智能控制概述及其发展

智能控制概述及其发展学号：姓名：专业：09级自动化智能控制概述及其发展摘要:本文介绍了智能控制的涵义，发展历史与现状,智能控制的主要方法与当前的研究热点以及智能控制的发展前景等.关键词:智能控制专家控制神经网络模糊控制遗传算法1引言智能控制是自动控制发展的高级阶段，是人工智能、控制论、信息论、系统论、仿生学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。智能控制是当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域，代表着当今科学和技术发展的最新方向之一。它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容，而且还从生物学等学科汲取丰富的营养，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科。2智能控制的内涵对于人的智能行为,特别是创造性思维的理解行为,是一个长期研究的科学理论问题.智能控制是通过应用人工智能的方法来扩展传统控制方法,解决传统控制的局限性.通常人们把自动识别和记忆信号(图像、语言、文字)会学习、能推理、有自动决策能力的自动控制系统称之为智能控制系统.对智能控制的理解,不同的研究者从不同的侧面出发,阐述各自的观点.斯坦福大学人工智能研究中心的Nilsson教授认为:人工智能是关于知识的科学，是怎样表示知识以及怎样获得知识并使用知识的科学；MIT的Winston教授指出:人工智能就是研究如何使计算机去做过去只有人才做的智能性工作.一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力,即称为智能控制系统.智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统,具有实时推理、决策、学习和记忆等功能,能适应各种复杂的控制环境；Saridis认为智能控制系统是通过驱动自主智能机来实现其目标而无需操作人员参与的系统；傅京孙把智能控制概括为自动控制(AC,AutomaticControl)和人工智能(AI,ArtificialIntelligent)的交集,即:IC=AIHAC；萨里迪斯(Saridis)等人于1977年从机器智能的角度出发,对傅的二元交集论进行了扩展,提出三元交集的智能控制概念,即把智能控制看作为人工智能、自动控制和运筹学的交点.即:IC=AIHCTHOR式中,CT为控制论(CyberneticsTheory),OR为运筹学(OperationResearch).表达了智能增加而精度降低这一著名原则.3智能控制的主要方法智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。3.1模糊控制模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定，二者缺一不可。3.2专家控制专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率，灵活性高，可通过调整控制器的参数,适应对象特性及环境的变化，适应性好，通过专家规则，系统可以在非线性、大偏差的情况下可靠地工作，鲁棒性强。3.3神经网络控制神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。3.4学习控制（1）遗传算法学习控制智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。（2）迭代学习控制迭代学习控制模仿人类学习的方法，即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。4智能控制的发展历史与现状智能控制的发展历史分可为4个阶段：第一阶段为智能控制的萌芽阶段20世纪40~50年代，以频率法为代表的单变量系统控制理论逐步发展起来，并且成功地用在雷达及火力控制系统上，形成了今天所说的古典控制理论.1956年以前,英国数学家图灵(A.M.Turing)为现代人工智能作了大量开拓性的贡献.20世纪60~70年代,数学家们在控制理论发展中占了主导地位,形成了以状态空间法为代表的现代控制理论，它建立在严密精确的数学模型之上,从而造成了理论与实践之间的巨大分歧.1961年以后,人工智能主要内容涉及知识工程、自然语言理解等.人们研究人工智能方法也分为结构模拟派和功能模拟派,分别从脑的结构和脑的功能入手进行研究.20世纪70年代后,又出现了大系统理论.但是,由于这种理论解决实际问题的能力更弱,很快被人们放到了一边。第二阶段为智能控制的发展初期(1965~1979年)建立于严密的数学理论上的控制理论发展受到挫折,而模拟人类智能的人工智能却迅速发展起来.控制理论从人工智能中吸取营养寻求发展成为必然.工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征.特别是非线性对控制结果的影响复杂,控制工程人员很难深入理解,更谈不上设计出合适的控制算法.不确定性是最难以解决的问题,也是导致大系统理论失败的根本原因.但是,对这些问题用工程控制专家经验来解决则往往是成功的，人是最聪明的控制器,模仿人是一种途径。1965年,美国普渡大学的傅京孙(K.S.Fu)教授首先提出了学习控制的概念,引入了人工智能的直觉推理,提出把人工智能的直觉推理规则方法用于学习控制系统.次年,Mendel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,Leondes和Mendel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,被称为智能控制的孕育期.20世纪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.1956年,国际知名华裔科学家傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1971年.他进一步论述了人工智能与自动控制的交接关系.此后,许多自动控制研究人员加入了研究智能控制机理及其应用的行列,并取得一些重要进展第三阶段智能控制新学科的条件已渐趋成熟，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.来自美国的60多位从事自动控制人工智能和运筹学研究的教授、专家和学者赴会.会上集中讨论了智能控制原理和智能控制系统的结构.1987年1月,在美国费城由IEEE控制系统学会和计算机学会联合召开了智能控制国际学术讨论会.这是智能控制的第一次国际会议.来自美国、欧洲、日本、中国和其它发展中国家的150位代表出席了这次学术盛会.这次会议是个里程碑,它表明智能控制已作为一门新学科正式登上国际科学舞台.之后,这一国际讨论会每年举行一次。第四阶段为智能控制进入新的发展阶段进入20世纪90年代,关于智能控制的研究论文、著作、会议、期刊大量涌现,应用对象也更加广泛,从工业过程控制、机器人控制、航空航天器控制到故障诊断、管理决策等均有涉及,并取得了较好的效果.国内对智能控制研究,近年来也十分活跃，除了举行各种与智能控制有关的学术会议外.还有一些单位(如浙江大学清华大学、重庆大学、中国科学院自动化所、华东化工学院、上海交通大学和中南工业大学等)已取得一批重要研究成果.智能控制作为独立的新学科,在国内也正在形成。【张钟俊，蔡自兴；智能控制与智能控制系统】【蔡自兴，陈海燕，魏世勇;智能控制工程研究的进展[J];控制工程;2003年01期】5智能控制面临的问题及研究热点智能控制是一门不断发展的综合学科。就目前而言,还有许多问题有待解决:（1）传统控制系统的设计与分析是建立在已知系统精确数学模型基础上的，而实际系统由于其复杂性、非线性、时变形、不确定性和不完全性等原因，一般无法获得精确的数学模型。（2）研究这类系统时必须遵循一些比较刻薄的假设，而这些假设在应用中往往与实际不相符合。（3）对于某些复杂的和不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题。（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，降低了系统的可靠性。【引自：李少远、王景成《智能控制》】目前,国内外专家学者深入研究的热点有以下几个:（1）神经网络与模糊理论的结合。神经网络和模糊集理论两种方法在某些方面(如逻辑关系不依赖于模型)类似于人工智能的方法,而在另外一些方面(如连续取值、非线性动力学)则类似于通常的数值算法即传统的控制理论的数学工具,由于它们介于符号逻辑和数值计算之间,因而更有可能成为今后智能控制研究的主要数学工具。目前人们将两者联系在一起形成了模糊神经元和神经元模糊控制,同时又将专家系统渗入到模糊理论和神经元网络中,形成了更高的智能控制系统。（2）多学科的交叉研究。当前的智能控制方法已经从单学科发展到了多学科的交叉研究,应用领域也在不断地拓宽。目前专家学者在两个方面展开了大量的研究:一是智能方法之间的结合,二是智能控制与传统控制的结合。如模糊技术与神经网络技术,利用神经网络的自学习、自适应功能,为模糊控制提供控制规则,而利用模糊控制具有仿人决策推理能力完成对目标的控制,两者相结合,功能进一步加强。（3）运用计算智能(CI)对不确定性、复杂性、模糊性过程控制问题进行更深入的研究。计算智能是一个新的研究领域，它弥补了传统人工智能(AI)数学基础比较薄弱和不够成熟的不足。计算智能除包括神经计算、模糊计算等计算智能理论和方法外,近几年来又出现了其他一些计算智能方法,如粗糙集理论、进化计算和遗传算法、粒群优化、蚁群优化、自然计算和免疫计算等。这些计算智能新分支都具有比较坚实的数学基础,对于研究如何应用数学工具模仿人脑的思维活动和认知过程具有重要作用。AI与CI的结合已经使许多科学计算从传统数学公式变换扩展到符号计算、生物机制仿真、自然法则的事件模拟等。6智能控制的应用1.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。2.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