人工智能70317247

1●传统的反馈控制、近代控制理论和大系统理论，都是建立在精确的系统数学模型的基础上的。而且，研究这些系统时，必须提出一些比较苛刻的假设。因此传统控制所面临的难题是：(1)实际系统存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型。(2)为研究这类系统提出并遵循的一些假设在应用中与实际不符。(3)对于某些复杂的和包含不确定性的对象，无法以传统数学模型来表示。(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低系统的可靠性。智能控制概述2智能控制的产生和发展1.自动控制的发展过程自动控制领域面临上述难题其解决途径是：(1)推进控制硬件、软件和智能的结合。(2)实现自动控制科学与其它相关学科（科学）的结合。特别是人工智能的出现和发展，促进了自动控制向着它的更高层次--智能控制发展。下图是自动控制的发展过程。从人工智能角度看,智能控制是智能科学的一个新的应用领域；而从自动控制的角度看，智能控制是控制科学一个新发展的学科。有趣的是，在相当长时间内，很少有人提到控制理论与人工智能的联系。不过，这也不足为奇，因为传统的控制理论(包括古典的和近代的)主要涉及对与伺服机构有关的系统或装置进行操作与数学运算，而人工智能所关心的则主要与符号运算及逻辑推理有关。3线性控制理论线性控制理论是系统与控制理论中最为成熟和最为基础的一个组成分支，是现代控制理论的基石。系统与控制理论的其他分支，都不同程度地受到线性控制理论的概念、方法和结果的影响和推动。严格地说，一切实际的系统都是非线性的，真正的线性系统在现实世界是不存在的。但是，很大一部分实际系统，它们的某些主要关系特性，在一定的范围内，可以充分精确地用线性系统来加以近似地代表。并且，实际系统与理想化了的线性系统间的差别，对于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。因此，从这个意义上说，线性系统或者可线性化的系统又是大量存在的，而这正是研究线性系统的实际背景。简单说，线性系统理论主要研究线性系统状态的运动规律和改变这种运动规律的可能性方法，建立和揭示系统结构、参数、行为和性能间的确定的和定量的关系。在对系统进行研究的过程中，建立合理的系统数学模型是首要的前提，对于线性系统，常用的模型有时间域模型和频率域模型，时间域模型比较直观，而频率域模型则是一个更强大的工具，两者建立的基本途径一般都通过解析法和实验法。4PID控制PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。其输入e(t)与输出u(t)的关系为:因此它的传递函数为：它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（Kp，Ki和Kd）即可。在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。PID控制器是最简单的有时却是最好的控制器5最优控制最优控制问题研究的主要内容是：怎样选择控制规律才能使控制系统的性能和品质在某种意义下为最优，求解最优控制问题的方法，目前主要的就是上述的两种方法，另外可能还会用到一些数值解法。用这些方法已经成功的解决了许多动态控制问题，如最小时间控制，最少燃料控制和最佳调节器等。最优控制已经在航天，航海，导弹，电力系统，控制装置，生产设备和生产过程中得到了比较成功的应用，而且在经济系统和社会系统中也得到了广泛的应用。最优控制问题有四个关键点：（1）受控对象为动态系统。（2）初始与终端条件（时间和状态）。（3）性能指标。（4）容许控制。而最优控制问题的实质就是要找出容许的控制作用或控制规律，使动态系统（受控对象）从初始状态转移到某种要求的终端状态，并且保证某种要求的性能指标达到最小值或者是最大值。时至今日，最优控制理论的研究，无论在深度或是广度上，都有了较大的进展。然而，随着人们对客观世界认识的不断深化，又提出了一系列有待解决的新问题。可以毫不夸张地说，最优控制理论依旧是极其活跃的科学领域之一。6自适应控制在日常生活中，所谓自适应是指生物能改变自己的习性以适应新的环境的一种特征。因此，直观地讲，自适应控制器应当是这样一种控制器，它能修正自己的特性以适应对象和扰动的动态特性的变化。自适应控制的研究对象是具有一定程度不确定性的系统，这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的，其中包含一些未知因素和随机因素。任何一个实际系统都具有不同程度的不确定性，这些不确定性有时表现在系统内部，有时表现在系统的外部。从系统内部来讲，描述被控对象的数学模型的结构和参数，设计者事先并不一定能准确知道。作为外部环境对系统的影响，可以等效地用许多扰动来表示。这些扰动通常是不可预测的。此外，还有一些测量时产生的不确定因素进入系统。面对这些客观存在的各式各样的不确定性，如何设计适当的控制作用，使得某一指定的性能指标达到并保持最优或者近似最优，这就是自适应控制所要研究解决的问题。7鲁棒控制鲁棒控制（RobustControl）方面的研究始于20世纪50年代。在过去的50年中，鲁棒控制一直是国际自控界的研究热点。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。鲁棒控制方法，是对时间域或频率域来说，一般要假设过程动态特性的信息和它的变化范围。一些算法不需要精确的过程模型，但需要一些离线辨识。一般鲁棒控制系统的设计是以一些最差的情况为基础，因此一般系统并不工作在最优状态。常用的设计方法有：INA方法，同时镇定，完整性控制器设计，鲁棒控制，鲁棒PID控制以及鲁棒极点配置，鲁棒观测器等。鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。82.智能控制的发展智能控制思潮第一次出现于60年代，几种智能控制的思想和方法得到提出和发展。早在30年前，学习控制的研究就十分活跃，并获得应用。学习机器的要领是在控制论出现的时候提出的。自学习和自适应方法被开发用于解决控制系统的随机特性问题。60年代中期，自动控制与人工智能开始交接。1965年，傅京孙(K.S.Fu)教授首先把人工智能的启发式推理规则用于学习控制系统；他又于1971年论述了人工智能与自动控制的交接关系。他已成为国际公认的智能控制的先行者和奠基人。模糊控制是智能控制的又一活跃研究领域。Zadeh于1965年发表了他的著名论文模糊集合（fuzzysets），开辟了模糊控制的新领域。此后，在模糊控制的理论探索和实际应用两个方面，都进行了大量研究，并取得一批令人感兴趣的成果。1967年，Leondes等人首次正式使用智能控制一词。这一术语的出现要比人工智能晚11年，比机器人晚47年。初期的智能控制系统采用一些比较初级的智能方法，如模式识别和学习方法等，而且发展速度十分缓慢。近十年来，随着人工智能和机器人技术的快速发展，对智能控制的研究出现一股新的热潮。各种智能决策系统、专家控制系统、学习控制系统、模糊控制、神经控制、主动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器人系统和智能化生产（制造）系统。93.智能控制学科的形成智能控制新学科形成的条件逐渐成熟。1985年8月，IEEE在美国纽约召开了第一届智能控制学术讨论会。会上集中讨论了智能控制原理和智能控制系统的结构。这次会议之后不久，在IEEE控制系统学会内成立了IEEE智能控制专业委员会，该专业委员会组织了对智能控制定义和研究生课程教学大纲的讨论。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智能控制国际会议。这是有关智能控制的第一次国际会议，显示出智能控制的长足进展；同时也说明了：由于许多新技术问题的出现以及相关理论与技术的发展，需要重新考虑控制领域及其邻近学科。这次会议及其后续相关事件表明，智能控制作为一门独立学科已正式在国际上建立起来。10智能控制的定义智能机器：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叫做智能机器。自动控制：自动控制是能按规定程序对机器或装置进行自动操作或控制的过程。智能控制：智能控制是驱动智能机器自主地实现其目标的过程。智能控制系统：用于驱动自主智能机器以实现其目标而无需操作人员干预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制论、运筹学和信息论等学科的交叉。111.智能机器人规划与控制机器人研究者们所关心的主要研究方向之一是机器人运动的规划与控制。给出一个规定的任务之后，首先必须作出满足该任务要求的运动规划；然后，这个规划再由控制来执行，该控制足以使机器人适当地产生所期望的运动。●智能控制的研究领域122.生产过程的智能监控许多工业连续生线，如轧钢、化工、炼油、材料加工、造纸和核反应等，其生产过程需要监视和控制，以保证高性能和高可靠性。为保持物理参数具有一定的精度，确保产品的优质高产，已在一些连续生产线或工业装置上采用了有效的智能控制模式。例如，旋转水泥窑的模糊控制、汽车工业的高级模糊逻辑控制、轧钢机的神经控制、分布式材料加工系统、分级智能材料处理、智能pH值过程控制、塑料剪切过程的智能控制、工业锅炉的递阶智能控制以及核反器的知识基控制等。133.智能故障检测与诊断所有智能故障检测与诊断（IFDD）系统的一般任务是根据已观察到的状况、领域知识和经验，推断出系统、部件或器官的故障原因，以便尽可能及时发现和排除故障，以提高系统或装备的可靠性。智能故障检测与诊断系统是一个问题求解的计算机系统，也是一种智能控制系统。它一般由知识库（故障信息库）、诊断推理机构、接口和数据库等组成。典型的IFDD系统有太空站热过程控制系统的故障诊断、火电站锅炉给水过程控制系统的故障检测与诊断和雷达故障诊断专家系统等。144.自动加工系统的智能控制计算机集成加工系统（CIMS）和柔性加工系统（FMS）在近年来获得迅速发展。在一个复杂的加工过程中，不同条件下的多种操作是必要的，以求保证产品质量。环境的不确定性以及系统硬件和软件的复杂性，向当代控制工程师们设计和实现有效的集成控制系统提出了挑战。155.飞行器的智能控制自80年代中叶以来，智能控制已被应用于飞行过程控制，尤其是飞机的俯倾（flare）和降落（landing）控制。一种已经实现的神经网络结构，其输入信号包括飞行高度的指令和飞行高度估计值等。所考虑的输入包括当前飞行高度和高长比误差值以及前一个仿真段的有关值。此外，还提供了前段的倾斜高度指令。可训练适应飞行控制器主要由“教师”（人或控制规律）和可训练控制器组成，而后者则由神经网络（采用BP学习算法）实现。整个飞行控制过程由飞机数学模型来表示。下图为一飞行器的飞行智能控制系统的制导、领航和控制结构，其中用虚线表示领航员的作用，以期与计算机的作用进行比较。166.医疗过程智能控制早从70年代中叶起，专家系统技术就被成功的应用于各种医疗领域。作为医用智能过程控制的新例子，介绍一个用于控制手术过程中麻醉深度的病人平均动脉血压（MAP）的模糊逻辑控制系统。MAP是衡量麻醉深度的重要参数。在该控制系统的设计和实现时，采用模糊关系函数和语言规则。本系统已在许多不同的外科手术中得到成功应用。下图为麻醉深度模糊控制系统的方框图。177.智能仪器智能控制随着微电子技术、微机技术、人工智能技术和计算机通讯技术的迅速发展，自动化仪器正朝着智能化、系统化、模块化和机电仪一体的方向发展，微型计算机或微处理机在仪器中的广泛应用，已成为仪器的核心组成部件之一，它能够实现信息的记忆、判断、处理、执行以及测控过程的操作、监视和诊断，并使这类仪器被称为“智能仪器”。比较高级的智能