智能控制系统

关于智能控制的认识智能控制系统是在人工智能及自动控制等多学科基础上发展起来的新型交叉学科，目前尚未建立起一套完整的智能控制的理论体系，关于它所包含的技术内容也还没取得比较一致的认可。智能控制的基本概念顾名思义，智能控制就是控制与智能的结合。从智能角度看，智能控制是智能科学与技术在控制中的应用；从控制角度看，智能控制是控制科学与技术向智能化发展的高阶阶段。智能控制的研究对象智能控制主要用来解决那些用传统方法难以解决的复杂的控制问题。其中包括智能机器人系统、计算机集成制造系统（CIMS）、复杂的工业过程控制系统、航天航空控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。具体来说，智能控制的研究对象通常具有以下一些特点：1.不确定的模型；传统的控制是模型的控制，这里的模型包括控制对象和干扰的模型。对于传统控制通常认为模型已知或者经过辨识可以得到。而智能控制的对象通常存在严重的不确定性。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的范围内变化。无论哪种情况，传统方法很难对它们进行控制，而这正是智能控制系统所要研究解决的问题。2.高度的非线性：在传统的控制理论中，线性系统的理论比较成熟。对于具有高度非线性的控制对象，虽然也有一些非线性控制方法，但总的来说，非线性控制理论还不够成熟，而且方法比较复杂。采用智能控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。例如，在智能机器人系统中，它要求系统对一个复杂的任务具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力。再如在复杂的工业过程控制系统中，它除了要求对各种被控物理量实现定值调节外，还要求能实现整个系统的自动启停、故障的自动诊断以及紧急情况的自动处理等能力。智能控制系统智能控制系统是实现某种控制任务的一种智能系统。所谓智能控制系统是指具备一定智能行为的系统。具体来说，若对于一个问题的激励输入，能够产生合适的求解问题的响应，这样的系统便称为智能系统。例如，对于智能控制系统，激励输入是任务要求及反馈的传感信息等，产生的响应则是合适的决策和控制作用。从控制的角度，这能行为也是一种从输入到输出的映射关系。这种映射关系难以用数学的方法精确的加以描述，因此它可看成是一种不依赖于模型的自适应估计。例如，一个钢琴家弹奏一直优美的乐曲，这是一种高级的智能行为，其输入为乐谱，输出为手指的动作和力度。输入和输出之间存在某种映射关系，这种映射关系可以定性的加以说明，但很难用数学的方法精确地加以描述，因此很难由别人来精确地加以复现。G.N.萨里迪斯（Saridis）给出了一种较为具体的定义：通过驱动自主智能机来实现目标的系统成为智能控制系统。这里智能机是指能够在结构化或非结构化、熟悉或不熟悉的环境中，自主的或有人参与的执行拟人任务的机器。上面的定义仍然比较抽象，下面给出一个通俗但不严格的定义：在一个控制系统中，如果控制器完成了分不清是机器还是人完成的任务，称这样的系统为智能控制系统。智能控制系统的基本结构智能控制系统的结构图如下其中广义对象包括通常意义下的控制对象和所处的外部环境。例如，对智能机器人系统，机器人手臂、被操作物体及其所处环境被称为广义对象。传感器则包括关节位置的传感器、力传感器，还可能包括触觉传感器、滑觉传感器或视觉传感器等。感知信息处理将传感器得到的原始信息加以处理，如视觉信息便要经过很复杂的处理才能获得有用信息。认知部分主要接收和储存知识、经验和数据，并对它们进行分析、推理，做出下一步行动的决策，送至规划和控制部分。通信接口除建立人机之间的联系外，也建立系统中各模块之间的联系。规划和控制是整个系统的核心，它根据给定的任务要求、反馈的信息及经验知识，进行自动搜索、推理决策、动作规划，最终产生具体的控制作用，经执行部件作用于控制对象。智能控制系统的主要功能特点1.学习功能一个系统，如果能对一个过程或其环境的未知特征所固有的信息进行学习，并将学习所得到的经验或知识用于进一步的估计、分类、决策和控制，从而使系统的性能得到改善，那么就称为学习系统。2.适应功能这里所说的适应能力比传统的自适应控制中的适应功能具有更广泛的含义，它包括更高层次的适应性。正如前面已经提到的，智能控制系统中的智能行为实质是一种从输入到输出之间的映射关系。它可看成是不依赖模型的自适应估计，因此它应具有插补功能，从而可给出合适的输出。甚至当系统中某些部分出现故障时，系统也能正常工作。如果系统具有更高程度的智能，它还能自动找出故障甚至具备自修复的功能，从而体现了更强的适应性。3.组织功能它指的是对于复杂的任务和分散的传感信息具有自行组织和协调的功能。该组织功能也表现为系统具有响应的主动性和灵活性，即智能控制器可以在任务要求的范围内自行决策、主动地采取行动；而当出现多目标冲突时，在一定的限制下，控制器可有权自行裁决。智能控制的发展概况智能控制思想最早是由美国普渡大学的傅京逊（K.S.Fu）教授于60年代中期提出的，他在1965年发表的论文中率先提出把人工智能的启发式推理规则用于学习系统，这篇开创性论文为自动控制迈向智能化揭开了崭新的一页。接着，J.M.门德尔（Mendel）于1966年在空间飞行器的学习控制中应用了人工智能技术，并提出了“人工智能控制”的新概念；同年，利昂兹（Leondes）和门德尔首次使用了“智能控制（IntelligentControl）”一词，并把记忆、目标分解等技术用于学习控制系统；这些反映了智能控制思想的早期萌芽，常被称为智能控制的孕育期。70年代关于智能控制的研究是对60年代这一思想雏形的进一步深化，是智能控制的诞生和形成期。1971年，傅京逊发表了重要论文，提出了智能控制就是人工智能与自动控制的交叉的“二元论”思想，列举三种智能控制系统：人作为控制器的控制系统、人-机结合作为控制器的控制系统、无人参与的智能控制系统。1.人作为控制器的控制系统2.人-机结合作为控制器的控制系统3.无人参与的智能控制系统1974年，英国的曼达尼（Mamdani）教授首次成功地将模糊逻辑用于蒸汽机控制，开创了模糊控制的新方向；1977年，萨里迪斯的专著出版，并于1979年发表了综述文章，全面地论述了从反馈控制到最优控制、随机控制及至自适应控制、自组织控制、学习控制，最终向智能控制发展的过程，提出了智能控制是人工智能、运筹学、自动控制相交叉的“三元论”思想及分级递阶的智能控制系统框架。80年代，智能控制的研究进入了迅速发展时期：1984年，奥斯特若姆（Astrom）发表了论文，这是第一篇直接将人工智能的专家系统技术引入到控制系统的代表，明确地提出了建立专家控制的新概念；与此同时，霍普菲尔德（Hopfield）提出的Hopfield网络及鲁梅尔哈特（Rumelhart）提出的BP算法为70年代以来一直处于低潮的人工神经网络的研究注入了新的活力，继60年代吉尔默（Kilmer）和麦卡洛克（McClloch）提出KBM模型实现对“阿波罗”登月车的控制之后，人工神经网络再次被引入控制领域，并迅速得到了广泛的应用，从而开辟了神经网络控制；1985年8月，电气和电子工程师协会（IEEE）在美国纽约召开了第一界智能控制学术讨论会；1987年1月，在美国费城由IEEE控制系统学会与计算机学会联合召开了第一界智能控制国际会议，这标志着智能控制作为一门新学科正式建立起来。经过80年代的孕育发展，特别是近几年来的研究和实践，国际上已认识到采用智能控制是解决复杂系统控制问题的主要途径，并已纷纷付诸行动。在目前发表的工程类文献中，从现代控制理论向智能化发展的研究越来越多：如带有智能功能的传统控制（自适应控制、鲁棒控制等）、基于传感器或行为的智能反馈控制、学习控制和循环控制、故障诊断及容错控制，以生产调度管理控制为背景的离散事件系统研究，机器人班组自组织协调控制，自主控制，以及控制系统的智能化设计等等。另外，用人工智能方法解决控制问题的研究也日益增多，如：决策论，带有专家系统的监控、预警及调度系统，用神经元网络实现控制的系统，基于符号表示、模糊逻辑等设计的控制系统，模式识别与特征提取，智能机的应用等。特别是近年来对现场人工智能的研究，更在将人工智能的研究成果用于智能控制的道路上大大前进了一步。当前在许多专业化学科与工程中，针对特定对象的具体复杂性，综合运用各种智能控制策略，力求实现具体复杂系统的智能控制。如机器人研究中的智能机器人，航空航天工程中空间机器人的自主控制，以智能材料为基础的智能工程等。另一方面，更为抽象的一般智能控制原理的研究，如“拟人”与“拟社会”原理、分解集结原理、递阶控制（层次递阶与时序递阶）原理，智能控制结构体系等的研究也在积极进行。可以说当今智能控制研究中存在着两种趋势：一种是分别从“现代控制理论”和“人工智能”这两个基地走向智能控制；另一种是分别从“专业化学科与工程”和“一般原理”这两个基地走向智能控制；且不论从哪种趋势看，从前一个基地出发进行智能控制研究都是非常重要且切实可行的。在我国，重庆大学周其鉴等人从20世纪80年代初便开始仿人智能控制的研究，他们也为智能控制的发展做出了贡献。目前智能控制主要包括模糊控制、神经网络控制、分层递阶智能控制、专家控制及学习控制等内容，其中尤以用计算智能方法与控制的结合为研究的热点。计算智能主要是指模糊系统、神经网络及进化计算等智能方法。人工神经网络从结构上模仿生物神经系统，因此它是最低层的仿人智能。模糊系统则从功能上模仿人的定性和模糊的推理和决策过程，因此它是较高层次的仿人智能。进化计算则模仿了生物的进化行为。计算智能是主要基于数据和计算而非主要基于经验和推理的智能方法。因此，模糊控制和神经网络控制将是今后最经常采用和最重要的智能控制方法。基于各种智能方法的智能控制具有各自的特点和应用场合，然而，融合各种智能方法而尽可能发挥各自的优势，将是今后智能控制的一个重要发展方向。例如，模糊系统与神经网络的结合可组成比单独的神经网络或单独的模糊系统性能更好的智能系统。智能控制的分支智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。智能控制与传统控制的主要区别在于传统的控制方法必须依赖于被控制对象的模型，而智能控制可以解决非模型化系统的控制问题。目前，根据智能控制发展的不同历史阶段和不同的理论基础可以分为四大类:1.基于专家系统的智能控制;2.分层递阶智能控制;3.模糊逻辑控制;4.神经网络控制。模糊逻辑控制的分析模糊逻辑拉制论于1965年由扎德教授首先提出。它的主要思想是吸取气类思维具有模糊性的特点，通过模糊逻辑推理来实现对众多不确定性系统的有效控制。如果说，传统的控制是从被控对象的数学结构上去考虑进行控制的。那么，模糊控制是从人类智能活动的角度和基础上去考虑实施控制的。其设计的核心是模糊控制规则和隶属度函数的确定。经典的模糊逻辑控制器的隶属度函数、控制规则都是根据经验预先总结出来的。控制过程中没有对规则进行修正功能，不具备学习和适应能力。但仍然在许多场合，如炉窑控制、化工过程控制、水处理、家电等得到广泛的应用。同时，多种改进的或复合的模糊控制器也不断涌现，如模糊日、调节器、模糊专家拧制器、模糊自适应控制器、模糊神经网络控制器等。此外，模糊系统建模、模糊控制器的稳定性分析、模糊控制器的鲁棒性设计等一些热点和难点问题也都取得了进展。智能控制的发展趋势随着智能控制应用方法的日益成熟，智能控制的研究领域必将进一步扩大。除了高级机器人、过程智能控制和智能故障诊断外，下列领域将成为新的应用领域：交通控制（如高速列车、汽车运输、飞机飞行控制等），用于CAD、CIMS和CIPS的自动加工控制，医疗过程控制、商业、农业、文化教育和娱乐等。当代最高意义上的智能自动化要算机器人学的进步和应用。机器人从爬行到直立行走，现在已能用手使用工具，能看、听、用多种语言说话，并能可靠的去干最脏最累最危险的活。据统计，目前世界上有将近100万个机器人在各生产线上工作，美国和日本在核反应堆中使用机