淺談智能控制理論.doc

淺談智能控制理論 南昌大學(xué) 智能控制理論 學(xué)生姓名：鄒偉 學(xué)號(hào)：5801414067 專業(yè)班級(jí)：過(guò)程裝備與控制工程1、 智能控制的發(fā)展及意義1.智能控制的提出 傳統(tǒng)控制方法包括經(jīng)典控制和現(xiàn)代控制，是基于被控對(duì)象精確模型的控制方式，缺乏靈活性和應(yīng)變能力，適于解決線性、時(shí)不變性等相對(duì)簡(jiǎn)單的控制問(wèn)題，難以解決對(duì)復(fù)雜系統(tǒng)的控制。在傳統(tǒng)控制的實(shí)際應(yīng)用遇到很多難解決的問(wèn)題，主要表現(xiàn)以下幾點(diǎn)：（1）實(shí)際系統(tǒng)由于存在復(fù)雜性、非線性、時(shí)變性、不確定性和不完全性等，無(wú)法獲得精確的數(shù)學(xué)模型。（2）某些復(fù)雜的和包含不確定性的控制過(guò)程無(wú)法用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述，即無(wú)法解決建模問(wèn)題。（3）針對(duì)實(shí)際系統(tǒng)往往需要進(jìn)行一些比較苛刻的線性化假設(shè)，而這些假設(shè)往往與實(shí)際系統(tǒng)不符合。（4）實(shí)際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對(duì)復(fù)雜的控制任務(wù)，如機(jī)器人控制、CIMS、社會(huì)經(jīng)濟(jì)管理系統(tǒng)等復(fù)雜任務(wù)無(wú)能為力。 在生產(chǎn)實(shí)踐中，復(fù)雜控制問(wèn)題可通過(guò)熟練操作人員的經(jīng)驗(yàn)和控制理論相結(jié)合去解決，由此，產(chǎn)生了智能控制。智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合起來(lái)，其控制方法適應(yīng)對(duì)象的復(fù)雜性和不確定性。2.智能控制的概念 智能控制是一門交叉學(xué)科，著名美籍華人傅京遜教授1971年首先提出智能控制是人工智能與自動(dòng)控制的交叉，既二元論。美國(guó)學(xué)者G.N.Saridis1997年在此基礎(chǔ)上引入運(yùn)籌學(xué)，提出了三元論的智能控制概念。 1985年8月，IEEE在美國(guó)紐約召開(kāi)了第一屆智能控制學(xué)術(shù)討論會(huì)，隨后成立了IEEE智能控制專業(yè)委員會(huì)；1987年一月，在美國(guó)舉行第一次國(guó)際智能控制大會(huì)，標(biāo)志著智能控制領(lǐng)域的形成。智能控制的三個(gè)主要分支為專家控制、神經(jīng)網(wǎng)絡(luò)控制和模糊控制。 2、 模糊控制（一）模糊控制的基本原理 模糊控制是以模糊集合理論、模糊語(yǔ)言及模糊邏輯為基礎(chǔ)的控制，它是模糊數(shù)學(xué)在控制系統(tǒng)中的應(yīng)用，是一種非線性智能控制。模糊控制是利用人的知識(shí)對(duì)控制對(duì)象進(jìn)行控制的一種方法，通常用“if條件，then結(jié)果”的形式來(lái)表現(xiàn)，所以又通俗地稱為語(yǔ)言控制。一般用于無(wú)法以嚴(yán)密的數(shù)學(xué)表示的控制對(duì)象模型，即可利用人(熟練專家)的經(jīng)驗(yàn)和知識(shí)來(lái)很好地控制。因此，利用人的智力，模糊地進(jìn)行系統(tǒng)控制的方法就是模糊控制。 它的核心部分為模糊控制器。模糊控制器的控制規(guī)律由計(jì)算機(jī)的程序?qū)崿F(xiàn)，實(shí)現(xiàn)一步模糊控制算法的過(guò)程是：微機(jī)采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號(hào)E；一般選誤差信號(hào)E作為模糊控制器的一個(gè)輸入量，把E的精確量進(jìn)行模糊量化變成模糊量，誤差E的模糊量可用相應(yīng)的模糊語(yǔ)言表示；從而得到誤差E的模糊語(yǔ)言集合的一個(gè)子集e(e實(shí)際上是一個(gè)模糊向量);再由e和模糊控制規(guī)則R(模糊關(guān)系)根據(jù)推理的合成規(guī)則進(jìn)行模糊決策，u為一個(gè)模糊量；為了對(duì)被控對(duì)象施加精確的控制，還需要將模糊量u進(jìn)行非模糊化處理轉(zhuǎn)換為精確量：得到精確數(shù)字量后，經(jīng)數(shù)模轉(zhuǎn)換變?yōu)榫_的模擬量送給執(zhí)行機(jī)構(gòu)，對(duì)被控對(duì)象進(jìn)行一步控制；然后，進(jìn)行第二次采樣，完成第二步控制。這樣循環(huán)下去，就實(shí)現(xiàn)了被控對(duì)象的模糊控制。（2） 模糊控制系統(tǒng)的組成(1)模糊控制器；它是模糊控制系統(tǒng)的核心，它是以模糊邏輯推理為主要組成部分，同時(shí)又具有模糊化和去模糊化功能的控制器，根據(jù)控制系統(tǒng)的需要，即可選用系統(tǒng)機(jī)，又可選用單板機(jī)或單片機(jī)：(2)輸入輸出接口裝置；通過(guò)輸入輸出接口從被控對(duì)象獲取數(shù)字信號(hào)，送至模糊控制器，并將模糊控制器決策出的輸出數(shù)字信號(hào)經(jīng)過(guò)數(shù)模轉(zhuǎn)換，將其轉(zhuǎn)變?yōu)槟M信號(hào)，送給執(zhí)行機(jī)構(gòu)去控制被控對(duì)象：(3)廣義對(duì)象；包括被控對(duì)象與執(zhí)行機(jī)構(gòu)，被控對(duì)象可以是線性的，也可以是非線性的、定?；驎r(shí)變的等多種情況，(4)傳感器；傳感器將被控對(duì)象或?qū)⒏鞣N被控量轉(zhuǎn)換為電信號(hào)，它在模糊控制系統(tǒng)中占有非常熏要的位置，因此它的精度影響著整個(gè)控制系統(tǒng)的精度。 （三）模糊控制技術(shù)的應(yīng)用 由于模糊控制是基于自然語(yǔ)言描述規(guī)則的新機(jī)制，很容易被人們廣泛接受，加上模糊化技術(shù)在微處理器和計(jì)算機(jī)中能很方便地實(shí)現(xiàn)，所以這種結(jié)合展現(xiàn)出強(qiáng)大的生命力和良好的效果。近年來(lái)，人們已經(jīng)將模糊技術(shù)應(yīng)用于工業(yè)、醫(yī)學(xué)、地震預(yù)報(bào)、工程設(shè)計(jì)、信息處理以及經(jīng)濟(jì)管理等，其中應(yīng)用最多也是最成功的，是工業(yè)過(guò)程控制和模糊家電產(chǎn)品領(lǐng)域。三、專家控制 瑞典學(xué)者K.J.Astrom在1983年首先把人工智能中的專家系統(tǒng)引入智能控制領(lǐng)域，于1986年提出“專家控制”的概念，構(gòu)成一種智能控制方法。 專家控制（Expert Control）是智能控制的一個(gè)重要分支，又稱專家智能控制。所謂專家控制，是將專家系統(tǒng)的理論和技術(shù)同控制理論、方法與技術(shù)相結(jié)合，在未知環(huán)境下，仿效專家的經(jīng)驗(yàn)，實(shí)現(xiàn)對(duì)系統(tǒng)的控制。 專家控制試圖在傳統(tǒng)控制的基礎(chǔ)上“加入”一個(gè)富有經(jīng)驗(yàn)的控制工程師，實(shí)現(xiàn)控制的功能，它由知識(shí)庫(kù)和推理機(jī)構(gòu)構(gòu)成主體框架，通過(guò)對(duì)控制領(lǐng)域知識(shí)（先驗(yàn)經(jīng)驗(yàn)、動(dòng)態(tài)信息、目標(biāo)等）的獲取與組織，按某種策略及時(shí)地選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出，實(shí)現(xiàn)對(duì)實(shí)際對(duì)象的控制。 專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，以便解決那些需要人類專家才能處理好的復(fù)雜問(wèn)題。簡(jiǎn)而言之，專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問(wèn)題的計(jì)算機(jī)程序系統(tǒng)。（1） 、原理 專家系統(tǒng)的基本工作流程是，用戶通過(guò)人機(jī)界面回答系統(tǒng)的提問(wèn)，推理機(jī)將用戶輸入的信息與知識(shí)庫(kù)中各個(gè)規(guī)則的條件進(jìn)行匹配，并把被匹配規(guī)則的結(jié)論存放到綜合數(shù)據(jù)庫(kù)中。最后，專家系統(tǒng)將得出最終結(jié)論呈現(xiàn)給用戶。（二）、功能（1）能夠滿足任意動(dòng)態(tài)過(guò)程的控制需要，尤其適用于帶有時(shí)變、非線性和強(qiáng)干擾的控制；（2）控制過(guò)程可以利用對(duì)象的先驗(yàn)知識(shí)；（3）通過(guò)修改、增加控制規(guī)則，可不斷積累知識(shí)，改進(jìn)控制性能；（4）可以定性地描述控制系統(tǒng)的性能，如“超調(diào)小”、“偏差增大”等；（5）對(duì)控制性能可進(jìn)行解釋；（6）可通過(guò)對(duì)控制閉環(huán)中的單元進(jìn)行故障檢測(cè)來(lái)獲取經(jīng)驗(yàn)規(guī)則。（三）專家控制的關(guān)鍵技術(shù)及特點(diǎn)a.專家控制的關(guān)鍵技術(shù)(1) 知識(shí)的表達(dá)方法；(2)從傳感器中識(shí)別和獲取定量的控制信號(hào)；(3)將定性知識(shí)轉(zhuǎn)化為定量的控制信號(hào)；(4)控制知識(shí)和控制規(guī)則的獲取。b專家控制的特點(diǎn)（1）靈活性：根據(jù)系統(tǒng)的工作狀態(tài)及誤差情況，可靈活地選取相應(yīng)的控制律；（2）適應(yīng)性：能根據(jù)專家知識(shí)和經(jīng)驗(yàn)，調(diào)整控制器的參數(shù)，適應(yīng)對(duì)象特性及環(huán)境的變化；（3）魯棒性：通過(guò)利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作。 （四）專家控制的優(yōu)缺點(diǎn) 1、專家系統(tǒng)的優(yōu)點(diǎn)（1）專家系統(tǒng)能夠高效率、準(zhǔn)確、及時(shí)和不知疲倦地工作。（2）專家系統(tǒng)解決實(shí)際問(wèn)題時(shí)不受周圍環(huán)境的影響，也不可能遺漏忘記。（3）專家系統(tǒng)使人類專家的經(jīng)驗(yàn)不受時(shí)空的限制，以便推廣和交流。（4）專家系統(tǒng)的研制和應(yīng)用具有巨大的社會(huì)效益和經(jīng)濟(jì)效益。（5）研制專家系統(tǒng)能促進(jìn)各個(gè)領(lǐng)域科學(xué)技術(shù)的發(fā)展。 2、專家系統(tǒng)的缺陷（1）知識(shí)獲取的“瓶頸”問(wèn)題，不僅要求知識(shí)工程師應(yīng)具備一定的領(lǐng)域知識(shí)，而且還得具備較高的計(jì)算機(jī)水平知識(shí)。（2）知識(shí)的“窄臺(tái)階”問(wèn)題，一個(gè)專家系統(tǒng)一般只能應(yīng)用在某個(gè)相當(dāng)窄的知識(shí)領(lǐng)域內(nèi)，去求解預(yù)定的專門問(wèn)題、一旦超出預(yù)定范圍，專家系統(tǒng)就無(wú)法求解。（3）不具備并行分布功能，集中式專家系統(tǒng)只能在單個(gè)處理機(jī)上運(yùn)行，不具備把一個(gè)專家系統(tǒng)的功能分解后，分布到多個(gè)處理機(jī)上去并行工作的能力。（4）不具備多專家協(xié)同能力，單專家式專家系統(tǒng)只能模擬單一領(lǐng)域的單個(gè)專家的功能，不能實(shí)現(xiàn)相近領(lǐng)域或同一領(lǐng)域不同方面的多個(gè)分專家系統(tǒng)的協(xié)作問(wèn)題求解。（5）系統(tǒng)適應(yīng)能力較差，一般不具備自我學(xué)習(xí)能力和在系統(tǒng)運(yùn)行過(guò)程中的自我完善、發(fā)展和創(chuàng)新能力。（6）處理不確定問(wèn)題的能力較差，專家系統(tǒng)盡管可采用可信度、主觀Bayes方法等處理不精確問(wèn)題，但在歸納推理、模糊推理、非完備推理等方面的能力較差。（7）與主流信息技術(shù)脫節(jié)，專家系統(tǒng)基本上是一種信息孤島，與主流信息技術(shù)，如Web技術(shù)、數(shù)據(jù)庫(kù)技術(shù)等脫節(jié)。（五）專家控制的應(yīng)用 專家系統(tǒng)是指相當(dāng)于(領(lǐng)域)專家處理知識(shí)和解決問(wèn)題能力的計(jì)算機(jī)智能軟件系統(tǒng)。它是由知識(shí)庫(kù)和推理機(jī)構(gòu)構(gòu)成主體框架，將專家系統(tǒng)的理論技術(shù)與控制理論技術(shù)相結(jié)合，通過(guò)仿效專家的經(jīng)驗(yàn)，按某種策略及時(shí)地選用恰當(dāng)?shù)囊?guī)則進(jìn)行推理輸出，來(lái)實(shí)現(xiàn)對(duì)系統(tǒng)控制的一種智能控制。 專家系統(tǒng)是一個(gè)具有大量專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類專家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，以解決那些需要專家決定的復(fù)雜問(wèn)題。 專家系統(tǒng)在控制效果上體現(xiàn)出了高可靠性及長(zhǎng)期運(yùn)行的連續(xù)性，在線控制的實(shí)時(shí)性，優(yōu)良的控制性能及抗干擾性，使用的靈活性及維護(hù)的方便性等顯著的特點(diǎn)。它適合解決如故障診斷、報(bào)警處理、系統(tǒng)恢復(fù)、負(fù)荷預(yù)測(cè)、檢修計(jì)劃安排、無(wú)功電壓控制、規(guī)劃設(shè)計(jì)等問(wèn)題。目前，專家系統(tǒng)已經(jīng)廣泛用于醫(yī)療、化學(xué)、設(shè)計(jì)、地質(zhì)勘探等領(lǐng)域。四、神經(jīng)網(wǎng)絡(luò)控制 神經(jīng)網(wǎng)絡(luò)從從人惱的生理學(xué)和心理學(xué)著手，通過(guò)人工模擬人腦的工作機(jī)理來(lái)實(shí)現(xiàn)機(jī)器的部分智能行為。 人工神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò)，Neural Network）是模擬人腦思維方式的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代生物學(xué)研究人腦組織成果的基礎(chǔ)上提出的，用來(lái)模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為。神經(jīng)網(wǎng)絡(luò)反映了人腦功能的基本特征，如并行信息處理、學(xué)習(xí)、聯(lián)想、模式分類、記憶等。 20世紀(jì)80年代以來(lái)，人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network）研究所取得的突破性進(jìn)展。神經(jīng)網(wǎng)絡(luò)控制是將神經(jīng)網(wǎng)絡(luò)與控制理論相結(jié)合而發(fā)展起來(lái)的智能控制方法。它已成為智能控制的一個(gè)新的分支，為解決復(fù)雜的非線性、不確定、未知系統(tǒng)的控制問(wèn)題開(kāi)辟了新途徑。（一）、神經(jīng)網(wǎng)絡(luò)原理 神經(jīng)生理學(xué)和神經(jīng)解剖學(xué)的研究表明，人腦極其復(fù)雜，由一千多億個(gè)神經(jīng)元交織在一起的網(wǎng)狀結(jié)構(gòu)構(gòu)成，其中大腦皮層約140億個(gè)神經(jīng)元，小腦皮層約1000億個(gè)神經(jīng)元。 人腦能完成智能、思維等高級(jí)活動(dòng)，為了能利用數(shù)學(xué)模型來(lái)模擬人腦的活動(dòng)，導(dǎo)致了神經(jīng)網(wǎng)絡(luò)的研究。神經(jīng)系統(tǒng)的基本構(gòu)造是神經(jīng)元(神經(jīng)細(xì)胞)，它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元。每個(gè)神經(jīng)元都由一個(gè)細(xì)胞體，一個(gè)連接其他神經(jīng)元的軸突和一些向外伸出的其它較短分支樹(shù)突組成。軸突功能是將本神經(jīng)元的輸出信號(hào)(興奮)傳遞給別的神經(jīng)元，其末端的許多神經(jīng)末梢使得興奮可以同時(shí)傳送給多個(gè)神經(jīng)元。樹(shù)突的功能是接受來(lái)自其它神經(jīng)元的興奮。神經(jīng)元細(xì)胞體將接收到的所有信號(hào)進(jìn)行簡(jiǎn)單地處理后，由軸突輸出。 神經(jīng)元的軸突與另外神經(jīng)元神經(jīng)末梢相連的部分稱為突觸。 一個(gè)神經(jīng)元通過(guò)其軸突的神經(jīng)末梢，經(jīng)突觸與另外一個(gè)神經(jīng)元的樹(shù)突連接，以實(shí)現(xiàn)信息的傳遞。由于突觸的信息傳遞特性是可變的，隨著神經(jīng)沖動(dòng)傳遞方式的變化，傳遞作用強(qiáng)弱不同，形成了神經(jīng)元之間連接的柔性，稱為結(jié)構(gòu)的可塑性。 通過(guò)樹(shù)突和軸突，神經(jīng)元之間實(shí)現(xiàn)了信息的傳遞。(二)、神經(jīng)網(wǎng)絡(luò)的分類 目前神經(jīng)網(wǎng)絡(luò)模型的種類相當(dāng)豐富，已有近40余種神經(jīng)網(wǎng)絡(luò)模型。典型的神經(jīng)網(wǎng)絡(luò)有多層前向傳播網(wǎng)絡(luò) （BOP網(wǎng)絡(luò)）、Hopfield網(wǎng)絡(luò)、CMAC小腦模型、ART網(wǎng)絡(luò)、BAM雙向聯(lián)想記憶網(wǎng)絡(luò)、SOM自組織網(wǎng)絡(luò)、Blotzman機(jī)網(wǎng)絡(luò)和Madaline網(wǎng)絡(luò)等。a、BP神經(jīng)網(wǎng)絡(luò) 1986年，Rumelhart等提出了誤差反向傳播神經(jīng)網(wǎng)絡(luò)，簡(jiǎn)稱BP網(wǎng)絡(luò)（Back Propagation），該網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)。 誤差反向傳播的BP算法簡(jiǎn)稱BP算法，其基本思想是梯度下降法。它采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值與期望輸出值的誤差均方值為最小。1、 BP網(wǎng)絡(luò)特點(diǎn)（1）是一種多層網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層；（2）層與層之間采用全互連方式，同一層神經(jīng)元之間不連接；（3）權(quán)值通過(guò)學(xué)習(xí)算法進(jìn)行調(diào)節(jié)；（4）神經(jīng)元激發(fā)函數(shù)為S函數(shù)；（5）學(xué)習(xí)算法由正向傳播和反向傳播組成；（6）層與層的連接是單向的，信息的傳播是雙向的。2、BP網(wǎng)絡(luò)結(jié)構(gòu) 含一個(gè)隱含層的BP網(wǎng)絡(luò)結(jié)構(gòu)，輸入層神經(jīng)元，隱層神經(jīng)元，輸出層神經(jīng)元。3、BP網(wǎng)絡(luò)的優(yōu)缺點(diǎn)（1）只要有足夠多的隱層和隱層節(jié)點(diǎn)，BP網(wǎng)絡(luò)可以逼近任意的非線性映射關(guān)系；（2）BP網(wǎng)絡(luò)的學(xué)習(xí)算法屬于全局逼近算法，具有較強(qiáng)的泛化能力。（3）BP網(wǎng)絡(luò)輸入輸出之間的關(guān)聯(lián)信息分布地存儲(chǔ)在網(wǎng)絡(luò)的連接權(quán)中，個(gè)別神經(jīng)元的損壞只對(duì)輸入輸出關(guān)系有較小的影響，因而BP網(wǎng)絡(luò)具有較好的容錯(cuò)性。 BP網(wǎng)絡(luò)的主要缺點(diǎn)為：4、BP網(wǎng)絡(luò)的優(yōu)點(diǎn)為：（1）待尋優(yōu)的參數(shù)多，收斂速度慢；（2）目標(biāo)函數(shù)存在多個(gè)極值點(diǎn)，按梯度下降法進(jìn)行學(xué)習(xí)，很容易陷入局部極小值；（3）難以確定隱層及隱層節(jié)點(diǎn)的數(shù)目。目前，如何根據(jù)特定的問(wèn)題來(lái)確定具體的網(wǎng)絡(luò)結(jié)構(gòu)尚無(wú)很好的方法，仍需根據(jù)經(jīng)驗(yàn)來(lái)試湊。 由于BP網(wǎng)絡(luò)具有很好的逼近非線性映射的能力，該網(wǎng)絡(luò)在模式識(shí)別、圖像處理、系統(tǒng)辨識(shí)、函數(shù)擬合、優(yōu)化計(jì)算、最優(yōu)預(yù)測(cè)和自適應(yīng)控制等領(lǐng)域有著較為廣泛的應(yīng)用。 由于BP網(wǎng)絡(luò)具有很好的逼近特性和泛化能力，可用于神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)。但由于BP網(wǎng)絡(luò)收斂速度慢，難以適應(yīng)實(shí)時(shí)控制的要求。b、RBF rbf神經(jīng)網(wǎng)絡(luò)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radical Basis Function）。徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)是一種高效的前饋式神經(jīng)網(wǎng)絡(luò)，它具有其他前向網(wǎng)絡(luò)所不具有的最佳逼近性能和全局最優(yōu)特性，并且結(jié)構(gòu)簡(jiǎn)