學(xué)習(xí)智能控制課程的研究報(bào)告樣本

資料內(nèi)容僅供您學(xué)習(xí)參考，如有不當(dāng)或者侵權(quán)，請(qǐng)聯(lián)系改正或者刪除。學(xué)習(xí)智能控制課程的研究報(bào)告經(jīng)過本學(xué)期所學(xué)的智能控制知識(shí)、上網(wǎng)搜集資料和參考論文的情況下,對(duì)智能控制這門學(xué)科的學(xué)習(xí)做出了簡(jiǎn)要總結(jié)。1智能控制的發(fā)展自動(dòng)控制經(jīng)過百余年的發(fā)展,無(wú)論是在控制理論還是控制工程上都取得了巨大成功,可是,隨著人類社會(huì)的發(fā)展,控制對(duì)象日益復(fù)雜、控制目標(biāo)越來(lái)越高,控制理論與控制工程面臨的挑戰(zhàn)也越來(lái)越大。以控制理論和智能理論為基礎(chǔ),以模擬人的智能化操作和經(jīng)驗(yàn)為手段的智能控制方法應(yīng)運(yùn)而生。智能控制是基于人類對(duì)自然界的智能的認(rèn)識(shí)所發(fā)展起來(lái)的智能理論與方法,包括基于符號(hào)邏輯的傳統(tǒng)AI理論與基于復(fù)雜計(jì)算的計(jì)算智能理論。它是人工智能和自動(dòng)控制的重要研究領(lǐng)域,并被認(rèn)為是通向自主機(jī)器遞階道路上自動(dòng)控制的頂層。人工智能的發(fā)展促進(jìn)自動(dòng)控制向智能控制發(fā)展,智能控制思潮第一次出現(xiàn)于20世紀(jì)60年代。1965年,美籍華人傅京孫教授在她的論文中首先提出把人工智能的直覺推理方法用于學(xué)習(xí)控制系統(tǒng),最早把人工智能引入到控制技術(shù)中。1966年,Mendel進(jìn)一步在空間飛行器的學(xué)習(xí)控制系統(tǒng)中應(yīng)用了人工智能技術(shù),而且提出了”人工智能控制”的概念。1967年,Leondes和Mendel首先正式使用”智能控制”一詞。20世紀(jì)70年代是智能控制的發(fā)展初期,傅京孫、Gloriso和Saridis等人正式提出了智能控制就是人工智能技術(shù)與控制理論的交叉。70年代中期前后,以模糊集合論為基礎(chǔ),從模仿人的控制決策思想出發(fā),智能控制在另一個(gè)方向規(guī)則控制上也取得了重要的進(jìn)展。80年代為智能控制的迅速發(fā)展期,智能控制的研究及應(yīng)用領(lǐng)域逐步擴(kuò)大并取得了一批應(yīng)用成果。1987年1月,第一次國(guó)際智能控制大會(huì)在美國(guó)舉行,標(biāo)志著智能控制領(lǐng)域的形成。1992年至今為智能控制進(jìn)人嶄新的階段。隨著對(duì)象規(guī)模的擴(kuò)大和過程復(fù)雜性的加大,形成了智能控制的多元論,而且在應(yīng)用實(shí)踐方面取得了突破性的進(jìn)展,應(yīng)用對(duì)象也更加廣泛。智能控制采用各種智能技術(shù)來(lái)實(shí)現(xiàn)復(fù)雜系統(tǒng)和其它系統(tǒng)的控制目標(biāo),是一種具有強(qiáng)大生命力的新型自動(dòng)控制技術(shù)。智能控制的產(chǎn)生和發(fā)展正反映了當(dāng)代自動(dòng)控制以至整個(gè)科學(xué)技術(shù)的發(fā)展趨勢(shì),是歷史的必然。智能控制已成為自動(dòng)控制發(fā)展道路上的一個(gè)新的里程碑,正發(fā)展為一種日趨成熟和日臻完刪的控制手段,并獲得日益廣泛的應(yīng)用。2智能控制的研究?jī)?nèi)容當(dāng)前關(guān)于智能控制的研究和應(yīng)用沿著幾個(gè)主要的分支發(fā)展,主要有專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制、學(xué)習(xí)控制、基于知識(shí)的控制、復(fù)合智能控制、基于進(jìn)化機(jī)制的控制、自適應(yīng)控制等等。有的已在現(xiàn)代工業(yè)生產(chǎn)過程與智能自動(dòng)化方面投入應(yīng)用。主要介紹如下:1、專家控制是智能控制的一個(gè)重要分支,其研究始于60年代中期,是由美國(guó)斯坦福大學(xué)Feigen-baum于1965年開創(chuàng)的人工智能研究的新領(lǐng)域。所謂專家控制是指將專家系統(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,仿效專家的智能,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”加入”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(kù)和推理機(jī)構(gòu)構(gòu)成主體框架,經(jīng)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,用某種策略及時(shí)地選取恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出,實(shí)現(xiàn)對(duì)實(shí)際對(duì)象的控制。2、模糊控制自1965年Zadeh教授創(chuàng)立模糊集理論和1974年英國(guó)的Mamdani成功地將模糊控制應(yīng)用于蒸汽機(jī)控制以來(lái),模糊控制得到了很大的發(fā)展和廣泛的應(yīng)用。模糊控制是基于模糊推理、模仿人的思維方式、對(duì)難以建立精確數(shù)學(xué)模型的對(duì)象實(shí)施的一種控制,成為處理推理系統(tǒng)和控制系統(tǒng)中不精確和不確定性的一種有效方法,構(gòu)成了智能控制的重要組成部分。3、神經(jīng)網(wǎng)絡(luò)控制是另一類智能控制的重要形式。人的大腦具有很強(qiáng)的自學(xué)習(xí)和自適應(yīng)能力,神經(jīng)網(wǎng)絡(luò)控制正是基于模擬人的大腦結(jié)構(gòu)和功能而發(fā)展起來(lái)的一種智能控制方法。神經(jīng)網(wǎng)絡(luò)由人工神控制就經(jīng)元組成,采用仿生學(xué)的觀點(diǎn)與方法來(lái)研究人腦和智能系統(tǒng)中的高級(jí)信息處理。所謂神經(jīng)網(wǎng)絡(luò)控制,是指在控制系統(tǒng)中采用神經(jīng)網(wǎng)絡(luò)這一工具對(duì)難以精確描述的復(fù)雜的非線性對(duì)象進(jìn)行建模,或充當(dāng)控制器,或優(yōu)化計(jì)算,或進(jìn)行推理,或故障診斷,以及同時(shí)兼有上述這些功能的組合。是當(dāng)今智能控制中的研究熱點(diǎn)領(lǐng)域之一。4、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、決策和不斷改進(jìn)系統(tǒng)品質(zhì)的自動(dòng)控制系統(tǒng)。學(xué)習(xí)控制具有搜索、識(shí)別、記憶、推理4個(gè)主要功能。傅京孫指出:幾乎所有的學(xué)習(xí)算法都具有相似的學(xué)習(xí)特性。較復(fù)雜的在線學(xué)習(xí)技術(shù)的實(shí)現(xiàn)需要高速度和大容量的計(jì)算機(jī)。5、遞階控制系統(tǒng)遞階智能控制是在研究早期學(xué)習(xí)控制系統(tǒng)的基礎(chǔ)上,并從工程控制論的角度總結(jié)人工智能與自適應(yīng)、自學(xué)習(xí)和自組織控制的關(guān)系之后而逐漸地形成的,也是智能控制的最早理論之一。遞階智能控制還與系統(tǒng)學(xué)及管理學(xué)有密切關(guān)系。已經(jīng)提出多種分級(jí)遞階控制理論,即基于知識(shí)/解析混合多層智能控制理論、”精度隨智能提高而降低”的分級(jí)遞階智能控制理論以及四層遞階控制理論等。這幾種理論在遞階結(jié)構(gòu)上是有聯(lián)系的,其中,以薩里迪斯的分級(jí)智能控制理論最具影響。由薩里迪斯提出的分級(jí)遞階智能控制方法作為一種認(rèn)知和控制系統(tǒng)的統(tǒng)一方法論,其控制智能是根據(jù)分級(jí)管理系統(tǒng)中”精度隨智能提高而降低”的原理而分級(jí)分配的,并由組織級(jí)、協(xié)調(diào)級(jí)和執(zhí)行級(jí)三級(jí)組成。6、仿生控制系統(tǒng)從某種意義上說,智能控制就是仿生和擬人控制,模仿人和生物的控制機(jī)構(gòu)、行為和功能所進(jìn)行的控制,就是擬人控制和仿生控制。神經(jīng)控制、進(jìn)化控制、免疫控制等都是仿生控制,而遞階控制、專家控制、學(xué)習(xí)控制和仿人控制等則屬于擬人控制。在模擬人的控制結(jié)構(gòu)的基礎(chǔ)上,進(jìn)一步研究和模擬人的控制行為與功能,并把它用于控制系統(tǒng),實(shí)現(xiàn)控制目標(biāo),就是仿人控制。仿人控制綜合了遞階控制、專家控制和基于模型控制的特點(diǎn),實(shí)際上能夠把它看作一種混合控制。生物群體的生存過程普遍遵循達(dá)爾文的物競(jìng)天擇、適者生存的進(jìn)化準(zhǔn)則。群體中的個(gè)體根據(jù)對(duì)環(huán)境的適應(yīng)能力而被大自然所選擇或淘汰。生物經(jīng)過個(gè)體間的選擇、交叉、變異來(lái)適應(yīng)大自然環(huán)境。把進(jìn)化計(jì)算,特別是遺傳算法機(jī)制和傳統(tǒng)的反饋機(jī)制用于控制過程,則可實(shí)現(xiàn)一種新的控制——進(jìn)化控制。自然免疫系統(tǒng)是個(gè)復(fù)雜的自適應(yīng)系統(tǒng),能夠有效地運(yùn)用各種免疫機(jī)制防御外部病原體的入侵。經(jīng)過進(jìn)化學(xué)習(xí),免疫系統(tǒng)對(duì)外部病原體和自身細(xì)胞進(jìn)行辨識(shí)。把免疫控制和計(jì)算方法用于控制系統(tǒng),即可構(gòu)成免疫控制系統(tǒng)。7、組合智能控制系統(tǒng)把智能控制與傳統(tǒng)控制(包括經(jīng)典PID控制和近代控制)有機(jī)地組合起來(lái),即可構(gòu)成組合智能控制系統(tǒng)。組合智能控制能夠集智能控制方法和傳統(tǒng)控制方法各自之長(zhǎng)處,彌補(bǔ)各自的短處,取長(zhǎng)補(bǔ)短,也是一種很好的控制策略。例如,PID模糊控制、神經(jīng)自適應(yīng)控制、神經(jīng)自校正控制、神經(jīng)最優(yōu)控制、模糊魯棒控制等就是組合智能控制的例子。嚴(yán)格地說,各種智能控制都有反饋機(jī)制起作用,因此都可看作組合智能控制。3神經(jīng)網(wǎng)絡(luò)智能控制智能控制被廣泛應(yīng)用于社會(huì)眾多領(lǐng)域,從實(shí)驗(yàn)室到工業(yè)現(xiàn)場(chǎng),從智能儀器到家用電器,從工業(yè)機(jī)器人到生產(chǎn)領(lǐng)域控制,解決了大量的傳統(tǒng)控制無(wú)法解決的實(shí)際控制應(yīng)用問題。將各種智能控制方法的交叉應(yīng)用是當(dāng)前智能控制領(lǐng)域主要應(yīng)用方向之一,而這種交叉應(yīng)用有時(shí)是非常困難的。在此我僅對(duì)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的應(yīng)用做下簡(jiǎn)要總結(jié)和學(xué)習(xí)。對(duì)于控制界,神經(jīng)網(wǎng)絡(luò)的吸引力在于:(1)能夠充分逼近任意復(fù)雜的非線性系統(tǒng);(2)能夠?qū)W習(xí)和適應(yīng)嚴(yán)重不確定性系統(tǒng)的動(dòng)態(tài)特性;(3)由于大量神經(jīng)元之間廣泛連接,即使有少量單元或連接損壞,也不影響系統(tǒng)的整體功能,表現(xiàn)出很強(qiáng)的魯棒性和容錯(cuò)性;(4)采用并行分布處理方法,使得快速進(jìn)行大量運(yùn)算成為可能。這些特點(diǎn)顯示了神經(jīng)網(wǎng)絡(luò)在解決高度非線性和嚴(yán)重不確定性系統(tǒng)的控制方面具有很大潛力。將神經(jīng)網(wǎng)絡(luò)引入控制系統(tǒng)是控制學(xué)科發(fā)展的必然趨勢(shì),它的引入不但為這一領(lǐng)域的突破帶來(lái)了生機(jī),同時(shí)也給控制研究帶來(lái)了許多亟待解決的問題。1、神經(jīng)網(wǎng)絡(luò)的發(fā)展簡(jiǎn)史神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)是將人工神經(jīng)網(wǎng)絡(luò)與控制理論相結(jié)合而發(fā)展起來(lái)的自動(dòng)控制領(lǐng)域的前沿學(xué)科之一,是智能控制的一個(gè)重要分支。神經(jīng)網(wǎng)絡(luò)的研究始于20世紀(jì)60年代,1960年,B.Widrow和M.E.Hoff首先把ANN用于控制系統(tǒng);B.Kilmer和W.S.McCulloch提出了KMB神經(jīng)網(wǎng)絡(luò)模型,并在”阿波羅”登月計(jì)劃中應(yīng)用,取得良好效果;1964年,B.Widrow等用ANN對(duì)小車倒立擺系統(tǒng)控制取得了成功。但之后神經(jīng)網(wǎng)絡(luò)控制的研究隨著ANN研究處于低谷。20世紀(jì)80年代后期,又重新受到重視,在神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制方法上發(fā)展迅速。當(dāng)前,應(yīng)用已很快滲透到智能控制等領(lǐng)域,并取得了很大的進(jìn)展。2、神經(jīng)網(wǎng)絡(luò)與其它算法相結(jié)合將神經(jīng)網(wǎng)絡(luò)與其它算法的結(jié)合,能夠達(dá)到優(yōu)化組合的目的,利于人工神經(jīng)網(wǎng)絡(luò)在智能控制方向的運(yùn)用。神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)、模糊邏輯、遺傳算法、小波神經(jīng)、混沌理論等相結(jié)合用于智能控制,可為系統(tǒng)提供非參數(shù)模型、控制器模型等。(1)人工神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合人工神經(jīng)網(wǎng)絡(luò)與模糊控制相結(jié)合,為模糊控制提供了良好的學(xué)習(xí)功能,并自動(dòng)生成模糊控制規(guī)則。人工神經(jīng)網(wǎng)絡(luò)由于其仿生特性,更能有效利用系統(tǒng)本身的信息,并能映射任意函數(shù)關(guān)系,而且還具有并行處理和自學(xué)習(xí)能力;另外,它容錯(cuò)能力也很強(qiáng)。因此,將二者結(jié)合可實(shí)現(xiàn)互補(bǔ),構(gòu)成良好的智能控制系統(tǒng)。在實(shí)際應(yīng)用中,最著名的科技成果就是20世紀(jì)90年代,日本松下公司推出了神經(jīng)模糊控制全自動(dòng)洗衣機(jī)。這是一個(gè)具有重要實(shí)踐意義的發(fā)展。當(dāng)前,模糊神經(jīng)網(wǎng)絡(luò)主要有三種結(jié)構(gòu):A:神經(jīng)——模糊系統(tǒng)?；谀：碚?利用神經(jīng)網(wǎng)絡(luò)作為構(gòu)造和學(xué)習(xí)工具,可解決隸屬度最優(yōu)設(shè)計(jì)、知識(shí)自動(dòng)獲取等問題。B:模糊——神經(jīng)系統(tǒng)。基于神經(jīng)網(wǎng)絡(luò),利用模糊邏輯改造神經(jīng)網(wǎng)絡(luò),可改進(jìn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可修正性。C:模糊神經(jīng)混雜系統(tǒng)。將兩者并列形成混雜系統(tǒng)。模糊推理與神經(jīng)網(wǎng)絡(luò)各自獨(dú)立工作,分別完成系統(tǒng)不同的功能。(2)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中研究和應(yīng)用最多的是多層前向網(wǎng)絡(luò),但它存在缺陷,在較多局部極小情況下很容易陷入局部極小點(diǎn),且不可避免地存在學(xué)習(xí)精度與學(xué)習(xí)速度的矛盾。而遺傳算法是力求充分模仿自然生物進(jìn)化的自然尋優(yōu)過程的隨機(jī)性、魯棒性和全局性,這是一種新的全局優(yōu)化搜索算法,因?yàn)槠渲苯訉?duì)結(jié)構(gòu)對(duì)象進(jìn)行操作,不存在求異和函數(shù)連續(xù)性的限定,魯棒性強(qiáng),具有隨機(jī)性和全局性,適于并行處理。也因此應(yīng)用范圍較廣。遺傳算法用于神經(jīng)網(wǎng)絡(luò)主要是用遺傳算法學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的權(quán)重和學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),而最主要的是學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的權(quán)重,也就是用遺傳算法來(lái)取代一些傳統(tǒng)的學(xué)習(xí)算法。(3)人工神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的結(jié)合專家系統(tǒng)在表示知識(shí)和邏輯推理方面有較強(qiáng)的優(yōu)勢(shì),而神經(jīng)網(wǎng)絡(luò)長(zhǎng)于非線性映射和直覺推理,將兩者相結(jié)合發(fā)揮各自的優(yōu)勢(shì),會(huì)獲得更好的控制效果。神經(jīng)網(wǎng)絡(luò)在知識(shí)獲取的過程中,只要求專家系統(tǒng)提供范例及相應(yīng)的解,就能經(jīng)過特定的學(xué)習(xí)算法對(duì)樣本進(jìn)行學(xué)習(xí),經(jīng)過網(wǎng)絡(luò)內(nèi)部自適應(yīng)算法對(duì)連接權(quán)值分布不斷的修改以達(dá)到性能要求,并把專家求解實(shí)際問題的啟發(fā)式知識(shí)和經(jīng)驗(yàn)分布到網(wǎng)絡(luò)的互連及權(quán)值的分布上。3、神經(jīng)網(wǎng)絡(luò)控制在城市交通中的應(yīng)用根據(jù)城市交叉口交通流的特點(diǎn),采用了一種交叉口多相位控制算法,綜合考慮相鄰車道上的車隊(duì)長(zhǎng)度,利用多層BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了道路交叉口多相位模糊控制。仿真結(jié)果表明,文中所設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)控制器能有效地減少單交岔口平均車輛延誤,具有較強(qiáng)的學(xué)習(xí)和泛化能力,是實(shí)現(xiàn)交通系統(tǒng)智能控制的一條新途徑。(1)該控制算法描述為:步驟l從相位開始,分別指定各相位的最短綠燈時(shí)間和最大綠燈時(shí)間;步驟2先給該相位以最短綠燈時(shí)間;步驟3測(cè)得放行車道的車隊(duì)長(zhǎng)度,設(shè)其為;步驟4若為0[<v(v為排隊(duì)長(zhǎng)度下限)],且大于某一給定值(e≥0),或累積綠燈時(shí)間,則將綠燈轉(zhuǎn)到下一相位,回到步驟1,否則繼續(xù);步驟5根據(jù)及值的大小來(lái)確定綠燈延長(zhǎng)時(shí)間,這能夠根據(jù)交警的經(jīng)驗(yàn)及交叉口的幾何形狀建立模糊控制規(guī)則。設(shè)延長(zhǎng)的綠燈時(shí)間為,若,則,否則,回到步驟3。(2)模糊控制器設(shè)計(jì):A:兩檢測(cè)器之間的車輛數(shù),隊(duì)長(zhǎng)之差為,綠燈追加時(shí)間的模糊化．模糊變量論域?yàn)?取7個(gè)語(yǔ)言值:,,,,,,。模糊變量論域?yàn)?,取5個(gè)語(yǔ)言值:,,,,。綠燈追加時(shí)間也被看作模糊變量,其論域,取7個(gè)語(yǔ)言值:,,,,,,。B:模糊條件語(yǔ)句構(gòu)成:ifisandisthenis。C:模糊判決(去模糊化)文中采用的模糊判決為最大隸屬度原則法。(3)模糊控制器的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊模型能夠用三個(gè)BP(誤差反傳)神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)。神經(jīng)網(wǎng)絡(luò)示意圖如圖1所示。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)=1\*ROMANI第一部分第二部分圖1模糊神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)示意圖GQJ神經(jīng)網(wǎng)絡(luò)=3\*ROMANIII神經(jīng)網(wǎng)絡(luò)=2\*ROMANII神經(jīng)網(wǎng)絡(luò)Ⅰ、Ⅱ分別用于生成和的隸屬函數(shù)。神經(jīng)網(wǎng)絡(luò)Ⅲ用于產(chǎn)生綠燈追加時(shí)間輸出.神經(jīng)網(wǎng)絡(luò)采用典型神經(jīng)元,其輸入、輸出關(guān)系為sigmoid函數(shù),即式中:為神經(jīng)元的輸出;為神經(jīng)元的輸入;為的權(quán)系數(shù);為閾值。(4)算法實(shí)現(xiàn)對(duì)于輸入樣本,層單元節(jié)點(diǎn)的輸人為:單元節(jié)點(diǎn)的輸出:權(quán)值的修正量:閾值的修正量該方法針對(duì)交通系統(tǒng)難以用數(shù)學(xué)模型準(zhǔn)確建模,進(jìn)而實(shí)施優(yōu)化控制的特點(diǎn),提出了一種神經(jīng)網(wǎng)絡(luò)模糊控制方法。神經(jīng)網(wǎng)路控制與模糊控制有效的結(jié)合起來(lái)構(gòu)成的神經(jīng)網(wǎng)路模糊控制具有較強(qiáng)的實(shí)用性,不但不需要被控對(duì)象精確的數(shù)學(xué)模型,而且能夠?qū)η疤犭`屬函數(shù)和控制規(guī)則進(jìn)行在線學(xué)習(xí)調(diào)整,不斷提高自身的適應(yīng)性、特別適合于系統(tǒng)結(jié)構(gòu)異常復(fù)雜、非線性、大時(shí)滯、干擾大的交通系統(tǒng),為實(shí)現(xiàn)交通系統(tǒng)智能化開辟了一條新途徑。該例證明了神經(jīng)網(wǎng)絡(luò)之因此現(xiàn)在又成為研究熱點(diǎn),很大程度上是由于與之交叉的模糊神經(jīng)網(wǎng)絡(luò)技術(shù)的注入,它把模糊邏輯系統(tǒng)與神經(jīng)網(wǎng)絡(luò)系統(tǒng)相結(jié)合,形成一個(gè)共生互補(bǔ)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的關(guān)鍵特性和基本限制是神經(jīng)網(wǎng)絡(luò)表示的信息是隱含的,如果要完全理解它幾乎是不可能的,而安排它的權(quán)值是它工作得如何的關(guān)鍵,然而卻又無(wú)法知道權(quán)值和理解神經(jīng)網(wǎng)絡(luò)在做什么。而模糊系統(tǒng)并不像神經(jīng)網(wǎng)絡(luò)系統(tǒng)那樣,它所具有的”知識(shí)”可經(jīng)過該領(lǐng)域的專家提供,但模糊邏輯控制規(guī)則是靠人的直覺經(jīng)驗(yàn)制定的,它本身并不具有學(xué)習(xí)能力。模糊控制規(guī)則越多,控制運(yùn)算的實(shí)時(shí)性越差,而且需要識(shí)別和建立規(guī)則的時(shí)間隨規(guī)則數(shù)的增加而按指數(shù)形式增加,這大大限制了模糊邏輯的應(yīng)用范圍。由此可知,模糊邏輯技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)各有所長(zhǎng)和局限性,如果把二者結(jié)合起來(lái),就能各取所長(zhǎng)、共生互補(bǔ),組成性能更好的系統(tǒng)。這實(shí)際上是人類大腦結(jié)構(gòu)和功能的模擬——大腦神經(jīng)網(wǎng)絡(luò)”硬件”拓?fù)浣Y(jié)構(gòu)+信息模糊處理”軟件”的思維功能。4、神經(jīng)網(wǎng)絡(luò)在智能控制領(lǐng)域的應(yīng)用概述神經(jīng)網(wǎng)絡(luò)由于其獨(dú)特的仿生結(jié)構(gòu)模型和固有的非線性模擬能力,以及高度的自適應(yīng)和容錯(cuò)特性等突出特征,在智能控制領(lǐng)域中獲得了廣泛的應(yīng)用,已取得了許多成果。這種應(yīng)用幾乎覆蓋了智能控制理論研究中的絕大多數(shù)問題,應(yīng)用形式主要有:機(jī)器學(xué)習(xí)、自然語(yǔ)言理解、計(jì)算機(jī)視覺、圖像分割、系統(tǒng)建模和辨別等。在20世紀(jì)60年代,專家們就提出了一種算法,利用這種算法,神經(jīng)網(wǎng)絡(luò)能夠成功地學(xué)會(huì)平衡一個(gè)干擾抑制器。利用神經(jīng)網(wǎng)絡(luò)技術(shù),控制系統(tǒng)能夠執(zhí)行傳感器表面一個(gè)圖像傳感器的反饋控制和圖像平面非線性關(guān)系的計(jì)算,并能把圖像傳感器瞄準(zhǔn)到正在運(yùn)動(dòng)的指定目標(biāo)上。顯然,這種技術(shù)能夠應(yīng)用到機(jī)器人的攝像機(jī)控制,而且還能夠應(yīng)用到諸如火控裝置等武器系統(tǒng)中。神經(jīng)網(wǎng)絡(luò)還被應(yīng)用于飛機(jī)的智能控制、機(jī)器人控制等方面。5、神經(jīng)網(wǎng)絡(luò)在智能控制領(lǐng)域的發(fā)展趨勢(shì)神經(jīng)網(wǎng)絡(luò)在智能控制領(lǐng)域中的研究取得了巨大的進(jìn)展?？墒侨藗儗?duì)生物神經(jīng)系統(tǒng)的了解還很少,神經(jīng)網(wǎng)絡(luò)模型無(wú)論從結(jié)構(gòu)還是網(wǎng)絡(luò)規(guī)模,都是真實(shí)神經(jīng)網(wǎng)絡(luò)的極簡(jiǎn)單的模擬,因此神經(jīng)網(wǎng)絡(luò)控制的研究、應(yīng)用大都停留在仿真和實(shí)驗(yàn)室研究階段,與大規(guī)模的工業(yè)運(yùn)用還有相當(dāng)長(zhǎng)的距離。從總體上來(lái)看,今后的研究應(yīng)致力于以下幾方面:(1)基礎(chǔ)理論研究:包括神經(jīng)網(wǎng)絡(luò)的層數(shù)、單元數(shù)隱層神經(jīng)元數(shù)量的確定、激發(fā)函數(shù)的類型、逼近精度與擬逼近非線性映射之間的關(guān)系,持續(xù)激勵(lì)與收斂等;(2)研究專門適合于智能控制問題的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型,解決相應(yīng)產(chǎn)生的對(duì)動(dòng)態(tài)網(wǎng)絡(luò)的逼近能力與學(xué)習(xí)算法問題;(3)不同結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)與之相對(duì)應(yīng)的算法的研究,及算法快速收斂性的研究;神經(jīng)網(wǎng)絡(luò)軟件模擬、硬件實(shí)現(xiàn)的研究;(4)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法、模糊理論等多種理論、控制算法的結(jié)合運(yùn)用研究。人工神經(jīng)網(wǎng)絡(luò)的本質(zhì)特性提供了其在智能控制領(lǐng)域中的廣泛應(yīng)用前景。隨著科技的發(fā)展,人們對(duì)生物神經(jīng)系統(tǒng)的深入認(rèn)識(shí)和理解,作為模擬生物神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)的觸角必將伸向智能控制領(lǐng)域各個(gè)方向,極大的促進(jìn)智能控制的快速發(fā)展。4智能控制的應(yīng)用現(xiàn)有的智能控制系統(tǒng)包括遞階控制系統(tǒng)、專家控制系統(tǒng)、模糊控制系統(tǒng)、神經(jīng)控制系統(tǒng)和學(xué)習(xí)控制系統(tǒng);另外,還提出了擬人控制系統(tǒng)、進(jìn)化控制系統(tǒng)、免疫控制系統(tǒng)等。這些系統(tǒng)都有其構(gòu)成原理、體系結(jié)構(gòu)和特性分析或算法等;這些系統(tǒng)也在不同的程度上得到應(yīng)用。下面簡(jiǎn)介幾個(gè)智能控制的主要應(yīng)用:1、智能機(jī)器人規(guī)劃與控制隨著機(jī)器人技術(shù)的迅速發(fā)展和自動(dòng)化程度的進(jìn)一步提高,已對(duì)機(jī)器人的功能提出更高的要求,特別需要各種不同程度智能的機(jī)器人。機(jī)器人研究者們所關(guān)心的主要研究方向之一是機(jī)器人運(yùn)動(dòng)的規(guī)劃與控制。給出一個(gè)規(guī)定的任務(wù)之后,首先必須做出滿足該任務(wù)要求的運(yùn)動(dòng)規(guī)劃;然后,這個(gè)規(guī)劃再由控制來(lái)執(zhí)行,該控制足以使機(jī)器人適當(dāng)?shù)禺a(chǎn)生所期望的運(yùn)動(dòng)。2、生產(chǎn)過程的智能監(jiān)控許多工業(yè)連續(xù)生產(chǎn)線,如軋鋼、化工、煉油、材料加工、造紙和核反應(yīng)等,其生產(chǎn)過程需要監(jiān)視和控制,以保證高性能和高可靠性。為保持物理參數(shù)具有一定的精度,確保產(chǎn)品的優(yōu)質(zhì)高產(chǎn),已在一些連續(xù)生產(chǎn)線或工業(yè)裝置上采用了有效的智能控制模式。例如,旋轉(zhuǎn)水泥窯的模糊控制、軋鋼機(jī)的神經(jīng)控制、分布式材料加工系統(tǒng)、分級(jí)智能材料處理、智能PH值過程控制、工業(yè)鍋爐的遞階智能控制以及基于知識(shí)的核反器控制等。3、自動(dòng)加工系統(tǒng)的智能控制計(jì)算機(jī)集成加工系統(tǒng)(CIMS)和柔性加工系統(tǒng)(FMS)在近年來(lái)獲得迅速發(fā)展。在一個(gè)復(fù)雜的加工過程中,不同條件下的多種操作是必要的,以求保證產(chǎn)品質(zhì)量。環(huán)境的不確定性以及系統(tǒng)硬件和軟件的復(fù)雜性,向當(dāng)代控制工程師們?cè)O(shè)計(jì)和實(shí)現(xiàn)有效的集成控制系統(tǒng)如焊接過程的模糊控制、汽車工業(yè)生產(chǎn)過程的神經(jīng)控制、數(shù)控機(jī)床加工智能控制等提出了挑戰(zhàn)。4、智能故障檢測(cè)與診斷故障檢測(cè)和診斷與過程監(jiān)控密切相關(guān)。一個(gè)高級(jí)的過程控制系統(tǒng)應(yīng)當(dāng)具有故障自動(dòng)檢測(cè)和自診斷能力,以保證系統(tǒng)工作的高度可靠性。許多高級(jí)的醫(yī)療診斷系統(tǒng)也是智能故障診斷系統(tǒng)。所有智能故障檢測(cè)與診斷(IFDD)系統(tǒng)的一般任務(wù)是根據(jù)已觀察到的狀況、領(lǐng)域知識(shí)和經(jīng)驗(yàn),推斷出系統(tǒng)、部件或器官的故障原因,以便盡可能及時(shí)發(fā)現(xiàn)和排除故障,以提高系統(tǒng)或裝備的可靠性。生產(chǎn)過程故障診斷系統(tǒng)能夠了解各部分的特性以及這些特性間的關(guān)系,為用戶提供檢測(cè)數(shù)據(jù),并盡可能正確地從不確定信息中做出診斷結(jié)論。智能故障檢測(cè)與診斷系統(tǒng)是一個(gè)問題求解的計(jì)算機(jī)系統(tǒng),也是一種智能控制系統(tǒng)。典型的IFDD系統(tǒng)有太空站熱過程控制系統(tǒng)的故障診斷、火電站鍋爐給水過程控制系統(tǒng)的故障檢測(cè)與診斷和雷達(dá)故障診斷專家系統(tǒng)等。5、飛行器的智能控制飛行過程控制一直是自動(dòng)控制的重要應(yīng)用研究領(lǐng)域之一。大多數(shù)商用飛機(jī)都裝備有可供選擇的自動(dòng)降落系統(tǒng)的自動(dòng)駕駛儀。一種基于神經(jīng)網(wǎng)絡(luò)的飛行控制器能夠處理紊流和其它可能出現(xiàn)的非線性控制情況。神經(jīng)網(wǎng)絡(luò)能夠較好地處理各種非線性或未識(shí)別線性關(guān)系,而這些關(guān)系往往是駕駛員可能運(yùn)用的。神經(jīng)網(wǎng)絡(luò)在原則上能夠產(chǎn)生從一個(gè)大的變量集合(如傳感器參量)到另一個(gè)變量集合(如操作模式或控制動(dòng)作)的映射。自20世紀(jì)80年代以來(lái),智能控制已被應(yīng)用于飛行過程控制,特別是飛機(jī)的俯傾(flare)和降落(landing)控制。6、醫(yī)