人工智能技術(shù)及應(yīng)用 課件 第5-8章 智能控制理論與技術(shù)及其應(yīng)用-人工智能的主要應(yīng)用領(lǐng)域

5.1自動(dòng)控制的起源與發(fā)展概述5.2經(jīng)典控制的基本理論與技術(shù)5.3自動(dòng)控制的應(yīng)用領(lǐng)域5.4現(xiàn)代控制的基本理論與技術(shù)5.5智能控制的基本理論與技術(shù)5.6智能控制的典型應(yīng)用5.1自動(dòng)控制的起源與發(fā)展概述自動(dòng)控制技術(shù)起源于歐洲的工業(yè)革命時(shí)期，已經(jīng)有幾百年的歷史，對(duì)人類生產(chǎn)力和生活水平的提高與科技進(jìn)步產(chǎn)生了巨大的作用和深遠(yuǎn)的影響。自動(dòng)控制的定義是：在沒有人直接參與的條件下，利用控制器使被控對(duì)象的某些物理量或工作狀態(tài)能自動(dòng)地按照預(yù)定的規(guī)律變化或運(yùn)行。自動(dòng)控制技術(shù)主要是指機(jī)器設(shè)備或生產(chǎn)管理過程通過自動(dòng)檢測(cè)、信息處理、分析判斷自動(dòng)地實(shí)現(xiàn)，其運(yùn)行過程無需人為干預(yù)，而是由相關(guān)設(shè)備實(shí)現(xiàn)對(duì)生產(chǎn)過程與管理的自動(dòng)控制。該技術(shù)的核心原理是用傳感器檢測(cè)指令信息、系統(tǒng)變化的物理信息以及被控對(duì)象的狀態(tài)信息，并將其轉(zhuǎn)換成相應(yīng)的電信號(hào)輸入到控制裝置；然后由控制裝置通過模擬或者數(shù)字方式實(shí)時(shí)計(jì)算出被控對(duì)象的被控量，并與期望的被控量相減得到其誤差信號(hào)；誤差信號(hào)經(jīng)過放大和處理，送給控制執(zhí)行機(jī)構(gòu)，通過閉環(huán)控制驅(qū)動(dòng)被控對(duì)象，最終達(dá)到所希望的狀態(tài)。英國人瓦特在發(fā)明蒸汽機(jī)的同時(shí)，應(yīng)用反饋原理，于1788年發(fā)明了離心式調(diào)速器。當(dāng)負(fù)載或蒸汽量供給發(fā)生變化時(shí)，離心式調(diào)速器能夠自動(dòng)調(diào)節(jié)進(jìn)氣閥的開度，從而控制蒸汽機(jī)的轉(zhuǎn)速，由此開始出現(xiàn)自動(dòng)控制的構(gòu)想。1932年，奈奎斯特根據(jù)頻率穩(wěn)定性判斷，給出了新的自動(dòng)控制理論，負(fù)反饋系統(tǒng)可以直接自動(dòng)分析頻率的大小，從而確定反饋結(jié)果。其后利用根軌跡設(shè)計(jì)實(shí)現(xiàn)對(duì)于參數(shù)的變換處理，從而更好地保證其性能的完好性。自動(dòng)控制理論的主要發(fā)明人、奠基人是美國數(shù)學(xué)家諾伯特·維納。他的控制論被公認(rèn)為是世界信息化的奠基理論，同時(shí)也奠定了自動(dòng)控制學(xué)科的基礎(chǔ)。20世紀(jì)20年代～40年代成熟的經(jīng)典控制理論主要研究單輸入-單輸出、線性定常數(shù)系統(tǒng)的分析和設(shè)計(jì)。其主要理論是利用傳遞函數(shù)、根軌跡等方法，使控制系統(tǒng)實(shí)現(xiàn)自動(dòng)穩(wěn)定，完成生產(chǎn)和管理任務(wù)。20世紀(jì)50、60年代發(fā)展起來的現(xiàn)代控制理論是為了解決被控系統(tǒng)多輸入、多輸出、非線性特性的控制問題，其利用了大量的微積分、線性代數(shù)和矩陣論等高等數(shù)學(xué)中的理論知識(shí)。自動(dòng)控制目前發(fā)展到第三代，即智能控制。智能控制是具有智能信息處理、智能信息反饋和智能控制決策的控制方式，是控制理論發(fā)展的高級(jí)階段，主要用來解決那些用傳統(tǒng)方法難以解決的復(fù)雜系統(tǒng)的控制問題。智能控制研究對(duì)象的主要特點(diǎn)是具有不確定性的數(shù)學(xué)模型、高度的非線性和復(fù)雜的任務(wù)要求。智能控制的思想出現(xiàn)于20世紀(jì)60年代。當(dāng)時(shí)對(duì)學(xué)習(xí)控制的研究十分活躍，并獲得較好的應(yīng)用。如自學(xué)習(xí)和自適應(yīng)控制方法相繼被發(fā)明出來，用于解決控制系統(tǒng)的隨機(jī)特性問題和模型未知問題。智能控制與傳統(tǒng)控制的主要區(qū)別在于傳統(tǒng)控制必須依賴于被控制對(duì)象的數(shù)學(xué)模型，而智能控制可以解決非模型化系統(tǒng)的控制問題。智能控制理論不同于經(jīng)典控制理論和現(xiàn)代控制理論的處理方法，它研究的主要目標(biāo)不再是被控對(duì)象而是控制器本身?？刂破鞑辉偈菃我坏臄?shù)學(xué)模型解析，而是數(shù)學(xué)模型和知識(shí)系統(tǒng)相結(jié)合的廣義模型。與傳統(tǒng)控制相比，智能控制具有以下基本特點(diǎn)：(1)智能控制的本質(zhì)特征體現(xiàn)在能對(duì)復(fù)雜系統(tǒng)(如非線性、快時(shí)變、復(fù)雜多變量、環(huán)境擾動(dòng)等)進(jìn)行有效的全局控制，實(shí)現(xiàn)廣義問題求解，并具有較強(qiáng)的容錯(cuò)能力。(2)智能控制的基本目的是從系統(tǒng)的功能和整體優(yōu)化的角度來分析與綜合，以實(shí)現(xiàn)預(yù)定的控制目標(biāo)。智能控制系統(tǒng)具有變結(jié)構(gòu)特點(diǎn)，能總體自尋優(yōu)，具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào)能力。(3)智能控制系統(tǒng)有補(bǔ)償及自修復(fù)能力和判斷決策能力。智能控制以控制理論、計(jì)算機(jī)科學(xué)、人工智能、運(yùn)籌學(xué)等學(xué)科為基礎(chǔ)，擴(kuò)展了相關(guān)的理論和技術(shù)，其中應(yīng)用較多的有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等理論與算法，以及自適應(yīng)控制、自組織控制和自學(xué)習(xí)控制等技術(shù)。智能控制目前已經(jīng)應(yīng)用于工農(nóng)業(yè)生產(chǎn)、軍事和科學(xué)研究等各個(gè)行業(yè)的各個(gè)領(lǐng)域，但還有很多理論和技術(shù)問題還有待解決，特別是對(duì)于非線性、多變量、時(shí)變特性的復(fù)雜系統(tǒng)的控制，現(xiàn)有的控制方法還很不完善，還需要進(jìn)行深入的研究。隨著我國社會(huì)經(jīng)濟(jì)的快速發(fā)展和科學(xué)技術(shù)水平的不斷提高，我國智能控制技術(shù)也得到了長足發(fā)展，其應(yīng)用也日益廣泛，包括工業(yè)生產(chǎn)、農(nóng)業(yè)生產(chǎn)、軍事科研、社會(huì)生活等領(lǐng)域，因此，了解智能控制的一些基本概念和應(yīng)用，對(duì)人們的工作和生活大有裨益。5.2經(jīng)典控制的基本理論與技術(shù)5.2.1前饋控制系統(tǒng)經(jīng)典控制的基本原理可通過前饋控制和反饋控制兩個(gè)方法來實(shí)現(xiàn)。前饋控制是在蘇聯(lián)學(xué)者所倡導(dǎo)的不變性原理的基礎(chǔ)上發(fā)展起來的。20世紀(jì)50年代以后，在工程上，前饋控制系統(tǒng)逐漸得到了廣泛的應(yīng)用。前饋控制系統(tǒng)是根據(jù)擾動(dòng)或給定值的變化按補(bǔ)償原理來工作的控制系統(tǒng)，其特點(diǎn)是當(dāng)擾動(dòng)產(chǎn)生后，被控變量還未變化以前，根據(jù)擾動(dòng)作用的大小進(jìn)行控制，以補(bǔ)償擾動(dòng)作用對(duì)被控變量的影響。前饋控制系統(tǒng)運(yùn)用得當(dāng)，可以使被控變量的擾動(dòng)消滅在萌芽之中，被控變量不會(huì)因擾動(dòng)作用或給定值變化而產(chǎn)生偏差。它較之反饋控制能更加及時(shí)地進(jìn)行控制，并且不受系統(tǒng)滯后的影響。采用前饋控制系統(tǒng)的條件是：(1)擾動(dòng)可測(cè)但是不可控。(2)擾動(dòng)變化頻繁且變化幅度大。(3)擾動(dòng)對(duì)被控變量的影響顯著，反饋控制難以及時(shí)克服。5.2.2反饋控制系統(tǒng)反饋控制是按偏差進(jìn)行控制的，其特點(diǎn)是不論什么原因使被控量偏離期望值而產(chǎn)生偏差，必定會(huì)產(chǎn)生一個(gè)相應(yīng)的控制作用去降低或消除偏差，使被控量與期望值趨于一致。在反饋控制系統(tǒng)中，由輸入到輸出的前向信號(hào)通路和輸出到輸入的反饋信號(hào)通路組成一個(gè)閉環(huán)控制系統(tǒng)。反饋控制是自動(dòng)控制的主要形式，但是無論是前饋控制還是反饋控制，目的都是一致的，都是為了被控量按照任務(wù)要求穩(wěn)定輸出。反饋控制系統(tǒng)的基本組成如圖5.1所示，該系統(tǒng)主要包括五個(gè)部分：被控對(duì)象、測(cè)量元件、比較元件、放大元件及執(zhí)行元件，圖中的“○”表示比較元件。此外，為了改善系統(tǒng)的自動(dòng)控制靜態(tài)與動(dòng)態(tài)的能力，通常還會(huì)加入自動(dòng)校正裝置(見圖5.1)。在自動(dòng)控制系統(tǒng)中，信號(hào)的傳遞都有一個(gè)閉合的回路。被控對(duì)象經(jīng)過反饋環(huán)節(jié)作用到系統(tǒng)的輸入端，并與輸入信號(hào)作減法運(yùn)算，然后利用所得到的誤差信號(hào)對(duì)系統(tǒng)狀態(tài)進(jìn)行有效控制。5.2.3開環(huán)控制系統(tǒng)自動(dòng)控制系統(tǒng)中還有一種開環(huán)控制方式，其原理圖如圖5.2所示。開環(huán)控制是指控制裝置(控制器)與被控對(duì)象之間只有順向作用而沒有反向反饋的控制過程，這種控制系統(tǒng)稱為開環(huán)控制系統(tǒng)，其特點(diǎn)是系統(tǒng)的輸出量不會(huì)對(duì)系統(tǒng)的控制作用產(chǎn)生影響。開環(huán)控制系統(tǒng)可以按給定量控制方式組成，也可以按擾動(dòng)控制方式組成。按給定量控制的開環(huán)控制系統(tǒng)，其控制作用直接由系統(tǒng)的輸入量產(chǎn)生。一個(gè)給定輸入量就有一個(gè)輸出量與之相對(duì)應(yīng)，其控制精度完全取決于所用的元件及校準(zhǔn)的精度。5.2.4自動(dòng)控制系統(tǒng)的性能要求在各種實(shí)際控制系統(tǒng)中，為達(dá)到控制目標(biāo)，控制系統(tǒng)必須滿足一定的性能指標(biāo)。對(duì)于一個(gè)閉環(huán)控制系統(tǒng)而言，當(dāng)輸入量和擾動(dòng)量均不變、系統(tǒng)自身的結(jié)構(gòu)和參數(shù)也不變化時(shí)，系統(tǒng)輸出量也是恒定不變的，這種狀態(tài)稱為平衡態(tài)或稱為穩(wěn)態(tài)。當(dāng)輸入量或擾動(dòng)量發(fā)生變化時(shí)，反饋量將與輸入量產(chǎn)生偏差，通過控制器的作用，使輸出量最終穩(wěn)定，即達(dá)到一個(gè)新的平衡狀態(tài)。但由于系統(tǒng)中各環(huán)節(jié)總存在慣性，系統(tǒng)從一個(gè)平衡態(tài)到另一個(gè)平衡態(tài)不能瞬間達(dá)到，需要一個(gè)過渡過程，該過程稱為控制的暫態(tài)過程。對(duì)閉環(huán)控制系統(tǒng)而言，根據(jù)系統(tǒng)穩(wěn)態(tài)輸出和暫態(tài)過程的特性，有三個(gè)主要性能指標(biāo)要求，即穩(wěn)定性、準(zhǔn)確性、快速性。①穩(wěn)定性是指系統(tǒng)處于平衡狀態(tài)時(shí)受到外界擾動(dòng)后系統(tǒng)偏離了原來的平衡狀態(tài)，如果擾動(dòng)消失，系統(tǒng)能夠回到受擾以前的平衡狀態(tài)。②準(zhǔn)確性用穩(wěn)態(tài)誤差來衡量。所謂穩(wěn)態(tài)誤差，是指系統(tǒng)達(dá)到穩(wěn)態(tài)時(shí)被控量的實(shí)際值和希望值之間的偏差。偏差越小，表示控制系統(tǒng)的準(zhǔn)確性越高。③快速性是指控制系統(tǒng)的暫態(tài)性能的好壞，一般用td、tr、tp三個(gè)時(shí)間和最大超調(diào)量σp來刻畫。延遲時(shí)間td：系統(tǒng)響應(yīng)從零上升到穩(wěn)態(tài)值的50%所需的時(shí)間。上升時(shí)間tr：對(duì)于欠阻尼系統(tǒng)，是指系統(tǒng)響應(yīng)從零上升到穩(wěn)態(tài)值所需的時(shí)間；對(duì)于過阻尼系統(tǒng)，則指響應(yīng)從穩(wěn)態(tài)值的10%上升到90%所需的時(shí)間。峰值時(shí)間tp：指欠阻尼系統(tǒng)響應(yīng)到達(dá)第一個(gè)峰值所需的時(shí)間。最大超調(diào)量σp(簡稱超調(diào)量)：指系統(tǒng)在暫態(tài)過程中輸出響應(yīng)超過穩(wěn)態(tài)值的最大偏離，如圖5.3所示。自動(dòng)控制系統(tǒng)的另一個(gè)重要性能指標(biāo)是魯棒性?？刂葡到y(tǒng)的魯棒性是指系統(tǒng)在不確定性的擾動(dòng)下，具有保持某種性能不變的能力。魯棒性包括穩(wěn)定魯棒性和品質(zhì)魯棒性。一個(gè)控制系統(tǒng)是否具有魯棒性，是它能否真正實(shí)際應(yīng)用的關(guān)鍵。因此，現(xiàn)代控制系統(tǒng)的設(shè)計(jì)已將魯棒性作為一種最重要的設(shè)計(jì)指標(biāo)。為了解決控制系統(tǒng)的魯棒性問題，近年來出現(xiàn)了兩個(gè)主要的研究方向：一個(gè)是主動(dòng)式(Active)適應(yīng)技術(shù)，即通常稱的自適應(yīng)控制系統(tǒng)設(shè)計(jì)技術(shù)。它應(yīng)用辨識(shí)方法不斷了解系統(tǒng)的不確定性，并在此基礎(chǔ)上調(diào)整控制器的結(jié)構(gòu)與參數(shù)，從而使系統(tǒng)滿足性能指標(biāo)要求。另一個(gè)是被動(dòng)式適應(yīng)技術(shù)，即一般稱的魯棒控制設(shè)計(jì)技術(shù)。對(duì)具有不確定性的系統(tǒng)設(shè)計(jì)一個(gè)控制器，使系統(tǒng)在不確定性范圍內(nèi)工作時(shí)，滿足系統(tǒng)的設(shè)計(jì)性能指標(biāo)要求。5.3自動(dòng)控制的應(yīng)用領(lǐng)域自動(dòng)化控制系統(tǒng)的應(yīng)用領(lǐng)域相當(dāng)廣泛，幾乎包括人類所有的生產(chǎn)活動(dòng)、日常生活和科學(xué)研究領(lǐng)域。目前，自動(dòng)控制技術(shù)已被廣泛用于工農(nóng)業(yè)生產(chǎn)、軍事、科學(xué)研究、航空航天、機(jī)器人制造、交通運(yùn)輸、商業(yè)、醫(yī)療、服務(wù)和家庭等方面。采用自動(dòng)控制不僅可以把人們從繁重的體力勞動(dòng)、部分腦力勞動(dòng)以及惡劣、危險(xiǎn)的工作環(huán)境中解放出來，而且還能擴(kuò)展人的能力，極大地提高勞動(dòng)生產(chǎn)率，增強(qiáng)人類認(rèn)識(shí)世界和改造世界的能力。作為一個(gè)綜合性較強(qiáng)的學(xué)科，自動(dòng)控制技術(shù)與很多學(xué)科相互關(guān)聯(lián)，尤其是與計(jì)算機(jī)科學(xué)和信息技術(shù)密切相關(guān)。此外，在辦公自動(dòng)化、圖書管理、交通自動(dòng)管理等方面也有重要的應(yīng)用。總之，隨著科學(xué)技術(shù)的不斷進(jìn)步，自動(dòng)控制技術(shù)也將向更深、更廣的領(lǐng)域邁進(jìn)，在人類現(xiàn)代生活中也將扮演越來越重要的角色，必將為人類社會(huì)進(jìn)步做出更大的貢獻(xiàn)。5.4現(xiàn)代控制的基本理論與技術(shù)由于經(jīng)典控制理論受單輸入-單輸出系統(tǒng)的限制，無法在現(xiàn)實(shí)應(yīng)用中處理大量工程都帶有的動(dòng)態(tài)耦合的多輸入-多輸出系統(tǒng)的控制問題，而且其只適應(yīng)于線性時(shí)不變系統(tǒng)，其設(shè)計(jì)方法也極度依賴設(shè)計(jì)人員的經(jīng)驗(yàn)，故而無法滿足實(shí)際控制系統(tǒng)越來越復(fù)雜的需求，因此現(xiàn)代控制理論與技術(shù)在20世紀(jì)50、60年代才逐漸發(fā)展起來。現(xiàn)代控制理論是建立在狀態(tài)空間模型基礎(chǔ)之上的控制系統(tǒng)分析和設(shè)計(jì)理論，其本質(zhì)是基于狀態(tài)空間模型在時(shí)域中對(duì)系統(tǒng)進(jìn)行分析和設(shè)計(jì)。狀態(tài)是指在系統(tǒng)中可決定系統(tǒng)狀態(tài)最小數(shù)目變量的有序集合，而所謂狀態(tài)空間則是指該系統(tǒng)全部可能狀態(tài)的集合。狀態(tài)空間模型可以表示出系統(tǒng)內(nèi)部狀態(tài)與其他物理量之間的關(guān)系，可由控制系統(tǒng)的傳遞函數(shù)導(dǎo)出狀態(tài)空間模型，也可由相關(guān)物理定律建立被控系統(tǒng)的狀態(tài)空間模型，還可以利用Matlab軟件對(duì)狀態(tài)空間模型進(jìn)行分析。現(xiàn)代控制理論還包括對(duì)系統(tǒng)的能控性和觀測(cè)性的分析、基于李雅普諾夫的穩(wěn)定性理論的被控系統(tǒng)穩(wěn)定性分析、動(dòng)態(tài)系統(tǒng)的最優(yōu)控制方法應(yīng)用等。1892年李雅普諾夫提出了李雅普諾夫穩(wěn)定性可用來描述一個(gè)動(dòng)力系統(tǒng)的穩(wěn)定性。20世紀(jì)70年代，美國新墨西哥大學(xué)計(jì)算機(jī)學(xué)系教授CleveMoler用Fortan編寫了最早的Matlab軟件。現(xiàn)代控制理論研究的問題主要是最優(yōu)控制規(guī)律的尋求。如何根據(jù)給定的目標(biāo)函數(shù)和約束條件，尋求最優(yōu)控制規(guī)律的問題，即最優(yōu)控制問題。在解決最優(yōu)控制問題的方法中，龐特里亞金的“最大值原理”和貝爾曼的“動(dòng)態(tài)規(guī)劃法”得到了較為廣泛的應(yīng)用。從不同的思維角度出發(fā)，現(xiàn)代控制理論包括以下幾個(gè)主要分支：最優(yōu)控制、自適應(yīng)控制、魯棒控制、神經(jīng)網(wǎng)絡(luò)控制、模糊識(shí)別、預(yù)測(cè)控制等。隨著控制系統(tǒng)復(fù)雜性的增加，人們對(duì)控制系統(tǒng)的三大基本標(biāo)準(zhǔn)便有了更高的要求，控制系統(tǒng)向著開放化、廣義模型化、多目標(biāo)優(yōu)化、混合式控制方向發(fā)展[14]。表5.1給出了現(xiàn)代控制理論與經(jīng)典控制理論的差異。5.4.1線性系統(tǒng)理論自然界和社會(huì)系統(tǒng)一般是非線性系統(tǒng)，但在一定的條件下，可將非線性系統(tǒng)近似為線性系統(tǒng)。線性系統(tǒng)科學(xué)技術(shù)是一門應(yīng)用性很強(qiáng)的學(xué)科，面對(duì)著各種各樣錯(cuò)綜復(fù)雜的系統(tǒng)，控制對(duì)象可能是確定性的，也可能是隨機(jī)性的；控制方法可能是常規(guī)控制，也可能是最優(yōu)化控制?？刂评碚摵蜕鐣?huì)生產(chǎn)及科學(xué)技術(shù)的發(fā)展密切相關(guān)，且近代得到極為迅速的發(fā)展。線性系統(tǒng)理論是現(xiàn)代控制理論中最基礎(chǔ)、最成熟的基本理論之一。這些方法使系統(tǒng)的建模、分析、綜合得以簡化，為系統(tǒng)控制理論的其他分支乃至其他學(xué)科提供了可借鑒的思路，它們是解決復(fù)雜問題的一條有效途徑。線性系統(tǒng)理論的主要內(nèi)容包括：(1)與系統(tǒng)結(jié)構(gòu)有關(guān)的各種問題，例如系統(tǒng)結(jié)構(gòu)的能控與能觀性、結(jié)構(gòu)分解問題和解耦問題等。(2)關(guān)于控制系統(tǒng)中反饋?zhàn)饔玫母鞣N問題，包括輸出反饋和狀態(tài)反饋對(duì)控制系統(tǒng)性能的影響及反饋控制系統(tǒng)的綜合設(shè)計(jì)等問題，主要研究課題是極點(diǎn)配置。(3)狀態(tài)觀測(cè)器問題，研究用來重構(gòu)系統(tǒng)狀態(tài)的狀態(tài)觀測(cè)器的原理和設(shè)計(jì)問題。(4)實(shí)現(xiàn)問題，研究如何構(gòu)造具有給定外部特性線性系統(tǒng)的問題，主要研究課題是最小實(shí)現(xiàn)問題。(5)幾何理論，用幾何觀點(diǎn)研究線性系統(tǒng)的全局性問題。(6)代數(shù)理論，用抽象代數(shù)方法研究線性系統(tǒng)，把線性系統(tǒng)理論抽象化和符號(hào)化。(7)多變量頻域方法，是在狀態(tài)空間法基礎(chǔ)上發(fā)展起來的頻域方法，可以用來處理多變量線性系統(tǒng)的許多分析和綜合問題，也稱為現(xiàn)代頻域方法。(8)時(shí)變線性系統(tǒng)理論，研究時(shí)變線性系統(tǒng)的分析、綜合和各種特性。對(duì)于大規(guī)模線性系統(tǒng)的工程問題，數(shù)值方法和近似方法的研究占有重要地位。5.4.2系統(tǒng)辨識(shí)在現(xiàn)代控制系統(tǒng)中，一些控制系統(tǒng)的數(shù)學(xué)模型難以用理論方法來建立，而是需要通過實(shí)驗(yàn)數(shù)據(jù)確定其數(shù)學(xué)模型和估計(jì)參數(shù)，這種控制場合都要利用辨識(shí)技術(shù)。辨識(shí)技術(shù)已經(jīng)推廣到工程和非工程上的許多領(lǐng)域。具體講，辨識(shí)是根據(jù)系統(tǒng)的輸入、輸出時(shí)間函數(shù)來確定描述系統(tǒng)行為的數(shù)學(xué)模型。通過辨識(shí)建立數(shù)學(xué)模型的目的是估計(jì)表征系統(tǒng)行為的重要參數(shù)，建立一個(gè)能模仿真實(shí)系統(tǒng)行為的模型，用當(dāng)前可測(cè)量的系統(tǒng)的輸入和輸出預(yù)測(cè)系統(tǒng)輸出的未來演變，以及設(shè)計(jì)控制器。對(duì)系統(tǒng)進(jìn)行分析的主要問題是根據(jù)輸入時(shí)間函數(shù)和系統(tǒng)的特性來確定輸出信號(hào)。系統(tǒng)辨識(shí)包括兩個(gè)方面：結(jié)構(gòu)辨識(shí)和參數(shù)估計(jì)。在實(shí)際的辨識(shí)過程中，雖然使用的方法不同，但結(jié)構(gòu)辨識(shí)和參數(shù)估計(jì)這兩個(gè)方面并不是截然分開的，而是交織在一起進(jìn)行的。5.4.3最優(yōu)控制

最優(yōu)控制就是在給定限制條件和性能指標(biāo)下，尋找使系統(tǒng)性能在一定意義下為最優(yōu)的控制規(guī)律。這里所說的“限制條件”是指物理上對(duì)系統(tǒng)所施加的一些限制，而“性能指標(biāo)”是為評(píng)價(jià)系統(tǒng)的優(yōu)劣而人為規(guī)定的標(biāo)準(zhǔn)。它是以系統(tǒng)在整個(gè)工作期間的性能作為一個(gè)整體而出現(xiàn)的，尋找控制律也就是綜合出所需的控制器。在解決最優(yōu)控制問題中，龐特里亞金的極大值原理和貝爾曼動(dòng)態(tài)規(guī)劃法是兩種最重要的方法，它們以不同的形式給出了最優(yōu)控制所必須滿足的條件，并推出了許多定性的性質(zhì)。5.4.4自適應(yīng)控制自適應(yīng)控制就是在系統(tǒng)的模型不確定的情況下，求解控制規(guī)律，使給定的性能指標(biāo)達(dá)到且保持最優(yōu)。根據(jù)這一定義可知，自適應(yīng)控制就是一種特殊的最優(yōu)控制。這里所謂的“模型不確定性”，是指描述被控對(duì)象及其環(huán)境的數(shù)學(xué)模型不是完全確定的，其中包含一些未知因素和隨機(jī)干擾。自適應(yīng)控制系統(tǒng)的設(shè)計(jì)思想大體可分成兩個(gè)不同的類型：一類是改變可調(diào)系統(tǒng)的參數(shù)，使閉環(huán)系統(tǒng)的零、極點(diǎn)分布始終合乎規(guī)定的要求，稱為零、極點(diǎn)補(bǔ)償法(或零、極點(diǎn)分布法)；另一類是改變可調(diào)系統(tǒng)的參數(shù)，使參考模型和可調(diào)系統(tǒng)輸出之間的誤差最小，這種自適應(yīng)控制系統(tǒng)稱為參考模型自適應(yīng)控制系統(tǒng)。前一類設(shè)計(jì)方法基本上是使用了設(shè)計(jì)一般線性反饋控制系統(tǒng)的傳統(tǒng)方法，后一類設(shè)計(jì)方法以MIT設(shè)計(jì)方法為代表。由前一類設(shè)計(jì)方法得出的自適應(yīng)控制系統(tǒng)，需要對(duì)系統(tǒng)參數(shù)進(jìn)行單獨(dú)辨識(shí)，而在參考模型自適應(yīng)控制系統(tǒng)中，由于自適應(yīng)機(jī)構(gòu)的作用原理使得模型和系統(tǒng)間輸出誤差最小，從而不需要對(duì)系統(tǒng)的參數(shù)做另外的辨識(shí)，這是這一類自適應(yīng)控制系統(tǒng)的主要特征。一個(gè)實(shí)際系統(tǒng)的不確定性有時(shí)主要存在于系統(tǒng)內(nèi)部，有時(shí)又主要存在于系統(tǒng)外部。從系統(tǒng)內(nèi)部來講，被控系統(tǒng)的數(shù)學(xué)模型的結(jié)構(gòu)和參數(shù)，對(duì)于設(shè)計(jì)者來說，事先并不一定能準(zhǔn)確知道，而系統(tǒng)外部總會(huì)存在很多擾動(dòng)，這些擾動(dòng)通常是不可預(yù)測(cè)的。換句話說，自適應(yīng)控制系統(tǒng)所依據(jù)的關(guān)于模型和擾動(dòng)的先驗(yàn)知識(shí)比較少，需要在系統(tǒng)的運(yùn)行過程中不斷提取有關(guān)模型的信息和外部擾動(dòng)信息，使模型逐步完善。此外，還有一些測(cè)量時(shí)產(chǎn)生的不確定因素也會(huì)進(jìn)入系統(tǒng)。面對(duì)這些客觀存在的多種多樣的不確定性，如何設(shè)計(jì)適當(dāng)?shù)目刂破鳎沟媚撤N設(shè)定的性能指標(biāo)達(dá)到并保持最優(yōu)或者近似最優(yōu)，是自適應(yīng)控制所要研究解決的關(guān)鍵問題。自適應(yīng)控制可以依據(jù)對(duì)象的輸入輸出數(shù)據(jù)，不斷地辨識(shí)模型參數(shù)，這個(gè)過程稱為系統(tǒng)的在線辨識(shí)。隨著控制過程的不斷進(jìn)行，通過在線辨識(shí)，模型會(huì)變得越來越準(zhǔn)確，越來越接近于實(shí)際情況。因此控制系統(tǒng)具有一定的適應(yīng)能力。常規(guī)的反饋控制系統(tǒng)對(duì)于系統(tǒng)內(nèi)部特性的變化和外部擾動(dòng)的影響都具有一定的抑制能力，但是由于控制器參數(shù)是固定的，當(dāng)系統(tǒng)內(nèi)部特性變化或者外部擾動(dòng)的變化幅度很大時(shí)，系統(tǒng)的性能常常會(huì)大幅度下降，甚至不穩(wěn)定。所以對(duì)那些對(duì)象特性或擾動(dòng)特性變化范圍很大，同時(shí)又要求經(jīng)常保持高性能指標(biāo)的系統(tǒng)，采取自適應(yīng)控制是合適的。但是同時(shí)也應(yīng)當(dāng)指出，自適應(yīng)控制比常規(guī)反饋控制要復(fù)雜得多，成本也高得多，因此只有在用常規(guī)反饋控制達(dá)不到所期望的性能時(shí)，才會(huì)考慮采用自適應(yīng)控制。參考模型自適應(yīng)控制的原理方框圖如圖5.4所示。5.5智能控制的基本理論與技術(shù)5.5.1智能控制的發(fā)展歷史簡介智能控制系統(tǒng)是當(dāng)今國內(nèi)外自動(dòng)化學(xué)科中一個(gè)十分活躍和具有挑戰(zhàn)性的研究領(lǐng)域，是一門新興的交叉學(xué)科。智能控制系統(tǒng)與人工智能、自動(dòng)控制、運(yùn)籌學(xué)、計(jì)算機(jī)科學(xué)、模糊數(shù)學(xué)、進(jìn)化論、模式識(shí)別、信息論、仿生學(xué)和認(rèn)知心理學(xué)等學(xué)科有著密切的關(guān)系，是相關(guān)學(xué)科相互結(jié)合與滲透的產(chǎn)物，具有廣闊的應(yīng)用前景，目前已廣泛用于各種工業(yè)自動(dòng)化領(lǐng)域。在現(xiàn)代控制系統(tǒng)中許多智能技術(shù)已得到了充分的運(yùn)用，合理有效的智能控制方法能夠確保系統(tǒng)的安全與穩(wěn)定。進(jìn)入21世紀(jì)以來，各種智能控制方法互相融合，“取長補(bǔ)短”構(gòu)成了眾多的“復(fù)合”智能控制系統(tǒng)，開發(fā)綜合的智能控制方法以滿足現(xiàn)實(shí)系統(tǒng)提出的控制要求是一個(gè)重要的發(fā)展方向。所謂“智能復(fù)合控制”，指的是智能控制方法與其他控制方法(經(jīng)典控制和現(xiàn)代控制)的融合、集成，也包括不同智能控制技術(shù)的集成。僅就不同智能控制技術(shù)組成的智能復(fù)合控制而言，就有模糊神經(jīng)控制、神經(jīng)專家控制、進(jìn)化神經(jīng)控制、神經(jīng)學(xué)習(xí)控制、專家遞階控制和免疫神經(jīng)控制等。以模糊控制為例，它能夠與其他智能控制組成模糊神經(jīng)控制、模糊專家控制、模糊進(jìn)化控制、模糊學(xué)習(xí)控制、模糊免疫控制及模糊PID控制等智能復(fù)合控制。控制理論的發(fā)展歷程如圖5.5所示。5.5.2智能控制的基本內(nèi)容1.專家控制專家控制是智能控制的一個(gè)重要分支，又稱為專家智能控制。專家控制的粗略定義是：將專家系統(tǒng)的理論和技術(shù)同控制理論的方法與技術(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。專家控制器建立之前，從特定領(lǐng)域的控制專家那里獲取足夠的控制知識(shí)，以及操作工人的經(jīng)驗(yàn)知識(shí)，并對(duì)這些知識(shí)進(jìn)行處理，變換成機(jī)器能夠接收的語言。這些經(jīng)過處理的知識(shí)送入知識(shí)庫中存儲(chǔ)，再送入推理機(jī)，推理機(jī)調(diào)用知識(shí)庫中的知識(shí)(或規(guī)則)進(jìn)行推理，經(jīng)過推理的知識(shí)一方面存入知識(shí)庫，另一方面輸出到控制規(guī)則集，與控制規(guī)則集中的控制規(guī)則相匹配，進(jìn)而對(duì)控制對(duì)象進(jìn)行控制。控制對(duì)象的輸出反饋到信息獲取與處理單元，成為反饋信息，與設(shè)定值相比較后作為新信息重復(fù)以上步驟，不斷檢測(cè)，不斷獲得新信息，不斷進(jìn)行控制輸出，實(shí)現(xiàn)實(shí)時(shí)性調(diào)整。一般情況下，專家控制器由信息獲取與處理、知識(shí)庫、推理機(jī)構(gòu)和控制規(guī)則集四部分組成。專家控制系統(tǒng)簡稱專家系統(tǒng)，是在控制系統(tǒng)中引入人工智能專家系統(tǒng)技術(shù)，同時(shí)結(jié)合邏輯控制，將常規(guī)的PID控制、自適應(yīng)控制、最小方差控制等不同方法結(jié)合起來，采用不同控制策略針對(duì)不同情況的控制系統(tǒng)。其實(shí)質(zhì)是以智能方式利用控制對(duì)象和控制規(guī)律，結(jié)合控制理論技術(shù)來完成過程任務(wù)的控制。專家控制系統(tǒng)的基本組成如圖5.6所示。專家控制系統(tǒng)的特點(diǎn)是：(1)具有透明性和靈活性，可以模擬人的思維活動(dòng)規(guī)律，進(jìn)行自動(dòng)推理和應(yīng)付各種變化。(2)隨時(shí)監(jiān)督生產(chǎn)過程，實(shí)現(xiàn)優(yōu)化控制。(3)比傳統(tǒng)控制增加了故障診斷和容錯(cuò)控制、復(fù)雜系統(tǒng)的高質(zhì)量控制、參數(shù)和算法的自動(dòng)修改及不同算法的組合等許多功能。(4)專家經(jīng)驗(yàn)的不足可以通過深層知識(shí)的引入來彌補(bǔ)，實(shí)現(xiàn)自然消除決策沖突。將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)技術(shù)結(jié)合起來用于控制，即獲得神經(jīng)網(wǎng)絡(luò)專家控制系統(tǒng)。2.模糊控制1)模糊控制的理論研究模糊控制理論全稱為模糊邏輯控制理論，其目的就是利用語言分析的數(shù)學(xué)模式把各種自然語言轉(zhuǎn)化成計(jì)算機(jī)控制系統(tǒng)能夠識(shí)別的算法語言，從而起到控制被控目標(biāo)的作用。模糊控制是將人們思維中許多模糊的概念用計(jì)算機(jī)模擬后通過實(shí)際算法表達(dá)出來，實(shí)現(xiàn)人的控制思路和經(jīng)驗(yàn)。這樣不僅使人們對(duì)可以感知但又無法具體數(shù)據(jù)化的許多操作更加清晰、準(zhǔn)確，而且為智能控制的發(fā)展打下堅(jiān)實(shí)的理論基礎(chǔ)，積累了豐富的實(shí)際經(jīng)驗(yàn)。模糊控制系統(tǒng)包含知識(shí)庫、模糊推理、輸入量模糊化和輸出量精確化四個(gè)主要部分。模糊控制的控制流程通俗來說可理解為：知識(shí)庫通過定義語言變量和建立模糊控制規(guī)則，將模糊化的輸入信號(hào)通過模糊推理，確定所對(duì)應(yīng)的控制邏輯方式后轉(zhuǎn)化為精確值輸出，從而達(dá)到控制效果。模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，它從行為上模仿人的模糊推理和決策過程。該方法首先將操作人員或?qū)＜医?jīng)驗(yàn)編成模糊規(guī)則，然后將來自傳感器的實(shí)時(shí)信號(hào)模糊化，將模糊化后的信號(hào)作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量經(jīng)解模糊化后加到執(zhí)行器上。模糊控制的基本原理如圖5.7所示。它的核心部分為模糊控制器，如圖5.7中虛線框中部分所示，模糊控制器的控制規(guī)律由計(jì)算機(jī)的程序?qū)崿F(xiàn)。實(shí)現(xiàn)模糊控制算法的過程描述如下：微機(jī)經(jīng)中斷采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號(hào)e，一般選誤差信號(hào)e作為模糊控制器的一個(gè)輸入量。把誤差信號(hào)e的精確量進(jìn)行模糊化變成模糊量。誤差e的模糊量可用相應(yīng)的模糊語言表示，得到誤差e的模糊語言集合的一個(gè)子集E(E是一個(gè)模糊向量)，再由子集E和模糊關(guān)系R根據(jù)推理的合成規(guī)則進(jìn)行模糊決策，得到模糊控制量u。2)模糊控制的典型應(yīng)用模糊洗衣機(jī)是第一個(gè)應(yīng)用模糊控制系統(tǒng)的消費(fèi)產(chǎn)品，它是由日本松下電子工業(yè)公司于1990年前后生產(chǎn)的。該洗衣機(jī)根據(jù)污物的種類、數(shù)量及機(jī)器負(fù)載量，運(yùn)用模糊控制系統(tǒng)來自動(dòng)設(shè)定正確的洗衣周期。具體地講，它所用的模糊控制系統(tǒng)是一個(gè)三維輸入、一維輸出的模糊控制系統(tǒng)，系統(tǒng)的三個(gè)輸入變量是衣物臟度、臟物的類型和負(fù)載量，輸出變量是正確的洗衣周期。該洗衣機(jī)通過傳感器將三個(gè)輸入變量輸入到模糊控制系統(tǒng)中。首先，光學(xué)傳感器會(huì)射出一道穿過水的光線并計(jì)算有多少光線到達(dá)了另一端。水越臟，到達(dá)的光線越少。然后，光學(xué)傳感器要辨別臟物是泥污還是油脂，泥污是很快能洗干凈的。如果光的讀數(shù)快速到達(dá)最小值的話，則臟物是泥污；如果下降較慢的話，則臟物是油脂；如果曲線斜率介于上述兩斜率之間，則臟物是泥污油脂混合物。同時(shí)機(jī)器還有一個(gè)負(fù)載傳感器，它能感知衣物的重量。很明顯，衣物量越大，所需的洗衣時(shí)間也就越長。任何使用過便攜式攝像機(jī)的人都知道，人很難在拿著攝像機(jī)時(shí)手不發(fā)生輕微晃動(dòng)。消除這種圖像晃動(dòng)，將會(huì)誕生極具流行商業(yè)價(jià)值的新一代攝像機(jī)。松下開發(fā)了一種叫作數(shù)字圖像穩(wěn)定器的產(chǎn)品，它以模糊控制系統(tǒng)為基礎(chǔ)，當(dāng)手晃動(dòng)時(shí)會(huì)讓畫面保持穩(wěn)定。3)模糊控制的優(yōu)缺點(diǎn)對(duì)于一個(gè)熟練的操作人員，可以憑豐富的實(shí)踐經(jīng)驗(yàn)對(duì)系統(tǒng)進(jìn)行控制，但這往往不是最科學(xué)、最合理的控制方式?？茖W(xué)工作者提出的模糊控制理論和傳統(tǒng)控制理論相比，具有以下五個(gè)方面的優(yōu)點(diǎn)：(1)不需要知道被控對(duì)象的數(shù)學(xué)模型；(2)模糊控制是一種反映人類智慧的智能控制；(3)容易被人們所接受；(4)構(gòu)造容易；(5)魯棒性好。當(dāng)然模糊控制也有缺點(diǎn)，主要有：(1)信息模糊處理會(huì)導(dǎo)致系統(tǒng)的控制精確度降低，動(dòng)態(tài)品質(zhì)變差；(2)控制器設(shè)計(jì)尚缺乏系統(tǒng)性；(3)被控系統(tǒng)難以進(jìn)行穩(wěn)定性分析。3.神經(jīng)網(wǎng)絡(luò)控制近代科學(xué)誕生之后，人類在研究自然現(xiàn)象及其規(guī)律性時(shí)，總是把研究對(duì)象歸結(jié)為一個(gè)數(shù)學(xué)模型，通過研究模型的性質(zhì)和規(guī)律達(dá)到認(rèn)識(shí)自然界規(guī)律性的目的。人工神經(jīng)網(wǎng)絡(luò)模型就是一種基于生理學(xué)的智能仿生模型，它體現(xiàn)了當(dāng)代幾種著名科學(xué)理論，諸如計(jì)算神經(jīng)理論、耗散結(jié)構(gòu)理論及分形、混沌理論的基本精神。它的突出特點(diǎn)是超高維和強(qiáng)非線性，具有自組織、自適應(yīng)和自學(xué)習(xí)能力，以及非局域性、非定常性和非凸性(等特點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn)及其理論的發(fā)展，開創(chuàng)了一個(gè)全新的科學(xué)模型化的新范例，對(duì)計(jì)算機(jī)科學(xué)與技術(shù)及其他相關(guān)科學(xué)的發(fā)展產(chǎn)生了持久而深遠(yuǎn)的影響。為了便于讀者理解人工神經(jīng)網(wǎng)絡(luò)控制的基本原理，先簡要介紹單個(gè)神經(jīng)元的基本結(jié)構(gòu)和功能。1943年，生理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.Pitts以簡化的生物神經(jīng)元為基礎(chǔ)，提出了第一個(gè)人工神經(jīng)元模型(簡稱為M-P模型)，如圖5.8所示。圖5.8中，xi?(i?=?1,2,…,n)為神經(jīng)元的輸入信號(hào)；wi為相應(yīng)的連接權(quán)系數(shù)，它是表示輸入xi的傳遞強(qiáng)度的一個(gè)比例系數(shù)；∑表示對(duì)所有輸入信號(hào)加權(quán)求和；θ表示神經(jīng)元的閾值；f(?)表示神經(jīng)元的激活函數(shù)。該模型的數(shù)學(xué)表達(dá)式為神經(jīng)網(wǎng)絡(luò)的激活函數(shù)是一個(gè)重要的概念。不同的激活函數(shù)，就會(huì)形成不同的網(wǎng)絡(luò)，從而具有不同的性能。常用的激活函數(shù)有：(1)閾值函數(shù)：(2)線性函數(shù)：(3)非線性函數(shù)，常用的非線性函數(shù)有Sigmoid函數(shù)、徑向基函數(shù)、雙曲函數(shù)和小波函數(shù)。①Sigmoid函數(shù)(S型函數(shù))：②徑向基函數(shù)(RBF)，最常用的徑向基函數(shù)是高斯函數(shù)：總體而言，M-P神經(jīng)元模型是對(duì)生物神經(jīng)元進(jìn)行相當(dāng)程度的簡化而得出的。當(dāng)模型的響應(yīng)函數(shù)取階躍函數(shù)時(shí)，輸入輸出取值為0或1。1代表神經(jīng)元的興奮狀態(tài)，0代表神經(jīng)元的抑制狀態(tài)。即便如此，M-P模型仍具有計(jì)算能力。選擇適當(dāng)?shù)臋?quán)值wi和閾值θi可以進(jìn)行基本的邏輯AND、OR和NOT運(yùn)算。若考慮到單元的延時(shí)性質(zhì)，M-P模型可以組合成時(shí)序數(shù)字電路。人工神經(jīng)網(wǎng)絡(luò)模型是由類似上述簡單神經(jīng)元組成的廣泛并行互聯(lián)網(wǎng)絡(luò)，能夠模擬生物神經(jīng)系統(tǒng)對(duì)真實(shí)世界物體所做出的交互式反應(yīng)。人工神經(jīng)網(wǎng)絡(luò)以并行機(jī)制處理數(shù)據(jù)信息，大多具有自適應(yīng)、自學(xué)習(xí)、自組織的能力，信息分布存儲(chǔ)在各神經(jīng)元中，具有較強(qiáng)的容錯(cuò)性和魯棒性。神經(jīng)網(wǎng)絡(luò)模型迄今為止已經(jīng)有大約100余種，大多都是反映人腦的某方面特性。一個(gè)基本的人工神經(jīng)網(wǎng)絡(luò)包括神經(jīng)元、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、權(quán)值學(xué)習(xí)規(guī)則三部分。神經(jīng)元相當(dāng)于一個(gè)信息傳遞函數(shù)，是線性或非線性的，甚至是混沌的。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)則主要包括神經(jīng)元的連接方式，如前饋(靜態(tài))和反饋(動(dòng)態(tài))、部分連接和全連接、單層和多層，以及各連接方式下神經(jīng)元的數(shù)目(神經(jīng)網(wǎng)絡(luò)規(guī)模)。學(xué)習(xí)規(guī)則決定網(wǎng)絡(luò)權(quán)值的修正和進(jìn)化方式，包括監(jiān)督、無監(jiān)督和激勵(lì)學(xué)習(xí)，Hebb調(diào)節(jié)和糾錯(cuò)學(xué)習(xí)，競爭式和被動(dòng)式學(xué)習(xí)，確定式和隨機(jī)式學(xué)習(xí)等[29]。一個(gè)典型的三層前饋(BP)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5.9所示。BP網(wǎng)絡(luò)的學(xué)習(xí)由四個(gè)過程組成：第一個(gè)過程是輸入模式由輸入層經(jīng)中間層向輸出層順序傳播。當(dāng)模式傳到每個(gè)隱層的節(jié)點(diǎn)上時(shí)，首先經(jīng)過激活函數(shù)(如Sigmoid函數(shù))變換后，再作為輸出信號(hào)傳到下一層，最后傳播到輸出節(jié)點(diǎn)。第二個(gè)過程是網(wǎng)絡(luò)的期望輸出與網(wǎng)絡(luò)的實(shí)際輸出之差的誤差信號(hào)由輸出層經(jīng)中間層向輸入層逐層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程。第三個(gè)過程是模式順傳播與誤差逆?zhèn)鞑サ倪^程反復(fù)交替進(jìn)行的網(wǎng)絡(luò)“記憶訓(xùn)練過程”。第四個(gè)過程是網(wǎng)絡(luò)趨向收斂，即網(wǎng)絡(luò)的全局誤差趨向極小值的學(xué)習(xí)收斂過程。通過調(diào)整BP神經(jīng)網(wǎng)絡(luò)的規(guī)模(輸入節(jié)點(diǎn)數(shù)n、輸出節(jié)點(diǎn)數(shù)m、隱層層數(shù)和隱層節(jié)點(diǎn)數(shù))及網(wǎng)絡(luò)中的連接權(quán)值，就可以實(shí)現(xiàn)非線性分類等問題，并且可以以任意精度逼近任何非線性函數(shù)。這種前饋BP神經(jīng)網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)算法一般采用誤差反向傳播算法(EBP)。多層前饋網(wǎng)絡(luò)的誤差反向傳播算法(EBP)最早由Werbos在1974年提出，1986年Rumelhart和McClelland發(fā)展了多層網(wǎng)絡(luò)的“遞推”(或稱“反傳”)學(xué)習(xí)算法。該算法主要分為兩個(gè)基本過程，即模式從輸入層通過隱層逐層向輸出層傳播，誤差從輸出層經(jīng)隱層逐層向后傳播。網(wǎng)絡(luò)通過多層誤差修正梯度下降法離線學(xué)習(xí)，按離散時(shí)間方式進(jìn)行，這一過程是通過使代價(jià)函數(shù)最小化過程來完成的。通常代價(jià)函數(shù)定義為所有的輸入模式對(duì)應(yīng)的期望輸出與實(shí)際輸出的誤差平方和。當(dāng)然，代價(jià)函數(shù)也可取其他形式。下面結(jié)合圖5.9介紹誤差反向傳播學(xué)習(xí)算法。如圖5.9所示的三層BP網(wǎng)絡(luò)，設(shè)輸入模式向量

，期望輸出向量

；中間隱層單元的輸入向量

，輸出向量

；輸出層單元的輸入向量

；輸出向量

。輸入層至隱層的連接權(quán)為{wij}，i?=?1,2,…,n；j?=?1,2,…,p。隱層至輸出層的連接權(quán)為{vjt}，j?=?1,2,…,p；t?=?1,2,…,q。中間各層單元閾值為{θj}，j?=?1,2,…,p。輸出層各單元閾值為{rt}，t?=?1,2,…,q。輸入模式向量有m個(gè)，即k?=?1,2,…,m，設(shè)Ek為給網(wǎng)絡(luò)提供模式對(duì)(Xk,Dk)時(shí)輸出層上的代價(jià)函數(shù)，因而整個(gè)模式訓(xùn)練集上的全局代價(jià)函數(shù)為對(duì)于第k個(gè)輸入模式，Ek定義為尋求代價(jià)函數(shù)的極小值有兩種基本方法，即逐個(gè)處理和成批處理。對(duì)于逐個(gè)處理，隨機(jī)輸入一個(gè)樣本，每輸入一個(gè)樣本都進(jìn)行連接權(quán)的調(diào)整；對(duì)于成批處理，當(dāng)所有的樣本輸入后計(jì)算其總誤差，然后用式(5.7)進(jìn)行連接權(quán)的調(diào)整。下面討論逐個(gè)處理方法。在EBP算法中，神經(jīng)元的激活函數(shù)f(x)應(yīng)為可微函數(shù)，一般取S型函數(shù)，這種函數(shù)的特點(diǎn)是其導(dǎo)數(shù)可用S型函數(shù)的自身來表示，如式(5.9)和式(5.10)所示。利用高等數(shù)學(xué)中有關(guān)求偏導(dǎo)數(shù)的知識(shí)，Ek隨連接權(quán)的修正按梯度下降法進(jìn)行修正。通過一系列理論推導(dǎo)，得到圖5.9所示前饋BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的學(xué)習(xí)公式分別如式(5.11)～式(5.14)所示。詳見參考文獻(xiàn)。式中，

表示誤差函數(shù)。同理，對(duì)于輸入層到隱層連接權(quán){wij}的修改，仍按梯度下降法進(jìn)行，從而可得同理，輸出層的閾值{rt}和隱層的閾值{θj}的調(diào)整量為由于全局代價(jià)函數(shù)是定義在整個(gè)訓(xùn)練集上的，要實(shí)現(xiàn)E曲面上真正的梯度下降，需要在整個(gè)模式訓(xùn)練集中每一模式對(duì)提供給網(wǎng)絡(luò)期間，保持連接權(quán)不變，求出E對(duì)連接權(quán){wij}、{vjt}的負(fù)梯度，即此時(shí)，連接權(quán)變化為和上述權(quán)值調(diào)整方法屬于批處理方法，也稱為累積誤差逆?zhèn)鞑ニ惴?。而按?5.11)和式(5.12)的權(quán)值調(diào)整法稱為標(biāo)準(zhǔn)誤差傳播算法。從實(shí)際訓(xùn)練的結(jié)果看，當(dāng)學(xué)習(xí)模式集合不太大時(shí)，累積誤差逆?zhèn)鞑ニ惴ū葮?biāo)準(zhǔn)誤差傳播算法收斂速度要快一些，但累積誤差逆?zhèn)鞑ニ惴ǖ氖諗克俣炔▌?dòng)大，而且當(dāng)學(xué)習(xí)參數(shù)λ、β取較小值時(shí)，標(biāo)準(zhǔn)誤差傳播算法能較好地收斂，當(dāng)學(xué)習(xí)參數(shù)λ、β取較大值時(shí)，累積誤差逆?zhèn)鞑ニ惴茌^好地收斂。然而，實(shí)際上往往是每給網(wǎng)絡(luò)提供一個(gè)模式對(duì)，都需要計(jì)算權(quán)值和單元閾值的調(diào)整量，并對(duì)權(quán)值和閾值進(jìn)行相應(yīng)的調(diào)整。雖然這種算法的梯度下降偏離了E上真正的梯度下降，但當(dāng)學(xué)習(xí)參數(shù)λ、β足夠小時(shí)，這種偏離是可以忽略的。人工神經(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映射能力，以及高度的自適應(yīng)、容錯(cuò)特性和并行處理等突出特征，在智能控制領(lǐng)域中獲得了廣泛的應(yīng)用。例如利用神經(jīng)網(wǎng)絡(luò)技術(shù)，可以實(shí)現(xiàn)機(jī)器人的攝像機(jī)控制、火控裝置等武器系統(tǒng)的控制、飛機(jī)的智能控制、機(jī)器人控制等。神經(jīng)網(wǎng)絡(luò)監(jiān)督控制、神經(jīng)網(wǎng)絡(luò)直接自適應(yīng)控制和神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制(MRAC)原理分別如圖5.10～圖5.12所示。4.集成智能控制各種智能方法都具有自身明顯的優(yōu)勢(shì)和特點(diǎn)，但同時(shí)也存在一定的局限性。近年來，人們普遍認(rèn)為：基于知識(shí)和經(jīng)驗(yàn)的專家系統(tǒng)、基于模糊邏輯推理的模糊控制、基于人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)控制方法的交叉與融合，相互取長補(bǔ)短、優(yōu)勢(shì)互補(bǔ)，有機(jī)結(jié)合是當(dāng)今智能控制的研究熱點(diǎn)之一。近年來，集成智能控制方法及其在控制中的應(yīng)用的研究非?；钴S，取得了令人振奮的成果，并形成了模糊神經(jīng)網(wǎng)絡(luò)控制、專家模糊控制等多個(gè)方向。目前集成智能控制還處于初級(jí)研究階段，由于各種智能控制方法本身的理論還不完善，客觀上制約了集成智能控制理論的發(fā)展。5.5.3智能控制的主要應(yīng)用領(lǐng)域智能控制的具體應(yīng)用主要表現(xiàn)在以下幾個(gè)方面：1.生產(chǎn)過程中的智能控制生產(chǎn)過程中的智能控制主要包括局部級(jí)智能控制和全局級(jí)智能控制。局部級(jí)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(jì)。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(shì)，且可用于控制一些非線性的復(fù)雜對(duì)象。全局級(jí)的智能控制主要針對(duì)整個(gè)生產(chǎn)過程的自動(dòng)化，包括整個(gè)操作工藝的控制、過程的故障診斷、規(guī)劃過程的操作處理異常等。2.先進(jìn)制造系統(tǒng)中的智能控制智能控制被廣泛地應(yīng)用于機(jī)械制造行業(yè)。在現(xiàn)代先進(jìn)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(yù)測(cè)的情況，人工智能技術(shù)為解決這一難題提供了一些有效的解決方案。具體如下：(1)利用模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)的方法對(duì)制造過程進(jìn)行動(dòng)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。(2)采用專家系統(tǒng)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)。(3)利用模糊集合決策選取機(jī)構(gòu)來選擇控制動(dòng)作。(4)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)行在線模式識(shí)別，處理那些可能是殘缺不全的信息。3.電力系統(tǒng)中的智能控制電力系統(tǒng)中發(fā)電機(jī)、變壓器、電動(dòng)機(jī)等電機(jī)電器設(shè)備的設(shè)計(jì)、生產(chǎn)、運(yùn)行、控制是一個(gè)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(jì)、故障診斷及控制中，取得了良好的控制效果。具體如下：(1)用遺傳算法對(duì)電器設(shè)備的設(shè)計(jì)進(jìn)行優(yōu)化，可以降低成本，縮短計(jì)算時(shí)間，提高產(chǎn)品設(shè)計(jì)的效率和質(zhì)量。(2)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)。(3)智能控制在電流控制脈沖寬度調(diào)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。5.6智能控制的典型應(yīng)用5.6.1無人駕駛1.無人駕駛車輛控制技術(shù)簡介隨著人工智能、互聯(lián)網(wǎng)技術(shù)、通信技術(shù)、計(jì)算機(jī)技術(shù)的飛速發(fā)展，以電動(dòng)化、智能化及網(wǎng)聯(lián)化為基礎(chǔ)的智能汽車成為解決上述問題的有效途徑。《國家中長期科技發(fā)展規(guī)劃綱要(2006—2020年)》中明確提出將包括汽車智能技術(shù)在內(nèi)的綜合交通運(yùn)輸信息平臺(tái)列為我國中長期科技發(fā)展的國家戰(zhàn)略，這也是我國新一屆政府“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃的重要組成部分。汽車信息化和智能化技術(shù)關(guān)聯(lián)性廣，商業(yè)化應(yīng)用除車輛本身外，覆蓋道路和交通管理、相關(guān)交通參與者、通信和信息服務(wù)、互聯(lián)網(wǎng)產(chǎn)業(yè)等，是復(fù)雜的系統(tǒng)工程。無人駕駛汽車即自動(dòng)駕駛智能汽車，就是在沒有人類參與的情況下，依靠車內(nèi)的計(jì)算機(jī)系統(tǒng)，通過智能駕駛儀來實(shí)現(xiàn)無人駕駛功能的。無人駕駛汽車是利用智能軟硬件和車載傳感器來感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛位置和障礙物信息，隨即作出判斷，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠安全、可靠地在道路上行駛。無人駕駛汽車技術(shù)以全新的駕駛方式改變了傳統(tǒng)的駕駛體驗(yàn)，不僅大大提升交通系統(tǒng)的效率和安全性能，還將使人們告別長途的無聊駕駛，進(jìn)而保障了人身安全。2014年，美國國際汽車工程師學(xué)會(huì)制訂了一套自動(dòng)駕駛汽車分級(jí)標(biāo)準(zhǔn)。2016年9月，美國正式頒布自動(dòng)駕駛汽車聯(lián)邦政策，其中確立采用美國汽車工程師學(xué)會(huì)的定義作為評(píng)定汽車自動(dòng)駕駛水平的標(biāo)準(zhǔn)，從最低到最高為L0到L5六個(gè)層級(jí)。以下為自動(dòng)駕駛水平的專業(yè)分級(jí)定義：·0級(jí)：人工駕駛，即無自動(dòng)駕駛。由人類駕駛員全權(quán)操控汽車，可以得到警告或干預(yù)系統(tǒng)的輔助?！?級(jí)：輔助駕駛，通過駕駛環(huán)境對(duì)方向盤和加減速中的一項(xiàng)操作提供駕駛支持，其他的駕駛動(dòng)作都由人類駕駛員進(jìn)行操作?！?級(jí)：半自動(dòng)駕駛，通過駕駛環(huán)境對(duì)方向盤和加減速中的多項(xiàng)操作提供駕駛支持，其他的駕駛動(dòng)作都由人類駕駛員進(jìn)行操作?！?級(jí)：高度自動(dòng)駕駛，或者稱有條件自動(dòng)駕駛，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作。根據(jù)系統(tǒng)要求，人類駕駛者需要在適當(dāng)?shù)臅r(shí)候提供應(yīng)答。·4級(jí)：超高度自動(dòng)駕駛，由自動(dòng)駕駛系統(tǒng)完成所有的駕駛操作。根據(jù)系統(tǒng)要求，人類駕駛者不一定需要對(duì)所有的系統(tǒng)請(qǐng)求做出應(yīng)答，包括限定道路和環(huán)境條件等。·5級(jí)：全自動(dòng)駕駛，在所有人類駕駛者可以應(yīng)付的道路和環(huán)境條件下，均可以由自動(dòng)駕駛系統(tǒng)自主完成所有的駕駛操作。智能駕駛技術(shù)體系從架構(gòu)上可分為線控車輛平臺(tái)、硬件開發(fā)平臺(tái)、軟件開發(fā)平臺(tái)以及云端服務(wù)平臺(tái)四個(gè)模塊。線控車輛平臺(tái)是實(shí)現(xiàn)智能駕駛的底層支撐技術(shù)，可實(shí)現(xiàn)線控轉(zhuǎn)向、線控油門和線控制動(dòng)等線控功能。硬件開發(fā)平臺(tái)主要包括車載計(jì)算單元、GPS、人機(jī)交互硬件以及包括攝像頭、激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)在內(nèi)的各類車規(guī)級(jí)傳感器。其中，傳感器是智能駕駛技術(shù)所需的核心感知器件，主要包括定位傳感器、雷達(dá)傳感器、聽覺傳感器、視覺傳感器以及姿態(tài)傳感器五類。不同傳感器收集各類道路交通信息，經(jīng)過后續(xù)算法提取、處理與融合，形成完整的周邊環(huán)境圖，為系統(tǒng)決策提供基礎(chǔ)依據(jù)。軟件開發(fā)平臺(tái)主要包括實(shí)時(shí)操作系統(tǒng)、開發(fā)框架、高精度定位、感知、決策等關(guān)鍵環(huán)節(jié)。實(shí)時(shí)操作系統(tǒng)是汽車電子軟件的重要組成部分，可以實(shí)現(xiàn)分層化、平臺(tái)化和模塊化，提高開發(fā)效率的同時(shí)降低開發(fā)成本。此外，計(jì)算機(jī)視覺、多傳感器的信息感知融合、決策規(guī)劃需要深度學(xué)習(xí)的深度參與，TensorFlow、Caffe等深度學(xué)習(xí)框架也為智能駕駛提供了落地機(jī)會(huì)。云服務(wù)平臺(tái)主要包括高精地圖、數(shù)據(jù)平臺(tái)、仿真平臺(tái)等環(huán)節(jié)。高精地圖是實(shí)現(xiàn)無人駕駛汽車高精度定位、路徑導(dǎo)航、路徑規(guī)劃的基礎(chǔ)。仿真平臺(tái)通過海量實(shí)際路況及自動(dòng)駕駛場景數(shù)據(jù)，促進(jìn)自動(dòng)駕駛系統(tǒng)的快速迭代。數(shù)據(jù)平臺(tái)包括傳感器數(shù)據(jù)、車輛行駛數(shù)據(jù)等?；谠破脚_(tái)的智能駕駛技術(shù)與基于機(jī)器學(xué)習(xí)的智能駕駛技術(shù)，GPS定位、高精地圖等技術(shù)有機(jī)融合，使車輛與云平臺(tái)進(jìn)行信息交互，便于人們掌握全局交通信息，可以使道路交通的效率和安全性大幅度提高。自動(dòng)駕駛技術(shù)示意圖如圖5.13所示。2.無人駕駛汽車的發(fā)展歷史與現(xiàn)狀20世紀(jì)70年代初，許多發(fā)達(dá)國家(如美國、英國、德國等)開始研究無人駕駛汽車。經(jīng)過長時(shí)間的發(fā)展，無人駕駛汽車在可行性和實(shí)用化方面都取得了突破性的進(jìn)展。1995年，美國卡納基梅隆大學(xué)研制的無人駕駛汽車Navllab-V，完成了橫穿美國東西部的無人駕駛實(shí)驗(yàn)。2005年，在美國國防部組織的“大挑戰(zhàn)”比賽中，由美國斯坦福大學(xué)改造的無人駕駛汽車，經(jīng)過沙漠、隧道、泥濘的河床以及崎嶇陡峭的山道最終獲得成功。近年來由于谷歌、特斯拉、奔馳、寶馬等紛紛加入無人駕駛汽車的研究，無人駕駛汽車技術(shù)有了突飛猛進(jìn)的發(fā)展。作為當(dāng)前無人駕駛汽車的領(lǐng)跑者，谷歌的終極(GoogleX)實(shí)驗(yàn)室從2007年初就開始籌備無人駕駛汽車的各項(xiàng)研究工作，并于2010年正式宣布相關(guān)工作的進(jìn)展。2012年5月，美國內(nèi)華達(dá)州的機(jī)動(dòng)車駕駛管理處為谷歌的無人駕駛汽車頒發(fā)了美國首例無人駕駛汽車的路測(cè)許可。2015年6月，兩輛谷歌無人駕駛原型車開始上路測(cè)試，如圖5.14所示。為了完成對(duì)車子在X，Y，Z這三個(gè)方向上的數(shù)據(jù)測(cè)量(加速度等)，谷歌公司在汽車底部安裝了一個(gè)動(dòng)力系統(tǒng)，利用GPS技術(shù)對(duì)過往的其他車輛位置進(jìn)行確認(rèn)，最后利用智能算法對(duì)車輛下一步的行動(dòng)進(jìn)行預(yù)測(cè)。截至2016年8月，谷歌共有58輛無人駕駛汽車，這些車在加州、內(nèi)華達(dá)州、德州、山景城、菲尼克斯和奧斯汀等允許自動(dòng)駕駛汽車路測(cè)的地區(qū)進(jìn)行實(shí)際路測(cè)。據(jù)Google發(fā)布的自動(dòng)駕駛項(xiàng)目月報(bào)顯示，截至2016年8月30日，累計(jì)行駛距離已經(jīng)超過約2.9?×?106?km，平均每周1.5?×?104?mi～1.7?×?104?mi(1?mi?=?1.6093?km)[36]。我國在自動(dòng)駕駛領(lǐng)域的研究起步于20世紀(jì)80年代。1980年遙控駕駛的防核化偵察車由國家立項(xiàng)，1989年我國首輛智能小車在國防科技大學(xué)研制成功，1992年國防科技大學(xué)、北京理工大學(xué)等高校研制成功我國第一輛真正意義上能夠自主行駛的測(cè)試樣車(ATB-1)。進(jìn)入21世紀(jì)，國家“863計(jì)劃”開始對(duì)自動(dòng)駕駛技術(shù)研究給予更多支持。2000年國防科技大學(xué)宣布其第4代自動(dòng)駕駛汽車試驗(yàn)成功。2003年國防科技大學(xué)和一汽共同合作研發(fā)成功了一輛自動(dòng)駕駛汽車——紅旗CA7460，該汽車能夠根據(jù)車輛前方路況自動(dòng)變道，2006年研制成功新一代紅旗HQ3自動(dòng)駕駛轎車。2005年我國首輛城市自動(dòng)駕駛汽車由上海交通大學(xué)研制成功。2011年國防科技大學(xué)和一汽研制的HQ3首次完成了從長沙到武漢的高速全程無人駕駛試驗(yàn)，自動(dòng)駕駛的平均速度達(dá)到87?km·h-1，全程距離為286?km。2012年11月軍事交通學(xué)院研制的無人駕駛汽車完成了高速公路測(cè)試，是第一輛得到了我國官方認(rèn)證的無人駕駛汽車，并獲得中國智能車未來挑戰(zhàn)賽2015年度和2016年度冠軍。2015年12月IT企業(yè)百度的無人駕駛汽車完成北京開放高速路的自動(dòng)駕駛測(cè)試，意味著無人駕駛技術(shù)從科研開始落地到產(chǎn)品。2016年9月百度宣布獲得美國加州政府頒發(fā)的全球第15張無人駕駛汽車上路測(cè)試牌照，2017年4月17日百度展示了與博世合作開發(fā)的高速公路輔助功能增強(qiáng)版演示車。2017年我國把基于無人駕駛技術(shù)的智能網(wǎng)聯(lián)汽車列入“汽車產(chǎn)業(yè)中長期發(fā)展規(guī)劃”，成為我國汽車產(chǎn)業(yè)轉(zhuǎn)型發(fā)展又一個(gè)戰(zhàn)略目標(biāo)。2018年，我國無人駕駛技術(shù)的總體水平與國外先進(jìn)水平還存在一定的差距，主要關(guān)鍵技術(shù)(感知融合、路徑規(guī)劃、控制與決策技術(shù)等)仍處于完善階段，關(guān)鍵技術(shù)發(fā)展的局限性制約了無人駕駛系統(tǒng)在不同環(huán)境下的自主駕駛能力，導(dǎo)致無人駕駛系統(tǒng)的行為表現(xiàn)有時(shí)存在較大的反差。據(jù)中商產(chǎn)業(yè)研究院發(fā)布的《2020—2025年中國無人駕駛汽車行業(yè)市場前景調(diào)查及投融資戰(zhàn)略研究報(bào)告》顯示，2016年全球無人駕駛汽車規(guī)模約達(dá)40億美元，市場發(fā)展空間還很大；預(yù)測(cè)數(shù)據(jù)顯示，到2035年全球無人駕駛汽車銷量將達(dá)2100萬輛。龐大的汽車銷量和消費(fèi)者對(duì)科技的需求，使中國有望成為最大的無人駕駛汽車市場。智能駕駛發(fā)展分階段規(guī)劃，市場占有率對(duì)應(yīng)提高。2016年中國汽車工程協(xié)會(huì)正式對(duì)外發(fā)布了無人駕駛領(lǐng)域技術(shù)標(biāo)準(zhǔn)——《節(jié)能與新能源汽車技術(shù)路線圖》。路線圖中制定了我國無人駕駛汽車未來發(fā)展的三個(gè)五年階段需要達(dá)成的目標(biāo)，2020年是起步期也是關(guān)鍵期，汽車產(chǎn)業(yè)規(guī)模需達(dá)3000萬輛，駕駛輔助或部分自動(dòng)駕駛車輛市場占有率將達(dá)到50%；2025年高度無人駕駛車輛市場占有率需達(dá)到約15%；到2030年，中國將力爭實(shí)現(xiàn)擁有完全無人駕駛車輛規(guī)模3800萬輛，市場占有率接近10%。根據(jù)波士頓咨詢公司預(yù)測(cè)，到2025年或2030年全球部分自動(dòng)駕駛系統(tǒng)滲透率將達(dá)到12.4%或15.0%，全自動(dòng)駕駛系統(tǒng)滲透率將達(dá)到0.5%或9.8%。3.無人駕駛面臨的問題和挑戰(zhàn)智能汽車的無人駕駛將會(huì)引發(fā)交通管理制度的改變。也許只有無人駕駛汽車，才能打破現(xiàn)有制度，建立更加智慧的交通管理制度。但就現(xiàn)階段來講，智能汽車的無人駕駛技術(shù)的研發(fā)還只是冰山一角，存在重大挑戰(zhàn)[38]，主要表現(xiàn)在下面幾個(gè)方面：①對(duì)車輛制造商及軟件提供商的責(zé)任界定；②將現(xiàn)有車輛從非自動(dòng)化轉(zhuǎn)為自動(dòng)化所需的時(shí)間；③個(gè)人對(duì)汽車失去控制的抵抗力；④用于無人駕駛汽車的法律框架的實(shí)施與政府規(guī)章的制定；⑤缺乏經(jīng)驗(yàn)的司機(jī)碰到需要手動(dòng)駕駛的復(fù)雜情況；⑥失去駕駛相關(guān)的工作；⑦來自預(yù)感會(huì)失業(yè)的職業(yè)司機(jī)和相關(guān)組織的抵抗；⑧通過V2V(車車)與V2I(車輛到基礎(chǔ)設(shè)施)協(xié)議間的共享信息帶來的隱私問題；⑨無人駕駛汽車可能裝載炸藥并用作炸彈的安全性問題；⑩無人駕駛車輛在不可避免碰撞過程中如何選擇所面臨的倫理問題；?目前的警察和其他行人手勢(shì)及非語言提示不適應(yīng)自動(dòng)駕駛；?軟件可靠性；?行車電腦可能會(huì)受到損害，汽車之間的通信系統(tǒng)也可能遭受損害，如通過破壞攝像機(jī)傳感器、GPS干擾器等手段來實(shí)現(xiàn)；?汽車導(dǎo)航系統(tǒng)對(duì)不同類型天氣的敏感度；?無人駕駛汽車可能需要非常高質(zhì)量的專用地圖才能合理地運(yùn)行，在這些地圖尚未更新時(shí)，無人駕駛汽車需要恢復(fù)到合理的行為；?為汽車通信所需的無線電頻譜的競爭；?道路基礎(chǔ)設(shè)施與無人駕駛汽車功能的相互優(yōu)化等。無人駕駛無疑是科技創(chuàng)新與發(fā)展的結(jié)果，它必將給我們的生活帶來無限便利，能夠有效避免長時(shí)間疲憊駕駛，人們?cè)僖膊挥脼榭既●{駛資格證而擔(dān)憂。在未來老齡化的世界里，無人駕駛系統(tǒng)能夠成為一種便利的公共設(shè)施服務(wù)系統(tǒng)。但是，無人駕駛會(huì)失去很多駕駛樂趣。另外，由無思想的計(jì)算機(jī)所做出的智能決定并非完全可信，它只是對(duì)獲取的環(huán)境信息的計(jì)算，以保護(hù)車內(nèi)駕駛者安全為首要任務(wù)。在緊急情況下由計(jì)算機(jī)做出的決定在有主觀意識(shí)的人看來，并非合理。無人駕駛技術(shù)的發(fā)展將對(duì)多個(gè)領(lǐng)域造成沖擊，無人駕駛即將成為“科技改變世界”的“鑰匙”。如果無人駕駛汽車擁有移動(dòng)通信功能，可以像移動(dòng)聯(lián)網(wǎng)的大型計(jì)算機(jī)一樣隨時(shí)接收和發(fā)送數(shù)據(jù)，那么配合全球?qū)Ш叫l(wèi)星系統(tǒng)實(shí)現(xiàn)即時(shí)通信和收發(fā)信息，將會(huì)對(duì)大數(shù)據(jù)時(shí)代重新定義，也將對(duì)現(xiàn)在的計(jì)算機(jī)水平提出更高的要求，甚至金融業(yè)、通信業(yè)、能源、電力、交通事業(yè)，乃至構(gòu)成社會(huì)制度的社會(huì)規(guī)范及產(chǎn)業(yè)結(jié)構(gòu)也都會(huì)受到重大的影響。目前智能駕駛領(lǐng)域相關(guān)技術(shù)不斷取得突破，與之相關(guān)的國家政策法規(guī)也在向支持行業(yè)發(fā)展的方向持續(xù)推進(jìn)。單車智能化和智能網(wǎng)聯(lián)是實(shí)現(xiàn)無人駕駛的兩條路徑。單車智能化，即車輛本身通過感知、傳遞、分析、決策與控制來對(duì)環(huán)境進(jìn)行反應(yīng)，完成自主駕駛。以谷歌無人車和特斯拉為代表，目前正在多地開展測(cè)試。雖然積累了大量的測(cè)試?yán)锍蹋匀粫?huì)出現(xiàn)各種事故，安全性難以保證，系統(tǒng)可靠性較差，智能化程度距離商業(yè)化落地仍然有很長的路程。智能網(wǎng)聯(lián)，即通過智能和互聯(lián)技術(shù)提供車輛周圍及前方路況信息而保持車和車之間、車和環(huán)境之間、車和人之間的互聯(lián)互通，從而實(shí)現(xiàn)車輛的無人駕駛。目前我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)仍處于萌芽期，需要國家設(shè)計(jì)頂層發(fā)展戰(zhàn)略，并按智能網(wǎng)聯(lián)汽車發(fā)展的輕重緩急程度，分階段推出相關(guān)法規(guī)政策。行業(yè)內(nèi)主流汽車企業(yè)、互聯(lián)網(wǎng)企業(yè)、信息企業(yè)、科研院所及其他機(jī)構(gòu)也正在共同參與技術(shù)推進(jìn)的協(xié)同與創(chuàng)新，軟硬件設(shè)施在逐步完善，但測(cè)試與評(píng)價(jià)體系仍然處于研究階段，行業(yè)內(nèi)尚未有統(tǒng)一的標(biāo)準(zhǔn)來遵循。綜上所述，不管是單車智能的路線，還是智能網(wǎng)聯(lián)的路線，目前智能駕駛行業(yè)面臨的最大痛點(diǎn)就是針對(duì)智能駕駛的測(cè)試方法與評(píng)價(jià)方法。4.人工智能在無人駕駛中的應(yīng)用在機(jī)器學(xué)習(xí)、大數(shù)據(jù)和人工智能技術(shù)大規(guī)模崛起之前，自動(dòng)駕駛系統(tǒng)和其他的機(jī)器人系統(tǒng)類似，整體解決方案基本依賴于傳統(tǒng)的優(yōu)化技術(shù)。隨著人工智能和機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺、自然語言處理以及智能決策領(lǐng)域獲得重大突破，學(xué)術(shù)和工業(yè)界也逐步開始在無人駕駛汽車系統(tǒng)的各個(gè)模塊中進(jìn)行基于人工智能和機(jī)器學(xué)習(xí)的探索，目前已取得部分成果。而無人駕駛系統(tǒng)作為代替人類駕駛的解決方案，其設(shè)計(jì)思路和解決方法背后都蘊(yùn)含了很多對(duì)人類駕駛習(xí)慣和行為的理解?，F(xiàn)在，無人駕駛已經(jīng)成為人工智能最具前景的應(yīng)用之一。人工智能的深度學(xué)習(xí)被應(yīng)用于無人駕駛中。深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的算法，它模擬人類的神經(jīng)網(wǎng)絡(luò)來對(duì)數(shù)據(jù)進(jìn)行處理。常見的深度學(xué)習(xí)網(wǎng)絡(luò)有深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)與相應(yīng)算法在自動(dòng)駕駛系統(tǒng)中起著非常重要的作用，可用來對(duì)周圍環(huán)境的視覺、聽覺信息進(jìn)行識(shí)別和處理。這些人工智能算法應(yīng)用后，可以使無人駕駛系統(tǒng)對(duì)行駛時(shí)發(fā)生的各種狀況作出及時(shí)反應(yīng)，并且能適用于各種路況，從而做到輕松、安全出行。基于人工智能的無人駕駛車輛示意圖如圖5.15所示。5.6.2無人機(jī)集群1.無人機(jī)集群控制的起源與發(fā)展集群化是無人機(jī)發(fā)展的趨勢(shì)。無人機(jī)集群技術(shù)源于軍事需求，美軍基于網(wǎng)絡(luò)中心戰(zhàn)思想提出無人機(jī)集群作戰(zhàn)，旨在借鑒自然界的自組織機(jī)制，使具備有限自主能力的多架無人機(jī)在沒有集中指揮控制的情況下，通過相互間信息通信產(chǎn)生整體效應(yīng)，實(shí)現(xiàn)協(xié)同任務(wù)分配、協(xié)同搜索、偵察與攻擊，能有效提高無人機(jī)的生存能力和整體作戰(zhàn)效能。無人機(jī)集群概念是建立在仿生學(xué)基礎(chǔ)上的，如蟻群、蜂群，鴿群、魚群、狼群等在群體運(yùn)動(dòng)過程能夠避免相互碰撞，協(xié)同地完成覓食、遷徙、攻擊防御等。嚴(yán)格意義上的無人機(jī)集群與編隊(duì)在內(nèi)涵上是有明顯區(qū)別的。集群是分布式控制的，個(gè)體能夠適應(yīng)當(dāng)前環(huán)境下的工作狀態(tài)，并且具有較強(qiáng)的魯棒性，不會(huì)由于某一個(gè)或幾個(gè)個(gè)體出現(xiàn)故障而影響群體任務(wù)的有序進(jìn)行，群體中個(gè)體的能力或遵循的行為規(guī)則非常簡單，群體表現(xiàn)出來的復(fù)雜行為是通過簡單個(gè)體的交互過程突現(xiàn)出的智能，體現(xiàn)為群體的自組織性與涌現(xiàn)性；而無人機(jī)編隊(duì)只強(qiáng)調(diào)飛行路徑的統(tǒng)一規(guī)劃，編隊(duì)可以是集中式控制，也可以是分布式控制，多無人機(jī)之間也不存在涌現(xiàn)行為。當(dāng)前，學(xué)術(shù)界與工業(yè)界存在混用編隊(duì)與集群的現(xiàn)象，無人機(jī)集群自主化、智能化還有待提升，無人機(jī)編隊(duì)的研究具有“低自主性”集群的特性，故此處對(duì)集群與編隊(duì)不做嚴(yán)格區(qū)分。2.無人機(jī)集群的研究與應(yīng)用發(fā)展無人機(jī)集群軍事應(yīng)用廣泛。2015年4月，美國海軍公布了“蝗蟲(Locust)”項(xiàng)目，該項(xiàng)目研究可從艦艇、飛機(jī)等發(fā)射平臺(tái)上利用發(fā)射管發(fā)射具有自主能力的無人機(jī)集群，通過集群對(duì)敵方火力進(jìn)行壓制和攻擊；2016年4月成功完成30架“郊狼(CoyoteDrone)”無人機(jī)的連續(xù)發(fā)射及編隊(duì)飛行試驗(yàn)。圖5.16顯示了“郊狼”無人機(jī)發(fā)射和無人機(jī)發(fā)射后機(jī)翼的展開過程。2015年5月美國五角大樓展示了一款為未來戰(zhàn)爭準(zhǔn)備的“蟬(Cicada)”微型無人機(jī)，該機(jī)型為隱藏自主式一次性飛行器，不安裝引擎，大小類似長了翅膀的手機(jī)，全身只有10個(gè)通用零部件，兼具堅(jiān)固耐用、尺寸小、成本低、結(jié)構(gòu)簡單、噪聲小等特點(diǎn)，可配備多種輕型傳感器，執(zhí)行多種任務(wù)。美國海軍希望未來可實(shí)現(xiàn)30?min內(nèi)在17.5?km處投放千架“蟬”微型無人機(jī)，覆蓋近5000?km2的區(qū)域，進(jìn)行對(duì)敵探測(cè)和電磁干擾[46]。圖5.17展示了“蟬”微型無人機(jī)投放過程的構(gòu)想。2015年9月美國國防高級(jí)研究計(jì)劃局(DARPA)發(fā)布了“小精靈(Gremlins)”項(xiàng)目公告，該項(xiàng)目設(shè)想通過發(fā)射大量微型無人機(jī)對(duì)敵防御系統(tǒng)進(jìn)行飽和攻擊。如通過C-130運(yùn)輸機(jī)在防區(qū)外發(fā)射攜帶偵察與電子戰(zhàn)裝備的無人機(jī)蜂群執(zhí)行離岸電子攻擊、偵察等任務(wù)，在執(zhí)行完任務(wù)后，對(duì)幸存的無人機(jī)進(jìn)行回收，其概念圖如圖5.18所示。該項(xiàng)目于2016年3月正式啟動(dòng)，目前主要探索無人機(jī)集群空中發(fā)射和回收等關(guān)鍵技術(shù)的可行性并進(jìn)行驗(yàn)證[47]。2016年5月，美國空軍正式提出《2016—2036年小型無人機(jī)系統(tǒng)飛行規(guī)劃》，希望構(gòu)建橫跨航空、太空、網(wǎng)空三大作戰(zhàn)疆域的小型無人機(jī)系統(tǒng)，并在2036年實(shí)現(xiàn)無人機(jī)系統(tǒng)集群作戰(zhàn)。圖5.19為該規(guī)劃中無人機(jī)“蜂群”的作戰(zhàn)構(gòu)想圖。無人機(jī)集群在非軍事應(yīng)用中的優(yōu)勢(shì)同樣適合于遙感遙測(cè)、地質(zhì)勘探、應(yīng)急救援、氣象探測(cè)、空中分層網(wǎng)絡(luò)、精確農(nóng)業(yè)和商業(yè)娛樂等方面。在應(yīng)急救援方面，當(dāng)自然災(zāi)害發(fā)生時(shí)，首要的任務(wù)就是建立臨時(shí)通信網(wǎng)、查看災(zāi)情，然后再出動(dòng)直升機(jī)運(yùn)輸物資和人員，除了昂貴的衛(wèi)星通信手段，無人機(jī)集群成本低、可消耗、部署簡便、使用靈活，為應(yīng)急救援的通信保障提供了一種靈活的解決方案。圖5.20給出了無人機(jī)集群組建應(yīng)急通信網(wǎng)絡(luò)的構(gòu)想圖。在精確農(nóng)業(yè)方面，業(yè)界的目光已經(jīng)從單純的無人機(jī)農(nóng)藥噴灑逐漸擴(kuò)展到無人機(jī)農(nóng)業(yè)信息采集、農(nóng)業(yè)光譜數(shù)據(jù)分析等領(lǐng)域。圖5.21是無人機(jī)集群農(nóng)田作業(yè)示意圖。它由多架無人機(jī)互相配合，協(xié)同監(jiān)測(cè)一塊農(nóng)田區(qū)域，并通過機(jī)載機(jī)器視覺設(shè)備，精確找到作物中的雜草并繪制雜草地圖，無人機(jī)集群將幫助農(nóng)民繪制農(nóng)田中的雜草地圖。在商業(yè)娛樂方面，國內(nèi)外的許多大小企業(yè)如英特爾、億航、零度智控、道通科技等競相上演了成百上千架無人機(jī)的編隊(duì)燈光秀，展示了無人機(jī)集群技術(shù)在商業(yè)領(lǐng)域的應(yīng)用前景。圖5.22展示了無人機(jī)集群燈光秀表演。此外，無人機(jī)集群協(xié)作還可以被設(shè)想用于建筑領(lǐng)域。圖5.23展示了無人機(jī)團(tuán)隊(duì)采用多架無人機(jī)自主協(xié)同建造由1500塊泡沫磚塊組成的高達(dá)6?m的塔式建筑的場景。2016年10月美軍在加州的“中國湖靶場”上空進(jìn)行了無人機(jī)拋灑實(shí)驗(yàn)，三架海軍F/A-18F“超級(jí)大黃蜂”戰(zhàn)斗機(jī)成功拋灑出103架“灰山鶉(Perdix)”微型無人機(jī)。無人機(jī)在脫離發(fā)射箱后的短時(shí)間內(nèi)能相互發(fā)現(xiàn)隊(duì)友并組成集群隊(duì)形，顯示了美軍的集群自組網(wǎng)技術(shù)達(dá)到了實(shí)用性階段。中國在無人機(jī)集群自主控制研究方面也取得了突破性進(jìn)展。2016年11月在珠海航展上，中國電子科技集團(tuán)公司公布了67架規(guī)模的無人機(jī)集群編隊(duì)飛行原理驗(yàn)證測(cè)試，標(biāo)志著中國無人機(jī)集群控制技術(shù)進(jìn)入世界先進(jìn)行列。3.無人機(jī)集群控制關(guān)鍵技術(shù)目前對(duì)無人機(jī)集群控制關(guān)鍵技術(shù)研究主要集中在多無人機(jī)協(xié)同任務(wù)與目標(biāo)分配優(yōu)化、集群飛行控制、航跡規(guī)劃等方面。下面分別從無人機(jī)集群協(xié)同任務(wù)規(guī)劃技術(shù)、飛行航跡規(guī)劃技術(shù)、多無人機(jī)協(xié)同編隊(duì)控制方法及無人機(jī)集群通信保障技術(shù)四方面進(jìn)行簡介。1)無人機(jī)集群協(xié)同任務(wù)規(guī)劃技術(shù)無人機(jī)集群具有“功能分布化”的特性[49]，由大量低成本、功能單一的無人機(jī)組成，通過大量異構(gòu)、異型的個(gè)體來實(shí)現(xiàn)復(fù)雜的系統(tǒng)功能。集群協(xié)同作業(yè)離不開合理高效的協(xié)同控制手段，必須對(duì)多機(jī)系統(tǒng)進(jìn)行合理的協(xié)同任務(wù)規(guī)劃。在實(shí)際任務(wù)的執(zhí)行中，受無人機(jī)、任務(wù)要求和環(huán)境因素等的影響與制約，對(duì)多UAV進(jìn)行協(xié)同控制是一個(gè)極其復(fù)雜、極具挑戰(zhàn)性的問題。多無人機(jī)協(xié)同任務(wù)規(guī)劃屬于運(yùn)籌學(xué)上一類復(fù)雜的組合優(yōu)化問題，旨在實(shí)現(xiàn)機(jī)群內(nèi)各個(gè)成員的任務(wù)指派與資源分配、任務(wù)沖突消解與重分配等功能。對(duì)該優(yōu)化問題進(jìn)行建模與求解的方法有很多種，大致可以分為集中式和分布式兩類。集中式控制方法的特點(diǎn)是在系統(tǒng)中存在著一個(gè)中心節(jié)點(diǎn)，由這個(gè)中心節(jié)點(diǎn)完成整個(gè)系統(tǒng)的任務(wù)指派和調(diào)度、協(xié)調(diào)等工作，無人機(jī)僅充當(dāng)任務(wù)執(zhí)行者的角色。此時(shí)，多UAV協(xié)同任務(wù)規(guī)劃問題抽象成組合優(yōu)化問題的形式，首先借助圖論對(duì)問題建模，將參與者包括無人機(jī)和任務(wù)對(duì)象(如地面目標(biāo))等抽象成圖的節(jié)點(diǎn)，而一個(gè)UAV以某種狀態(tài)對(duì)一個(gè)對(duì)象執(zhí)行任務(wù)的過程則抽象成圖的邊，再引入二元決策變量。把這個(gè)復(fù)雜的規(guī)劃問題刻畫成一個(gè)有向圖的形式，然后使用某種合適的搜索算法對(duì)這個(gè)有向圖搜索以確定最優(yōu)解?，F(xiàn)在已經(jīng)存在多種集中式任務(wù)規(guī)劃建模方法，包括多旅行商問題、車輛路由問題、網(wǎng)絡(luò)流模型、混合整數(shù)線性規(guī)劃等。前兩種模型一般用于處理單一任務(wù)的多UAV協(xié)同，如協(xié)同搜索任務(wù)等，在建模過程中可以考慮問題的時(shí)間相關(guān)約束，如時(shí)間窗約束等。后兩種模型在處理多任務(wù)時(shí)更適用，如需要多次訪問目標(biāo)位置的“確認(rèn)—攻擊—?dú)痹u(píng)估一體化任務(wù)。集中式控制方法經(jīng)過多年的發(fā)展已經(jīng)較為成熟，其全局特性較好，在處理復(fù)雜耦合問題時(shí)，可以通觀全局，獲得較好的可行解，具有較大的優(yōu)勢(shì)。但實(shí)時(shí)性、魯棒性和容錯(cuò)性等方面的不足導(dǎo)致了它在動(dòng)態(tài)、不確定性和實(shí)時(shí)性要求較高的應(yīng)用中效果不佳。分布式任務(wù)規(guī)劃方法很多是基于市場機(jī)制的合同網(wǎng)協(xié)議，該方法的基本思想是將任務(wù)分配過程視為一個(gè)市場交易過程，通過“拍賣—競標(biāo)—中標(biāo)”這個(gè)市場競拍機(jī)制實(shí)現(xiàn)分布式系統(tǒng)內(nèi)部工作任務(wù)的指派和調(diào)整。當(dāng)一個(gè)系統(tǒng)成員產(chǎn)生新任務(wù)時(shí)，如發(fā)現(xiàn)新目標(biāo)，可以向系統(tǒng)中的其他成員發(fā)布市場拍賣合約，其他成員則對(duì)該合約進(jìn)行評(píng)估。如果可行則向拍賣者回復(fù)自己執(zhí)行該合約的代價(jià)，合約拍賣者收到競標(biāo)者的價(jià)碼后，進(jìn)行評(píng)估，選擇合適的執(zhí)行者，進(jìn)行任務(wù)指派。分布式方法在近些年的發(fā)展中，越來越受到關(guān)注，已經(jīng)有大量的方法被提出和應(yīng)用，如協(xié)商一致理論、對(duì)策論、信息素、多智能體系統(tǒng)等。這類方法由于其對(duì)動(dòng)態(tài)不確定性問題的適用性而發(fā)展迅速。2)飛行航跡規(guī)劃技術(shù)飛行航跡規(guī)劃的目的是引導(dǎo)UAV在飛行過程中躲避威脅、障礙，最終到達(dá)指定任務(wù)區(qū)域或目標(biāo)上空，并在滿足相關(guān)約束的同時(shí)優(yōu)化某種性能指標(biāo)。航跡規(guī)劃問題通常建模為復(fù)雜的、約束多的、耦合強(qiáng)的多目標(biāo)優(yōu)化與決策問題，已有的研究包括描述復(fù)雜的戰(zhàn)場環(huán)境、平臺(tái)自身物理特性約束、航線的戰(zhàn)術(shù)可行性、隱蔽性要求的單航跡規(guī)劃，還包括適應(yīng)多UAV在時(shí)間上約束的多平臺(tái)協(xié)同航跡規(guī)劃。多飛行器協(xié)同規(guī)劃就每一個(gè)子系統(tǒng)飛行器而言，所生成的飛行軌跡不一定是最優(yōu)的，但對(duì)于整體的作戰(zhàn)效能來說是全局最優(yōu)或次優(yōu)的。(1)單平臺(tái)航跡規(guī)劃。UAV航線規(guī)劃問題與機(jī)器人路徑規(guī)劃問題具有一定的相似性，因而很多UAV航線規(guī)劃方法也源于機(jī)器人領(lǐng)域，但又有所發(fā)展，以適應(yīng)任務(wù)的戰(zhàn)術(shù)需求以及對(duì)大范圍、動(dòng)態(tài)環(huán)境中規(guī)劃算法實(shí)時(shí)性的要求。為了對(duì)復(fù)雜戰(zhàn)場空間進(jìn)行建模，通?；趲缀螌W(xué)原理，按照一定規(guī)則將空域進(jìn)行分解或?qū)ふ谊P(guān)鍵航路點(diǎn)，建立復(fù)雜戰(zhàn)場環(huán)境的拓?fù)浣Y(jié)構(gòu)，從而降低問題復(fù)雜性。比較有代表性的方法包括單元分解法、路標(biāo)圖法和人工勢(shì)場法等。單元分解法一般采用正四邊形或正六邊形柵格對(duì)規(guī)劃環(huán)境進(jìn)行劃分，從而實(shí)現(xiàn)連續(xù)空間的離散化。路標(biāo)圖法通過對(duì)規(guī)劃環(huán)境的采樣，有效縮減搜索空間，提高求解效率，并且便于處理對(duì)UAV飛行中的各種約束，因而成為最常用的建模方法。該類建模方法主要包括可視圖、Voronoi圖、概率路標(biāo)圖以及快速擴(kuò)展隨機(jī)樹算法等。當(dāng)戰(zhàn)場態(tài)勢(shì)發(fā)生變化時(shí)，規(guī)劃出能夠適應(yīng)新環(huán)境的航跡，是應(yīng)對(duì)戰(zhàn)場環(huán)境動(dòng)態(tài)性的主要手段，這對(duì)在線規(guī)劃算法的實(shí)時(shí)性提出了很高要求。由于UAV航線規(guī)劃問題自身的復(fù)雜性，難以在短時(shí)間內(nèi)得出高質(zhì)量的解，因而往往采用一些簡化手段，主要包括限定規(guī)劃時(shí)所涉及的戰(zhàn)場范圍.(2)多平臺(tái)協(xié)調(diào)控制。多UAV系統(tǒng)中的各平臺(tái)之間通常需要滿足在空間、時(shí)間以及飛行狀態(tài)上的相對(duì)關(guān)系，如同時(shí)到達(dá)指定位置、避免相互碰撞等，以充分發(fā)揮協(xié)同優(yōu)勢(shì)、避免沖突。為滿足多UAV在時(shí)間上的相對(duì)關(guān)系，可采用速度調(diào)節(jié)、航線長度調(diào)節(jié)，以及增加機(jī)動(dòng)動(dòng)作等手段，對(duì)已有的基本航線進(jìn)行調(diào)整。3)多無人機(jī)協(xié)同編隊(duì)控制方法近幾十年來，學(xué)者們?cè)陲w行器協(xié)同編隊(duì)飛行控制方面做了大量研究，主要研究內(nèi)容總結(jié)為隊(duì)形生成、隊(duì)形保持、隊(duì)形切換和編隊(duì)避障。隊(duì)形生成研究多無人機(jī)如何生成指定的隊(duì)形的問題，隊(duì)形切換包括隊(duì)形按程序變換及應(yīng)對(duì)突發(fā)情況的隊(duì)形重構(gòu)問題，編隊(duì)避障研究集群飛行中如何改變編隊(duì)規(guī)劃避開障礙的問題。其實(shí)，還有一種涉及較少的自適應(yīng)問題的研究，即多無人機(jī)在未知環(huán)境下如何自適應(yīng)地改變編隊(duì)或保持隊(duì)形以便適應(yīng)環(huán)境的問題。編隊(duì)飛行的控制策略主要由兩個(gè)方面組成，即無人機(jī)之間的信息交互及隊(duì)形控制算法。在信息交互的控制策略中主要有集中式控制、分布式控制和分散式控制三種方式，每種方式有其獨(dú)特的定義和優(yōu)缺點(diǎn)。(1)集中式控制。編隊(duì)中的無人機(jī)兩兩進(jìn)行信息交互，交互的信息包括各自的位置、速度、姿態(tài)和運(yùn)動(dòng)目標(biāo)等信息。在集中式控制策略中，由于每架無人機(jī)都知道整個(gè)編隊(duì)的信息，因此控制效果好，但是交互的信息量特別大，容易造成信息的沖突，所以對(duì)機(jī)載計(jì)算機(jī)的性能要求高，整個(gè)編隊(duì)控制系統(tǒng)的計(jì)算量很大。(2)分布式控制。編隊(duì)中的每架無人機(jī)只需要與相鄰的無人機(jī)進(jìn)行信息交互。在此控制方案中，由于每架無人機(jī)只需要知道和它相鄰的無人機(jī)的信息，因此相比集中式控制策略，分布式控制策略控制效果相對(duì)較差，但是交互的信息較少，計(jì)算量小，也容易避免信息沖突，且整個(gè)編隊(duì)控制系統(tǒng)的實(shí)現(xiàn)相對(duì)簡單。從工程的實(shí)現(xiàn)角度看，分布式控制策略易于實(shí)現(xiàn)和維護(hù)，且具有較好的擴(kuò)充性與容錯(cuò)性，如在執(zhí)行任務(wù)的過程中變更任務(wù)需要加入無人機(jī)或者替換有故障的無人機(jī)等。由于這樣的突變?cè)诜植际娇刂品桨钢锌梢詫⒂绊懴拗圃诰植糠秶?，因此分布式編?duì)控制方案已經(jīng)逐漸取代集中式控制成為編隊(duì)信息交互研究的熱點(diǎn)。(3)分散式控制。各架無人機(jī)之間不會(huì)進(jìn)行信息交互，編隊(duì)中的每架無人機(jī)只需要保持其與編隊(duì)中約定點(diǎn)的相對(duì)關(guān)系。雖然此種策略計(jì)算量更少，結(jié)構(gòu)最簡單，但編隊(duì)控制效果最差且不能保證編隊(duì)形成及飛行中無人機(jī)之間不發(fā)生碰撞事故。對(duì)于無人機(jī)編隊(duì)隊(duì)形控制算法的研究相對(duì)成熟且通用的方法有：跟隨領(lǐng)航者法、基于行為法、虛擬結(jié)構(gòu)法等。跟隨領(lǐng)航者法，即長機(jī)-僚機(jī)策略，集群需要指定隊(duì)形中部分無人機(jī)作為領(lǐng)航者，其他無人機(jī)作為跟隨者并跟隨領(lǐng)航者運(yùn)動(dòng)。它將隊(duì)形控制問題轉(zhuǎn)化為跟隨長機(jī)的朝向和位置跟蹤問題。此編隊(duì)方式是時(shí)下最流行的，也是最古老的一種編隊(duì)控制方式。跟隨領(lǐng)航者法的優(yōu)點(diǎn)在于無人機(jī)機(jī)群的行為可以由單架或幾架領(lǐng)航者決定，缺點(diǎn)在于編隊(duì)的魯棒性依賴于長機(jī)的魯棒性，無人機(jī)飛行誤差會(huì)隨著僚機(jī)的跟隨逐級(jí)放大，僚機(jī)一般不影響長機(jī)的運(yùn)動(dòng)，這種編隊(duì)控制系統(tǒng)易受到外界干擾的影響?；谛袨榉ㄐ枰仍O(shè)計(jì)無人機(jī)的一系列行為，然后各架無人機(jī)利用其行為的加權(quán)平均來決定各自的控制輸入，其控制輸入可以是自身的信息，也可以是相鄰的無人機(jī)輸出的信息。基于行為法大都采用局部信息交互進(jìn)行協(xié)同，實(shí)質(zhì)上是一種分布式協(xié)同控制方法。這種方法靈活性好、并行性和實(shí)時(shí)性較佳，魯棒性強(qiáng)，設(shè)計(jì)的系統(tǒng)也具有可靠性，但目前缺乏有效的穩(wěn)定性分析工具。虛擬結(jié)構(gòu)法，其基本思想是將無人機(jī)編隊(duì)系統(tǒng)的隊(duì)形看作是一個(gè)剛體的虛擬結(jié)構(gòu)，每架無人機(jī)被認(rèn)為是虛擬結(jié)構(gòu)上位置固定的點(diǎn)，當(dāng)無人機(jī)隊(duì)形發(fā)生移動(dòng)時(shí)，無人機(jī)跟蹤剛體上對(duì)應(yīng)的固定點(diǎn)即可實(shí)現(xiàn)固定的編隊(duì)飛行。虛擬結(jié)構(gòu)法的實(shí)現(xiàn)分為三步：首先，定義虛擬結(jié)構(gòu)期望的動(dòng)力特性；其次，將虛擬結(jié)構(gòu)的運(yùn)動(dòng)轉(zhuǎn)化為編隊(duì)中個(gè)體的期望運(yùn)動(dòng)；最后，得出編隊(duì)個(gè)體的軌跡跟蹤控制方法。虛擬結(jié)構(gòu)法可以整體描述機(jī)群的行為，由于采用編隊(duì)反饋設(shè)計(jì)控制律，使得編隊(duì)飛行具有較高的控制精度，但正是由于其必須剛性運(yùn)動(dòng)，限制了該方法僅適合于小規(guī)模機(jī)群的編隊(duì)。4)無人機(jī)集群通信保障技術(shù)為提高無人機(jī)編隊(duì)控制系統(tǒng)的魯棒性和安全性，除了考慮無人機(jī)參數(shù)及其外部擾動(dòng)的不確定因素之外，還必須考慮無人機(jī)編隊(duì)飛行時(shí)通信中存在的不確定性因素，如通信延遲、機(jī)間通信丟包，甚至部分通信鏈路產(chǎn)生故障等，均需要設(shè)計(jì)地面站與無人機(jī)、無人機(jī)與無人機(jī)之間的冗余信息交互機(jī)制。同時(shí)，在集群作業(yè)過程中，無人機(jī)存在受傷、擊落、增援等多個(gè)狀態(tài)，其動(dòng)態(tài)加入和退出也使得通信鏈路必須支持無人機(jī)數(shù)量的變化，完成集群的重構(gòu)，而且在無人機(jī)與地面站失去聯(lián)系時(shí)，無人機(jī)集群應(yīng)具有通信鏈路的自組織能力。在理論研究方面，目前國外已經(jīng)在無人機(jī)編隊(duì)飛行的通信故障管理及其算法設(shè)計(jì)方面進(jìn)行了深入的研究，并且取得了卓有成效的研究成果。大致思路分為兩種，一種是設(shè)計(jì)解決自動(dòng)化系統(tǒng)出現(xiàn)通信故障時(shí)的通信協(xié)議，另一種是基于故障容錯(cuò)的方法通過重構(gòu)次優(yōu)的無人機(jī)編隊(duì)進(jìn)行故障容錯(cuò)，有效消除或控制通信故障。國內(nèi)對(duì)于無人機(jī)編隊(duì)通信故障管理技術(shù)研究只是處于探索階段，研究集群通信故障管理的工作較少。在無人機(jī)故障管理方面，大多集中在飛控系統(tǒng)執(zhí)行器故障容錯(cuò)方法的研究，依舊局限在單架無人機(jī)系統(tǒng)內(nèi)環(huán)故障管理策略的設(shè)計(jì)。6.1智能機(jī)器人的發(fā)展歷程6.2智能機(jī)器人的類別與功能6.3智能機(jī)器人的基本技術(shù)簡介6.4智能機(jī)器人的應(yīng)用6.1智能機(jī)器人的發(fā)展歷程智能機(jī)器人是一種具有高度靈活性的自動(dòng)化機(jī)器，具備了與人或其他生物一些相似的智能能力。隨著人工智能與互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)及云平臺(tái)等的深度融合，在超強(qiáng)計(jì)算能力的支撐下，智能機(jī)器人開始具有更強(qiáng)的環(huán)境適應(yīng)能力和自主能力，以便適用于更加復(fù)雜多變的應(yīng)用場景。與此同時(shí)，智能機(jī)器人的應(yīng)用范圍從制造業(yè)不斷擴(kuò)展到外星探測(cè)、空天、陸地、水面、海洋、極地、核化、微納操作等特種與極限領(lǐng)域，并開始滲透到人們的日常生活。智能機(jī)器人如圖6.1所示。機(jī)器人的應(yīng)用越來越廣泛，作用越來越突出，甚至有研究發(fā)現(xiàn)“機(jī)器人對(duì)于勞動(dòng)生產(chǎn)力的增長貢獻(xiàn)與蒸汽機(jī)出現(xiàn)時(shí)對(duì)于勞動(dòng)生產(chǎn)力的影響是同一個(gè)級(jí)數(shù)”。與此同時(shí)，機(jī)器人技術(shù)也在快速進(jìn)步，在相關(guān)學(xué)科技術(shù)進(jìn)步的推動(dòng)下，機(jī)器人領(lǐng)域在醞釀著技術(shù)突破。6.1.1智能機(jī)器人的定義1946年，世界上第一臺(tái)計(jì)算機(jī)“埃尼阿克”誕生于美國賓夕法尼亞大學(xué)。十年之后的1956年，McCarthy，Minsky，Shannon和Rochester等在美國達(dá)特茅斯學(xué)院發(fā)起召開的夏季研討會(huì)上，創(chuàng)立了“人工智能”的概念，并將人工智能界定為“研究與設(shè)計(jì)智能體(Agent)”。智能體被定義為：“能夠感知環(huán)境，并采取行動(dòng)使成功機(jī)會(huì)最大化的系統(tǒng)”。因此，理想的智能體應(yīng)該就是一臺(tái)能夠以類似人類智能行為的方式進(jìn)行反應(yīng)、具有環(huán)境適應(yīng)性的自主機(jī)器，或稱之為智能機(jī)器人。根據(jù)這些設(shè)想，智能體或智能機(jī)器人一直沿著以下三個(gè)方向發(fā)展：一是感知智能，即對(duì)感知或直覺行為的模擬，如視聽覺、觸覺、嗅覺、運(yùn)動(dòng)覺等；二是認(rèn)知智能，即對(duì)認(rèn)知或人類深思熟慮行為的模擬，包括記憶、常識(shí)、經(jīng)驗(yàn)、理解、推理、規(guī)劃、決策、知識(shí)學(xué)習(xí)、思維、意圖和意識(shí)等高級(jí)智能行為；三是對(duì)行動(dòng)的模擬，如靈活移動(dòng)與靈巧操作功能的實(shí)現(xiàn)等。我國科研人員對(duì)智能機(jī)器人定義是：一種具備一些與人類有著相似的感知能力、動(dòng)作能力、協(xié)同能力和規(guī)劃能力的高度靈活的自動(dòng)化機(jī)器系統(tǒng)，其主要特征為：能夠感知多種信息，并將多種感知的數(shù)據(jù)信息進(jìn)行融合，快速適應(yīng)環(huán)境變化，具有自適應(yīng)自學(xué)習(xí)和自治能力[5]。6.1.2智能機(jī)器人的誕生與發(fā)展歷程“機(jī)器人”一詞最早出現(xiàn)于192