基礎，是一種單回路線性控制理論。主要采用傳遞函數(shù)、頻率特性、根軌跡為基礎的頻域分析方法。主要研究單輸入一單輸出、線性定長系統(tǒng)的分析和設計。第二階段為20

5、世界60-70年代的“現(xiàn)代控制理論”時期，現(xiàn)代控制理論主 要研究具有高性能、高精度的多變量參數(shù)系統(tǒng)的最優(yōu)控制問題。采用的方法包括 狀態(tài)空間法、Bellman動態(tài)規(guī)劃方法、Kalman濾波理論和Pontryagin極大值原理 等。現(xiàn)代控制理論可以解決多輸入多輸出問題，系統(tǒng)可以是線性定長的，也可以 是非線性時變的。第三階段為20世紀70年代至今的“大系統(tǒng)理論”和“智能控制理論”時期。 智20世紀60年代，計算機技術和人工智能技術迅速發(fā)展，為了提高控制系統(tǒng)的 自學習能力，控制界學者開始將人工智能技術應用于控制系統(tǒng)。傅京孫、Glofiso 和Saridis等學者從控制論角度總結了人工智能技術與自適應、

6、自組織、自學習 控制的關系，提出了智能控制就是人工智能技術與控制理論的交叉的思想，并創(chuàng) 立了人機交互式分級遞階智能控制的系統(tǒng)結構。傳統(tǒng)的控制理論建立在被控對象的精確數(shù)學模型之上，智能控制是針對系統(tǒng) 的復雜性、非線性、不確定性等提出的IEEE控制系統(tǒng)協(xié)會把智能控制歸納為: 智能控制系統(tǒng)必須具有模擬人類學習和自適應的能力。智能控制的一般特點為：自尋優(yōu)特性。智能控制能對獲取的信息進行實時處理并給出控制方法， 通過不斷的優(yōu)化參數(shù)和尋找控制器的最佳結構形式，自動選取最優(yōu)控制。多模態(tài)控制方式。智能控制具有以只是表示的非數(shù)學廣義模型和以數(shù) 學模型表示的混合控制過程，能根據(jù)被控對象的動態(tài)過程進行辨識，采用開閉

7、環(huán) 控制和定性與定量相結合的控制方式。全局控制容錯性。智能控制能對復雜系統(tǒng)進行有效的全局的控制，對 其中的錯誤控制有較強的容錯能力。變結構特性。具有自學習、自適應、自組織能力，能從系統(tǒng)的功能和 整體優(yōu)化的角度來分析和綜合系統(tǒng)，以實現(xiàn)結構的變換，達到預期的控制目標。3、智能控制技術及其與傳統(tǒng)控制比較的特點3.1、智能控制技術智能控制技術是控制理論用來解決那些傳統(tǒng)方法難以解決的復雜的系統(tǒng)的 控制問題。常用的智能控制技術包括模糊邏輯控制、神經網絡控制、專家系統(tǒng)、 學習控制、分層遞階控制、遺傳算法等。這里簡單介紹模糊邏輯控制、專家系 統(tǒng)、學習控制。模糊邏輯控制模糊邏輯控制在一定程度上模仿了人的控制(人

8、的控制經驗和知識)，不需要 準確的控制對象模型，因此它是一種智能控制的方法。模糊邏輯控制是基于模糊 集合和模糊數(shù)學實現(xiàn)對對象模型的控制。模糊集合是一種特別的集合，用來描述 模糊現(xiàn)象。模糊數(shù)學是關于模糊集合、模糊邏輯的數(shù)學理論4。對于無法建立數(shù) 學模型或難以建立數(shù)學模型的場合，可以用模糊控制技術來解決。包含了五個 主要部分，即：定義變量、模糊化、知識庫、邏輯判斷及反模糊化。定義變量：也就是決定程序被觀察的狀況及考慮控制的動作，例如在一 般控制問題上，輸入變量有輸出誤差E與輸出誤差之變化率EC，而控制變量 則為下一個狀態(tài)之輸入U。其中E、EC、U統(tǒng)稱為模糊變量。模糊化：將輸入值以適當?shù)谋壤D換到論

9、域的數(shù)值，利用口語化變量來 描述測量物理量的過程，依適合的語言值(linguistic value)求該值相對之隸 屬度，此口語化變量我們稱之為模糊子集合(fuzzy subsets)。知識庫：包括數(shù)據(jù)庫(data base)與規(guī)則庫(rule base)兩部分，其中數(shù) 據(jù)庫是提供處理模糊數(shù)據(jù)之相關定義；而規(guī)則庫則藉由一群語言控制規(guī)則描 述控制目標和策略。邏輯判斷：模仿人類下判斷時的模糊概念，運用模糊邏輯和模糊推論法 進行推論，而得到模糊控制訊號。此部分是模糊控制器的精髓所在。反模糊化：將推論所得到的模糊值轉換為明確的控制訊號，做為系統(tǒng)的 輸入值。4模糊控制的特點為：1)提拱了一種實現(xiàn)基于自然

10、語言描述規(guī)則的控制規(guī)律 的新機制2。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)理論描述的場合。專家系統(tǒng)由人工智能領域發(fā)展起來的專家控制是一種基于智能計算機程序的控制技 術，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知 識和解決問題的方法來處理該領域的問題，也就是說，專家系統(tǒng)是一個具有大量 的專門知識與經驗的程序系統(tǒng)。人機交互界面、知識庫、推理機、解釋機制、綜 合數(shù)據(jù)庫、知識獲取是專家系統(tǒng)的主要構成部分。人機交互界面是系統(tǒng)與用戶交流時的界面，用戶輸入基本信息，回答系統(tǒng)提 出的相關問題，系統(tǒng)輸出推理結果并有相關的解釋。知識庫用來存放專家提供的

11、 知識，是專家系統(tǒng)質量是否優(yōu)越的關鍵所在。推理機針對當前問題的條件反復匹 配知識庫中的規(guī)則，獲得新的結論，以得到問題求解結果，有正向推理和反向推 理兩種。綜合數(shù)據(jù)庫專門用于存儲推理過程中所需的原始數(shù)據(jù)、中間結果和 最終結論，往往是作為暫時的存儲區(qū)。知識獲取是專家系統(tǒng)知識庫是否優(yōu)越 的關鍵，也是專家系統(tǒng)設計的“瓶頸”問題，通過知識獲取，可以擴充和修改 知識庫中的內容，也可以實現(xiàn)自動學習功能。專家系統(tǒng)的特點為1）提供領域專家級別的知識與經驗。2）具有交互性、 透明性、靈活性，以及獲取知識的能力2。（3）學習控制學習控制是靠自身的學習功能來認識控制對象和外界環(huán)境的特性，并相應地 改變自身特性以改善控

12、制性能的控制技術。學習控制具有一定的識別、判斷、記 憶和自行調整的能力。實現(xiàn)該控制技術的方式很多，根據(jù)是否需要從外界獲得訓 練信息，學習控制的方式分為受監(jiān)視學習和自主學習兩類5。受監(jiān)視學習方式除了一般的輸入信號外，還需要從外界的監(jiān)視者或監(jiān)視裝置 獲得訓練信息。如果發(fā)現(xiàn)不符合監(jiān)視者或監(jiān)視裝置提出的要求，或受到不好的評 價，系統(tǒng)就能自行修正參數(shù)、結構或控制作用。不斷重復這種過程直至達到監(jiān)視 者的要求為止。當提出新的要求時，就會重新學習。自主學習方式，這是一種不需要外界監(jiān)視者的學習方式。只要規(guī)定某種判據(jù) 或準則，控制本身就能通過統(tǒng)計估計、自我檢測、自我評價和自我校正等方式不 斷自行調整，直至達到判據(jù)

13、或準則要求為止。學習控制的特點為1）具有識別、判斷、記憶、自行調整的能力。2）兩種 學習方式結合起來運用有更好的效果。3.2、智能控制與傳統(tǒng)控制的比較傳統(tǒng)控制（Conventional control）：經典反饋理論控制和現(xiàn)代控制理論。它們的主要特征是基于精確的系統(tǒng)數(shù)學模型的控制。適合解決線性、時不變等相對簡 單的控制問題。智能系統(tǒng)（Infelligent control）：以上問題用智能的方法同樣可以解決。智能 控制是對傳統(tǒng)控制理論的發(fā)展，傳統(tǒng)控制理論是智能控制的一個組成部分。智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關系，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

14、方法來解決“低 級”的控制問題，力圖擴充常規(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)性的復雜控制問題。（1）傳統(tǒng)的自動控制是建立在確定的模型基礎上的，而智能控制的研究 對象則存在模型嚴重的不確定性，即模型未知或知之甚少者模型的結構和參 數(shù)在很大的范圍內變動，比如工業(yè)過程的病態(tài)結構問題、某些干擾的無法預 測,致使無法建立其模型，這些問題對基于模型的傳統(tǒng)自動控制來說很難解 決。（2）傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設備與人及外界環(huán)境的信息交換 很不方便，希望制造出能接受印刷體、圖形甚全于寫體和口頭命令等形式的信 息輸入裝置，能夠更加深入而靈活地和系統(tǒng)進行信息交流，同時還要擴大輸出裝置的能

15、力，能夠用文字、圖紙、立體形象、語言等形式輸出信息。另外， 通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的 組合以及外界其它的情況。為擴大信息通道，就必須給自動裝置安上能夠以機 械方式模擬各種感覺的精確的送音器，即文字、聲音、物體識別裝置?？上驳氖?，近幾年計算機及多媒體技術的迅速發(fā)展，為智能控制在這一方面的發(fā)展 提供了物質上的準備，使智能控制變成了多方位“立體”的控制系統(tǒng)。（3）傳統(tǒng)的自動控制系統(tǒng)對控制任務的要求要么使輸出量為定值（調節(jié) 系統(tǒng)），要么使輸出量跟隨期望的運動軌跡（跟隨系統(tǒng)），因此具有控制任 務單一性的特點，而智能控制系統(tǒng)的控制任務可比較復雜，例如在智能機器 人

16、系統(tǒng)中，它要求系統(tǒng)對一個復雜的任務具有自動規(guī)劃和決策的能力，有自 動躲避障礙物運動到某一預期目標位置的能力等。對于這些具有復雜的任務 要求的系統(tǒng)，采用智能控制的方式便可以滿足。（4）傳統(tǒng)的控制理論對線性問題有較成熟的理論，而對高度非線性的控 制對象雖然有一些非線性方法可以利用，但不盡人意。而智能控制為解決這 類復雜的非線性問題找到了一個出路，成為解決這類問題行之有效的途徑。 工業(yè)過程智能控制系統(tǒng)除具有上述幾個特點外，又有另外一些特點，如被控 對象往往是動態(tài)的，而且控制系統(tǒng)在線運動，一般要求有較高的實時響應速度 等，恰恰是這些特點又決定了它與其它智能控制系統(tǒng)如智能機器人系統(tǒng)、航 空航天控制系統(tǒng)、

17、交通運輸控制系統(tǒng)等的區(qū)別，決定了它的控制方法以及形 式的獨特之處。（5）與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有足夠的關于人的控制 策略、被控對象及環(huán)境的有關知識以及運用這些知識的能力。（6）與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)能以知識表示的非數(shù)學廣 義模型和以數(shù)學表示的混合控制過程，采用開閉環(huán)控制和定性及定量控制結 合的多模態(tài)控制方式。（7）與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有變結構特點，能總體自 尋優(yōu)，具有自適應、自組織、自學習和自協(xié)調能力。（8）與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)有補償及自修復能力和判 斷決策能力?？傊?，智能控制系統(tǒng)通過智能機自動地完成其目標的控制過程 ，其智能機

18、可以在熟悉或不熟悉的環(huán)境中自動地或人頸交互地完成擬人任務.由上可知智能控制的優(yōu)點：（1）可以對存在嚴重的不確定性的模型進行控制。這里所說的模型不確定 性包含兩層意思：一是模型未知或知之甚少；二是模型的結構和參數(shù)可能在很大 范圍內變化。（2）控制對象的高度非線性。對于具有高度非線性的控制對象，采用智能 控制的方法往往可以較好地解決非線性系統(tǒng)的控制問題。（3）能滿足任務的復雜要求。對于智能控制，在研究和設計時，主要注意 力不放在數(shù)學公式的表達、計算和處理方面，而是放在對任務和現(xiàn)實模型的描述、 符合和環(huán)境的識別以及知識庫和推理機的開發(fā)上，因此能處理要求比較復雜的 任務。4、智能控制的發(fā)展趨勢智能控制

19、是自動控制理論發(fā)展的必然趨勢。人工智能為智能控制的產生 提高了機遇。傅京孫在1971年指出，方了解決智能控制的問題，用嚴格的數(shù)學方法研 究發(fā)展新的工具，對復雜的“環(huán)境一對象”進行建模和識別，以實現(xiàn)最優(yōu)控 制，或者用人工智能的啟發(fā)式思想建立對不能精確定義的環(huán)境和任務的控制 設計方法。這兩者都值得一試，而更重要的也許還是把這兩種途徑緊密地結 合起來，協(xié)調地進行研究。也就是說，對于復雜的環(huán)境和復雜的任務，如何 將人工智能技術中較少依賴模型的問題的求解方法與常規(guī)的控制方法相結 合，這正是智能控制所要解決的問題。Saridis在學習控制系統(tǒng)研究的基礎上，提出了分級遞階和智能控制結構， 整個結構自上而下分

20、為組織級，協(xié)調級和執(zhí)行級三個層次，其中執(zhí)行級是面 向設備參數(shù)的基礎自動化級，在這一級不存在結構性的不確定性，可以用常 規(guī)控制理論的方法設計。協(xié)調級實際上是一個離散事件動態(tài)系統(tǒng)，主要運用 運籌學的方法研究。組織級涉及感知環(huán)境和追求目標的高層決策等類似于人 類智能的功能，可以借鑒人工智能的方法來研究。因此，Saridis將傅京孫關 于智能控制是人工智能與自動控制相結合的提法發(fā)展為：智能控制是人工智 能，運籌學和控制系統(tǒng)理論三者的結合。1985年8月，IHE在美國紐約召開了第一屆智能控制學術討論會，智能 控制原理和智能控制系統(tǒng)的結構這一提法成為這次會議的主要議題。這次會 議決定，在IEEE控制系統(tǒng)學會下設立一個IEE