智能控制论文

智能控制论文摘要：基于智能控制和常规控制的本质区别和内在联系，对智能控制的概念进行了研究，同时介绍了智能控制的学科基础和主要分支，并且总结了智能控制的基本分析方法，最后指出了智能控制的实现中存在的一些问题。关键词智能控制，人工控制，控制论1引言自1971年傅京孙教授提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能、模糊集理论、运筹学和控制论），在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的发展和完善。智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。智能控制也是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。随着科学技术的发展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的发展和完善。2智能控制的概念智能控制的定义一:智能控制是由智能机器自主地实现其目标的过程.而智能机器则定义为,在结构化或非结构化的,熟悉的或陌生的环境中,自主地或与人交互地执行人类规定的任务的一种机器.定义二:K.J.奥斯托罗姆则认为,把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟,并用于控制系统的分析与设计中,以期在一定程度上实现控制系统的智能化定义三:智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制,也是用计算机模拟人类智能的一个重要领域.,这就是智能控制.他还认为自调节控制,自适应控制就是智能控制的低级体现.定义四:智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律,研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。3智能控制系统的类型1)集成或者（复合）混合控制几种方法和机制往往结合在一起,用于一个实际的智能控制系统或装置,从而建立起混合或集成的智能控制系统.2）分级递阶控制系统分级递阶智能控制是在自适应控制和自组织控制基础上,由美国普渡大学Saridis提出的智能控制理论.分级递阶智能控制(HierarchicalIntelligentControl)主要由三个控制级组成,按智能控制的高低分为组织级,协调级,执行级,并且这三级遵循伴随智能递降精度递增原则。组织级(organizationlevel):组织级通过人机接口和用户(操作员)进行交互,执行最高决策的控制功能,监视并指导协调级和执行级的所有行为,其智能程度最高.协调级(Coordinationlevel):协调级可进一步划分为两个分层:控制管理分层和控制监督分层.执行级(executivelevel):执行级的控制过程通常是执行一个确定的动作.3）专家控制系统（ExpertSystem）专家指的是那些对解决专门问题非常熟悉的人们,他们的这种专门技术通常源于丰富的经验,以及他们处理问题的详细专业知识.专家系统主要指的是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题.它具有启发性,透明性,灵活性,符号操作,不一确定性推理等特点.应用专家系统的概念和技术,模拟人类专家的控制知识与经验而建造的控制系统,称为专家控制系统.专家系统是利用专家知识对专门的或困难的问题进行描述.用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相对工程费用较高,而且还涉及自动地获取知识困难、无自学能力、知识面太窄等问题.尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控制的实际应用相对还是比较少。4)人工神经网络控制系统神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络;或由大量象生物神经元的处理单元并联互连而成.这种神经网络具有某些智能和仿人控制功能.学习算法是神经网络的主要特征,也是当前研究的主要课题.学习的概念来自生物模型,它是机体在复杂多变的环境中进行有效的自我调节.神经网络具备类似人类的学习功能.一个神经网络若想改变其输出值,但又不能改变它的转换函数,只能改变其输人,而改变输人的唯一方法只能修改加在输人端的加权系数.神经网络的学习过程是修改加权系数的过程,最终使其输出达到期望值,学习结束.常用的学习算法有：Hebb学习算法,widrowHoff学习算法,反向传播学习算法一BP学习算法,Hopfield反馈神经网络学习算法等。神经网络控制，即基于神经网络控制或简称神经控制，是指砸控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊断等，遗迹同时兼有上述某些功能的适应组合，将这样的系统统称为神经网络的控制系统，将这种控制方式称为神经网络控制。5）模糊控制系统模糊控制,就是在被控制对象的模糊模型的基础上,运用模糊控制器近似推理手段,实现系统控制的一种方法.模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标.模糊控制的基本思想是用机器去模拟人对系统的控制.它是受这样事实而启发的:对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统,有经验的操作者或专家却能取得比较好的控制效果,这是因为他们拥有日积月累的丰富经验,因此人们希望把这种经验指导下的行为过程总结成一些规则,并根据这些规则设计出控制器.然后运用模糊理论,模糊语言变量和模糊逻辑推理的知识,把这些模糊的语言上升为数值运算,从而能够利用计算机来完成对这些规则的具体实现,达到以机器代替人对某些对象进行自动控制的目的。6）学习控制系统学习是人类的主要智能之一,人类的各项活动也需要学习.在人类的进化过程中,学习功能起着十分重要的作用.学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试.所谓学习是一种过程,它通过重复输人信号,并从外部校正该系统,从而使系统对特定输人具有特定响应.学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息,积累控制经验,并在一定的评价标准下进行估值,分类,决策和不断改善系统品质的自动控制系统。以上这些控制方法之间，及其与常规控制之间的相互结合，又会构成各种各样的控制，但基本上都是以上这些控制方法的派生。4智能控制系统的分析方法智能控制系统是一类复杂的非线性动力学系统，不能用某一种单纯的模型去描述它，相应地所采用的分析方法也不同。1）常规模型分析法许多智能控制器都能常微分方程表示，这部分可用常规模型分析理论来分析，适用于作稳定性分析和描述函数分析。2）离散事件系统模型分析法离散事件模型适用于作专家系统,规划系统,抽象学习系统以及智能控制系统中较高级的组织级和协调级。3）混杂模型分析法对于非常复杂的混杂控制器以及混杂控制过程要大力发展非线性分析技术。5智能控制的研究对象智能控制的研究对象具备以下的一些特点：1）不确定性的模型智能控制的研究对象通常存在严重的不确定性。这里所说的模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。2）高度的非线性对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。3）复杂的任务要求对于智能控制系统，任务的要求往往比较复杂。6智能控制的应用智能控制在各行各业的应用：工业过程中的智能控制生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。机械制造中的智能控制在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况,人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If”逆向推理作为反馈机构,修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行处理信息的能力,进行在线的模式识别,处理那些可能是残缺不全的信息。电力电子学研究领域中的智能控制电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了良好的控制效果。遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一。7结语智能控制理论经过多年的发展，已经取得了可喜的成果。但是智能控制尚未形成一个完整、系统的理论，在分析、设计以及实际应用中还存在许多重要的问题。随着各门前沿学科的发展以及人们认识的提高，智能控制的发展必将越来越完善。参考文献[1]王中杰，余章雄，柴天佑，《智能控制综述》东北大学自动化研究中心1998[2]李士勇.模糊控制.神经控制和智能控制论.哈尔滨：哈尔滨工业大学出版社，1998，9[3]李人厚，秦世引.智能控制理论和方法.西安：西安交通大学出版社，1994