智能控制考試論文

1、南昌大學(xué)實(shí)驗(yàn)報(bào)告智能控制技術(shù) 南昌大學(xué)實(shí)驗(yàn)報(bào)告學(xué)生姓名： 鄭軍 學(xué)號(hào)： 6100311106 專(zhuān)業(yè)班級(jí)： 自動(dòng)化111班 一、智能控制的發(fā)展及由來(lái)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

2、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(mén)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

3、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(zhuān)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(zhuān)家控制、神經(jīng)網(wǎng)絡(luò)控制和模糊控制。二、專(zhuān)家控制瑞典學(xué)者K.J.Astrom在1983年首先把人工智能中的專(zhuān)家系統(tǒng)引入智能控制領(lǐng)域，于1986年提出“專(zhuān)家控制”的概念，構(gòu)成一種智能控制方法。專(zhuān)家控制（Expert Control）是智能控制的一個(gè)重要分支，又稱(chēng)專(zhuān)家智能控制。所謂專(zhuān)家控制，是將專(zhuān)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(zhuān)家的經(jīng)驗(yàn)，實(shí)現(xiàn)對(duì)系統(tǒng)的控制。專(zhuān)家控制試圖在傳統(tǒng)控

4、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(zhuān)家控制的基本原理 ：1結(jié)構(gòu)專(zhuān)家控制的基本結(jié)構(gòu)如圖2.2所示 知識(shí)庫(kù)實(shí)時(shí)推理機(jī)A/D被控對(duì)象D/A控制算法庫(kù) 2功能（1）能夠滿(mǎn)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

5、進(jìn)行解釋?zhuān)唬?）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。專(zhuān)家控制的關(guān)鍵技術(shù)及特點(diǎn)1專(zhuān)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。2專(zhuān)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(zhuān)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(zhuān)家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作。專(zhuān)家控制仿真實(shí)例求三階傳遞函數(shù)的階躍響應(yīng)，其中對(duì)象采樣時(shí)間為1ms。采用專(zhuān)家PID設(shè)計(jì)控制器。在仿真過(guò)程中， 取0.

6、001，程序中的五條規(guī)則與控制算法的五種情況相對(duì)應(yīng)。實(shí)驗(yàn)所得曲線如下：三、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(chēng)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(lèi)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(lèi)、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

7、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。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

8、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(chēng)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(chēng)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。神經(jīng)網(wǎng)絡(luò)的分類(lèi) 目前神經(jīng)網(wǎng)絡(luò)模型的種類(lèi)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)）、

9、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。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(chēng)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(chēng)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。 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)

10、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。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)如圖7-5所示，圖中 為輸入層神經(jīng)元，為隱層神經(jīng)元，為輸出層神經(jīng)元。 BP網(wǎng)絡(luò)的優(yōu)缺點(diǎn) BP網(wǎng)絡(luò)的優(yōu)點(diǎn)為：（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B(niǎo)P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：（1）待尋優(yōu)的參數(shù)多，收斂速度慢；（2）目標(biāo)函數(shù)存

11、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。神經(jīng)網(wǎng)絡(luò)控制仿真實(shí)例使用BP網(wǎng)絡(luò)逼近對(duì)象，采樣時(shí)間取1ms。權(quán)值W1，W2的初始值取-1,+1之間的隨機(jī)值，取n=0.50，a=0.05。所得曲線圖如下：四、

12、模糊控制將神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力引到模糊系統(tǒng)中，將模糊系統(tǒng)的模糊化處理、模糊推理、精確化計(jì)算通過(guò)分布式的神經(jīng)網(wǎng)絡(luò)來(lái)表示是實(shí)現(xiàn)模糊系統(tǒng)自組織、自學(xué)習(xí)的重要途徑。在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)用來(lái)表示模糊系統(tǒng)的輸入、輸出信號(hào)，神經(jīng)網(wǎng)絡(luò)的隱含節(jié)點(diǎn)用來(lái)表示隸屬函數(shù)和模糊規(guī)則，利用神經(jīng)網(wǎng)絡(luò)的并行處理能力使得模糊系統(tǒng)的推理能力大大提高。模糊神經(jīng)網(wǎng)絡(luò)在本質(zhì)上是將常規(guī)的神經(jīng)網(wǎng)絡(luò)賦予模糊輸入信號(hào)和模糊權(quán)值，其學(xué)習(xí)算法通常是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法或其推廣。模糊神經(jīng)網(wǎng)絡(luò)是將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合而構(gòu)成的網(wǎng)絡(luò)。利用RBF網(wǎng)絡(luò)與模糊系統(tǒng)相結(jié)合，構(gòu)成了模糊RBF網(wǎng)絡(luò)。 網(wǎng)絡(luò)結(jié)構(gòu)  采用圖8-1所示的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，其模糊推理系統(tǒng)主要由輸入層、模糊化層、模糊相聯(lián)層、模糊后相連層和輸出層構(gòu)成。模糊控制仿真實(shí)例使用