第十二章智能控制.

第十二章智能控制智能控制的发展与定义智能控制的结构理论与特点智能控制的研究领域智能控制系统智能控制应用示例小结212.1智能控制的发展与定义(DevelopmentandDefinitionofIntelligentControl)12.1.1智能控制的产生和发展智能控制的发展自动控制的发展过程智能控制思潮出现于60年代；60年代中期，自动控制与人工智能开始交接；近十年来，智能控制的研究出现一股新的热潮。312.1智能控制的发展与定义图12-1自动控制的发展过程开环控制确定性反馈控制最优控制随机控制自适应/鲁棒控制自学习控制智能控制进展方向控制复杂性412.1.2智能控制的定义12.1智能控制的发展与定义智能控制系统能够在定形或不定形、熟悉或不熟悉的环境中自主地或与操作人员交互作用以执行各种拟人任务的机器。能按规定程序对机器或装置进行自动操作或控制的过程。驱动智能机器自主实现其目标的过程。用于驱动自主智能机器以实现其目标而无需人员干预的系统叫智能控制系统。智能机器自动控制智能控制512.2智能控制的结构理论与特点(StructuralTheoriesandFeatureofIntelligentControl)12.2.1智能控制的结构理论1.二元结构傅京孙(K.S.Fu)首先论述了人工智能与自动控制的交接关系，指出“智能控制系统描述自动控制系统与人工智能的交接作用”。AIACIC图12-2智能控制的二元结构62.三元结构萨里迪斯(Saridis)认为，二元交集的两元互相支配无助于智能控制的有效和成功应用，必须把远筹学的概念引入智能控制，使它成为三元交集中的一个子集。萨里迪斯提出分级智能控制系统，由3个智能(感知)级组成：组织级、协调级、执行级。12.2智能控制的结构理论与特点图12-3智能控制的三元结构AIORICCT7组织器分配器协调器n协调器1硬件控制器1硬件控制器n过程1过程n图12-4分级智能控制系统组织级协调级执行级12.2智能控制的结构理论与特点83.四元结构蔡自兴提出四元智能控制结构，把智能控制看做自动控制、人工智能、信息论和运筹学四个学科的交集。ACICAIORIN图12-5智能控制的四元结构12.2智能控制的结构理论与特点9信息论作为智能控制结构一个子集的理由：信息论是解释知识和智能的一种手段；控制论、系统论和信息论是紧密相互作用的；信息论已成为控制智能机器的工具；信息熵成为智能控制的测度；信息论参与智能控制的全过程，并对执行级起到核心作用。1012.2.2智能控制器的一般结构不完全任务描述任务协商混合知识表示高层规划/控制常规控制过程各种驱动器世界（环境）各种传感器多传感器感知系统图12-6智能控制器的一般结构12.2智能控制的结构理论与特点1112.2.3智能控制的特点智能控制以知识进行推理，以启发引导求解过程。智能控制的核心在高层控制，即组织级。智能控制是一门边缘交叉学科。智能控制是一个新兴的研究领域。12.2智能控制的结构理论与特点1212.3智能控制的研究领域(ResearchFieldsofIntelligentControl)智能机器人随着机器人技术的发展和自动化程度的提高，对机器人的功能提出更高的要求，特别是各种具有不同程度智能的机器人，包括空间智能机器人。智能过程控制与规划差异过程规划；生成过程规划；基于知识的过程规划。13专家控制系统智能调度语音控制康复机器人控制智能仪器12.3智能控制的研究领域1412.4智能控制系统(IntelligentControlSystems)12.4.1递阶控制系统递阶智能控制(hierarchicallyintelligentcontrol)是从工程控制论的角度总结人工智能与自适应、自学习和自组织控制的关系之后而逐渐地形成的，是智能控制的最早理论之一。两种分级递阶控制理论:基于知识/解析混合多层智能控制理论以及递阶智能控制理论。151.定义与假设智能控制系统各级的共同要素涉及机器各种作用的不确定性，采用概率模型来描述这些具有共同度量的作用，即它们各自的熵(entropies)。组织级：以知识为主体，用香农熵来衡量所需知识。协调级：以概率描述的决策方式来表示，这些方案的熵用于度量协调的不确定性。执行级：执行代价等价于系统所消耗的能量，并由Boltzman的熵来表示。12.4智能控制系统162.组织级与知识基系统组织器(organizer)是智能控制的最高级，它的功能是建立在几个人工智能(基于知识)概念基础上的。这些概念转换为概率模型，表示推理、规划、决策、长时记忆交换和反馈学习等功能，以规定一个响应外部指令的任务。12.4智能控制系统机器推理机器规划机器决策协调级长期存储交换单元自顶向下自底向上uj规划输出YF编译指令输入图12-7组织级的结构框图173.协调级与嵌套树协调级的目标是把控制问题的实际公式与最有希望的完全的协调规划联系起来，包括在可供选择的原本中挑选一个规划。协调级由一定数目的协调器组成，每个协调器与执行级的具体硬件(执行装置)连接。当某个指令由相应的协调器发送至执行装置时，这些装置就执行规定好的任务。这种结构意味着：协调级不具有推理能力。12.4智能控制系统184.具有熵函数的执行级执行级是递阶智能控制的最底层，要求具有较高的精度和较低的智能；按控制论进行控制。执行级的性能也可由熵来表示，因而统一了智能机器的功用。此熵的量度选择一适当的控制，以执行某任务的不确定性。我们能够选择某个最优控制使此熵(即执行的不确定性)为最小。12.4智能控制系统1912.4.2专家控制系统(ExpertControlSystem)对专家控制器的控制要求运行可靠性高决策能力强应用通用性好控制与处理的灵活性拟人能力专家控制器的特点与设计原则模型描述的多样性决策机构的递阶性在线处理的灵巧性推理与决策的实时性控制策略的灵活性12.4智能控制系统203.专家控制器的结构知识库由经验数据库和学习与适应装置组成。经验数据库存储经验和事实；学习与适应装置在线获取信息，补充或修改知识库内容，改进系统性能，提高问题求解能力。12.4智能控制系统e学习与适应装置数据库专家控制器特征识别信息处理推理机控制规则集控制对象传感器RYESKGUYu图12-8工业专家控制器结构框图21控制规则集是对被控过程的各种控制模式和经验的归纳和总结，采用向前推理方法逐次判别各种规则。特征识别与信息处理实现信息的提取与加工，为控制决策和学习适应提供依据。专家控制器的输入集为：E=(R,e,Y,U)，e=R–Y式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出，Ｕ为控制器的输出集。专家控制器的模型可用式U=f(E,K,I)表示，智能算子f为几个算子的复合运算：f=g·h·p，其中：g:E→S；h:S×K→I；p:I→U12.4智能控制系统2212.4.3模糊控制系统1.模糊控制器的结构模糊控制器由N维关系R表示，R可视为[0，1]区间的几个N维关系Ri的组合，每个Ri代表一条规则ri。控制器的输入x被模糊化为关系X；模糊输出Y可应用合成推理规则进行计算；对模糊输出Y进行非模糊化(模糊判决)，可得精确的数值输出y。12.4智能控制系统图12.9理论模糊控制器框图模糊化Y=X○R模糊判决XYyx2312.4智能控制系统图12.10模糊控制器的一般框图模糊化模糊决策模糊判决XYyx输入定标输出定标标度因子规则库隶属关系标度因子原精确值输入原精确值输出标准精确输入模糊输入模糊输出标准精确输出242.模糊控制器的控制规则现有FLC中，控制规则一般为如下形式：IF过程状态THEN控制作用3.模糊控制器的设计方法语言相平面法；专家系统法CAD环境工具；遗传优化算法专家模糊控制器（EFC）容许复杂的分级规则，如：IF〈过程状态1〉THEN〈中间变量1〉IF〈中间变量N〉THEN〈控制作用......12.4智能控制系统2512.4.4学习控制系统1.学习控制的发展及研究课题学习控制的发展学习控制的研究课题在非稳定环境中的学习提高学习效率学习系统的多级结构结束规则把模糊数学用于学习系统直觉推理的应用文法推理12.4智能控制系统262.学习控制的设计原则控制系统应具有分层信息处理和决策能力控制器应具有在线特征辨识和特征记忆的功能控制器应具有多模态控制应用直觉推理逻辑，使控制器的决策更灵活和迅速，以提高自学习效率。12.4智能控制系统2712.4.5神经控制系统1.神经控制研究的发展及特性发展1960年，威德罗(Widrow)和霍夫(Hoff)率先把神经网络用于自动控制研究。60年代末期至80年代中期，神经网络控制与整个神经网络研究一样，处于低潮。80年代后期以来，神经网络控制的研究日趋活跃。12.4智能控制系统28神经网络的特性并行处理和快速性，适于实时控制和动力学控制。本质非线性特性，为非线性控制带来新的希望。可通过训练获得学习能力，能解决用数学模型或规则描述难以处理或无法处理的控制过程。很强的自适应能力和信息综合能力，能同时处理大量的不同类型的控制输入，解决输入信息的互补性和冗余性问题。12.4智能控制系统292.神经网络学习控制12.4智能控制系统图12.11监督式学习NN控制器的结构监督对象受控对象NNCr(t)e(t)u(t)y(t)+-+-选择器30实现SNC包括下列步骤：通过传感器及传感信息处理获取必要的控制信息。构造神经网络，包括选择合适的神经网络类型、结构参数和学习算法等。训练SNC，实现从输入到输出的映射，产生正确控制。12.4智能控制系统313.神经网络非线性控制12.4智能控制系统图12.12神经元预测控制器结构图对象NLONNP过滤器r(t)e(t)u(t)y(t)de(t)+-+-y(t+k)^NLO—非线性优化器NNP—神经网络预测器32预测控制算法的本质是预测模型、滚动优化和反馈校正。预测模型用于描述控制对象的动态行为，根据系统当前输入和输出信息以及未来输出信息，预测未来的输出值。12.4智能控制系统334.神经网络自适应控制模型参考自适应控制(MRAC)多采用间接控制方式。训练时，随意产生控制器输出传送至对象，由该输出信号和对象的实际输出来训练控制器，使控制器最终能够产生正确的控制信号，以求对象输出尽可能地接近期望轨迹。5.其它神经网络控制神经网络鲁棒自适应控制、模糊神经网络控制、神经网络变结构控制、神经网络自寻优控制、神经网络自校正控制,……12.4智能控制系统3412.5智能控制应用示例(IntelligentControlApplication)1.智能机器人规划与控制感知状况环境传感器信息处理传感器数值目标选择任务分解驱动器世界模型数据库事件作用评价预测状况规划内部外部图12-13MAUV的智能控制原理结构图352.智能机器人规划与控制3.自动加工系统的智能控制4.智能故障检测与诊断5.飞行器的智能控制6.医用智能控制7.智能仪器3612.6小结(Summary)本章着重讨论了智能控制的结构理论和特点，现存的智能控制结构理论有二元、三元和四元交集等理论。本章另一重点是各种智能控制系统的原理与构成，分别介绍了分级递阶智能控制、专家控制、模糊控制、学习控制和神经控制等系统。本章还阐述了智能控制的研究领域及应用实例。智能控制的研究领域是十分广泛和高度交叉的，它的应用也日益广泛。