控制科学发展前沿课程论文报告

研究生课程论文封面课程名称控制科学发展前沿讲座教师姓名研究生姓名研究生学号研究生专业所在院系自动化学院类别:硕士日期:对智能控制技术的认识1引言随着计算机、材料、能源等现代科学技术的迅速发展和生产系统规模不断扩大，形成了复杂的控制系统，导致了控制对象、控制器、控制任务等更加复杂。与此同时，对自动化程度的要求也更加广泛，面对来自柔性控制系统(FMS)、智能机器人系统(IRS)、数控系统(CNS)、计算机集成制造系统(CIMS)等复杂系统的挑战，经典的与现代的控制理论和技术已不适应复杂系统的控制。智能控制是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制技术。智能控制是自动控制发展的高级阶段。2背景和意义现代科学技术的迅速发展，生产系统的规模越来越大，形成了复杂的大系统，导致了控制对象、控制器以及控制任务和目的的日益复杂化。别一方面，人类对自动化的要求也更加广泛，面对来自旬电力系统、工业生产过程控制系统、智能机器人系统、计算机集成制造系统（CIMS）、核电站安全运行控制、航空航天及军事指挥系统等复杂性系统的挑战，传统的自动控制理论和方法显得已不适应于复杂系统的控制。能否建立新一代的控制理论方法来解决复杂系统的控制问题，已成为各国控制学术界所共同关心的热门研究课题。近年来人们开始认识到，在许多系统中，复杂性不仅仅表现在高维性上，更多则表现在：（1）被控对象模型的不确定必；（2）系统信息的模糊性，信息模式；（3）高度非线性；（4）输入（传感器）信息的多样化；（5）多层次、多目标的控制要求；（6）计算复杂性和庞大的数据处理以及严格性能指标。自然，对于复杂系统需要在传统的控制理论基础上结合其它学科的知识，建立一种更有力的控制理论和方法，以解决上述提到的问题。智能控制就是在这种背景下提出和形成的。人类对智能机器及其控制的幻想与追求已有三千多年的历史，然而，真正的智能机器只有在计算机技术和人工智能技术发展的基础上才能成为可能。人工智能已经促进自动控制向着它的当今最高层次—智能控制发展。智能控制代表了自动控制的最新发展阶段，也是应用计算机模拟人类智能，实现人类脑力体力劳动自动化的一个重要领域。智能控制系统是当今国内外自动化学科中一个十分活跃和具有挑战性的领域，又是一门新兴的交叉学科。它与人工智能、自动控制、运筹学、计算机科学、模糊数学、神经网络理论、进化论、模式识别、信息论、仿生学和认识心理学等有着密切的关系，是相关学科相互结合与渗透的产物，电力系统与核电安全运行，航空航天飞行器对接，智能机器人，智能通信网络，智能化仪器仪表，家电行业等领域，并形成一门新的智能自动化学科。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模糊控制模糊控制是以模糊集合理论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制。模糊控制同常规的控制方案相比，主要特点有：(1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据，不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。(2)模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。(3)系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。(4)从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同时也构成了智能控制的重要组成部分。模糊控制器的组成框图主要分为三部分：精确量的模糊化，规则库模糊推理，模糊量的反模糊化。图1-1模糊控制器组成（1）精确量的模糊化模糊化是一个使清晰量模糊的过程，输入量根据各种分类被安排成不同的隶属度，例如，温度输入根据其高低被安排成很冷、冷、常温、热和很热等。一般在实际应用中将精确量离散化，即将连续取值量分成几档，每一档对应一个模糊集。控制系统中的偏差和偏差变化率的实际范围叫做这些变量的基本论域，设偏差的基本论域为[-x,+x]，偏差所取的模糊集的论域为(-n，-n+1,…0，n-1,n),即可给出精确量的模糊化的量化因子k：（2）规则库和推理机模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。模糊规则通常由一系列的关系词连接而成，如If-then,else,also,and,or等。例如，某模糊控制系统输入变量为e(误差)和ec(误差变化率)，它们对应的语言变量为E和EC，可给出一组模糊规则。R1：IfEisNBandECisNBthenUisPBR2：IfEisNBandECisNSthenUisPM通常把If...部分称为“前提”，而then...部分称为“结论”。其基本结构可归纳为IfAandBthenC，其中A为论域U上的一个模糊子集，B为论域V上的一个模糊子集。根据人工的控制经验，可离线组织其控制决策表R，R是笛卡儿乘积集U×V上的一个模糊子集。规则库用来存放全部模糊控制规则，在推理时为“推理机”提供控制规则。由上述可知，规则条数和模糊变量的模糊子集划分有关。划分越细，规则条数越多，但并不代表规则库的准确度越高，规则库的“准确性”还与专家知识的准确度有关。在设计模糊控制规则时，必须考虑控制规则的完备性、交叉性和一致性。完备性是指对于任意的给定输入均有相应的控制规则起作用。要求控制规则的完备性是保证系统能被控制的必须条件之一。如果控制器的输出值总由数条控制规则来决定，说明控制规则之间相互联系、相互影响。这是控制规则的交叉性。一致性是指控制规则中不存在相互矛盾的规则。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。3.1.1模糊逻辑控制模糊逻辑拉制沦于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。多种改进的或夏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。模糊拄制已经进人一个新阶段。3.1.2模糊模型理想的模糊杜制必须建立在系统模糊模型辨识的基础上。与传统的系统建模一样，模糊建模也有两个部分:结构建模和参数辨}u一模糊模型是反映模糊系统输人输出关系的一种数学表达式目前.描述模糊系统模型的方式大致有3种:(1)基于模糊关系方程的模糊模型Y=X·R（1）式中，X和Y为定义在论域X和Y中的模糊集合:这种模型常用于医疗诊断、模糊控制系统故障诊断和决策。（2）Takag-Sugeno模型一般表示为:IFx1是A1和、:是儿】二和xd是人.Then，二几;)式中结果部分是精确函数一当f(x)是x,{a-1,',})线性多项式时、称此为一阶TS模型-（3）Matndam橙型IFx}是山和、:是灰„和xk是.4d.'Cheny.是B现有模糊拄制系统中大量采用的是3iemda}‘模型。由于该模型的结论部也是模糊集。因此，系统总的推理输出需要精确化计算后才能取得。模糊模型除具f}连续函数的映射能力之外，还具有以下优点:(1)可将专家经验直接融合到模糊模型中，通过IF····THEN规则的形式表达知识特征;（2）以上3种校}都可以根据系统的输人输出数据进行辨识，具有定量和定性知识集成的特点。3.1.3模糊预测控制预测控制是为了适应复杂工业过程控制而提出来的算法.它是解决大涌后对象控制同题的一条有效途径:把预测控制与模糊逻辑推理相结合.更符合人类的控制思想，因而也很有吸引力。根据其结合方式不同，模糊预测控制有两类:一是利用}ugeno模型、将多个模糊模型转化为线性时变差分模型进行GPC算法设计;二是利用被控过程模型预测在参考控制量作用下过程的朱来输出。根据预侧输出结果评价各参考控制量的控制效果，并进行模糊逻辑修整。3.1.4模糊控制系统的稳定性分析经典控制理论和现代控制理论的系统稳定性分析都有成熟的理论和方法?它们的理论基础是精确的系统数学模型」然而，正是由于需要精确的数学模型使得传统的控制理论在许多被控对象的控制中成为问题，利用经验建立的模糊控制器表现出更大的优越性:但是，经典控制的稳定性分析并不适用于模糊系统的稳定性分析和判据。对于Sugeno模糊模型，可以采用Lpap~直接法进行稳定性判据:但是，hfamt}uni模型的稳定性判据还没有成熟的理论和方法。3.2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。3.3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。3.4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智能控制技术的发展4.1国内外研究现状及发展趋势智能控制（intelligentcontrols），是指在无人干预的情况下能自主地驱动智能机器，以实现控制目标的自动控制技术。自1932年奈魁斯特（H.Nyquist）的有关反馈放大器稳定性论文发表以来，控制理论的发展已走过了60多年的历程。一般认为，前30年是经典控制理论的发展和成熟阶段，后30年是现代控制理论的形成和发展阶段。随着研究的对象和系统越来越复杂，借助于数学模型描述和分析的传统控制理论已难以解决复杂系统的控制问题。智能控制是针对控制对象及其环境、目标和任务的不确定性和复杂性而产生和发展起来的。从20世纪60年代起，