西電智能控制導論大作業(yè)

1、智能控制導論大作業(yè) 摘要：智能控制（intelligent controls）是一項基于人工智能（artificial intelligence）而發(fā)展成熟的學科。伴隨著人工智能的發(fā)展，人們得以將自動控制發(fā)展為智能控制。智能控制的思潮起源于20世紀60年代的自動控制專家和人工智能專家們的研究。在半個世紀的歲月中，智能控制已經(jīng)得到長足的發(fā)展。1985年IEEE在紐約召開了第一屆智能控制學術討論會，隨后成立的IEEE智能控制專業(yè)委員會更是標志著智能控制這一新學科的形成。近30年，科學界和工程界對智能控制的研究也越發(fā)的活躍起來。智能控制作為一門新興學科正式登上了國際科學的舞臺，并對各界有者十分重要的

2、意義和影響?，F(xiàn)在的通常指的智能控制主要包括但不限于：神經(jīng)網(wǎng)絡控制貝葉斯控制模糊（邏輯）控制神經(jīng)模糊控制專家系統(tǒng)遺傳控制智能代理（認知/意識控制）關鍵詞：智能控制 發(fā)展 理論 方法 應用 前景前言：智能控制是一類新的控制技術，利用各種智能計算方法如神經(jīng)網(wǎng)絡，貝葉斯概率，模糊邏輯，機器學習，進化計算和遺傳算法來實現(xiàn)功能。智能控制正漸漸取代自動控制并成為人類自動控制科學技術的未來。智能控制發(fā)展簡史：早在中古時代，人們就有了對智能機器及對其進行控制的的幻想，比如傳說中魯班制造的機械鳥。到了啟蒙時期，文藝復興帶來的思想解放也使人們更加大膽的去幻想各種智能機器。意大利人達芬奇流傳下來的圖紙中就有了不少關于

3、智能機械的設想。到了工業(yè)時代，差分機的設想被認為是現(xiàn)代計算機的起源， 奧左斯特. 艾達.洛夫萊斯伯爵夫人（Ada語言即使以她為名）甚至開始研究算法，編寫程序，希望差分機能智能地解決數(shù)學問題。進入20世紀之后，計算機的真正面世以及人工智能的出現(xiàn)開辟了用智能機器代替人類從事腦力勞動的新紀元。下面便詳細說下智能控制在20世紀的發(fā)展自1932年奈魁斯特（H.Nyquist）的有關反饋放大器穩(wěn)定性論文發(fā)表以來，控制理論的發(fā)展已走過了60多年的歷程。一般認為，前30年是經(jīng)典控制理論的發(fā)展和成熟階段，后30年是現(xiàn)代控制理論的形成和發(fā)展階段。隨著研究的對象和系統(tǒng)越來越復雜，借助于數(shù)學模型描述和分析的傳統(tǒng)控制理

4、論已難以解決復雜系統(tǒng)的控制問題。智能控制是針對控制對象及其環(huán)境、目標和任務的不確定性和復雜性而產(chǎn)生和發(fā)展起來的。     從20世紀60年代起，計算機技術和人工智能技術迅速發(fā)展，為了提高控制系統(tǒng)的自學習能力，控制界學者開始將人工智能技術應用于控制系統(tǒng)。     1965年，美籍華裔科學家傅京孫教授首先把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)，1966年，Mendel進一步在空間飛行器的學習控制系統(tǒng)中應用了人工智能技術，并提出了“人工智能控制”的概念。0967年，Leondes和Mendel首先正式使用“智能控制”一詞。 &

5、#160;   20世紀70年代初，傅京孫、Glofis0和Saridis等學者從控制論角度總結了人工智能技術與自適應、自組織、自學習控制的關系，提出了智能控制就是人工智能技術與控制理論的交叉的思想，并創(chuàng)立了人機交互式分級遞階智能控制的系統(tǒng)結構。     20世紀70年代中期，以模糊集合論為基礎，智能控制在規(guī)則控制研究上取得了重要進展。1974年，Mamdani提出了基于模糊語言描述控制規(guī)則的模糊控制器，將模糊集和模糊語言邏輯用于工業(yè)過程控制，之后又成功地研制出自組織模糊控制器，使得模糊控制器的智能化水平有了較大提高。模糊控制的形成和發(fā)展，以及與人工智能

6、的相互滲透，對智能控制理論的形成起了十分重要的推動作用。      20世紀80年代，專家系統(tǒng)技術的逐漸成熟及計算機技術的迅速發(fā)展，使得智能控制和決策的研究也取得了較大進展。1986年，K.J.Astrom發(fā)表的著名論文專家控制中，將人工智能中的專家系統(tǒng)技術引入控制系統(tǒng)，組成了另一種類型的智能控制系統(tǒng)專家控制。90年代以來，智能控制這一學科的研究越發(fā)活躍，成為21世紀重要研究課題之一。體系框架：自1971年傅京孫教授提出“智能控制”概念以來，智能控制已經(jīng)從二元論（人工智能和控制論）發(fā)展到四元論（人工智能、模糊集理論、運籌學和控制論），二元論是20世紀60

7、年代由K.J.Fu先生提出的，認為智能控制是自動控制（AC）和人工智能（AI）的交接作用到了1977年，薩里迪斯將傅先生的智能控制擴展為三元結構，即把智能控制看作是人工智能、自動控制和運籌學（OR）的交接。薩里迪斯認為，構成二元論無法使智能控制有效應用，必須引入運籌學的概念，使其成為三元交集中的一個子集。在構成三元結構的同時，薩里迪斯還提出分級智能控制系統(tǒng)，它由三個智能感知級組成，為：第一級：組織級第二級：協(xié)調級第三級： 執(zhí)行級10年之后，也就是1987年，蔡自興提出了更新的四元智能控制結構，把智能控制視為是自動控制、人工智能、信息論（IT）和運籌學的交集。這也是智能控制科學結構理論體系的最新

8、發(fā)展階段。四元交集中每個子集都和其他三個子集相關。四個子集之間的交接關系十分清晰，這種關系遠比三元交集更豐富，更復雜。理論、方法和技術概述：智能控制技術現(xiàn)階段很大程度基于各種智能計算方法以及自動控制、人工智能、運籌學和信息論的知識。先來理解一下基礎理論：自動控制屬于自動化技術的一門，廣義來說，通常是指不需借著人力親自操作機器或機構，而能利用動物以外的其他裝置元件或能源，來達成人類所期盼執(zhí)行的工作。更狹義地說即是以生化、機電、電腦、通訊、水力、蒸汽等科學知識與應用工具，進行設計來代替人力或減輕人力或簡化人類工作程序的機構機制，皆可稱之。自動控制是相對人工控制概念而言的。指的是在沒人參與的情況下，

9、利用控制裝置使被控對象或過程自動地按預定規(guī)律運行。自動控制技術的研究有利于將人類從復雜、危險、繁瑣的勞動環(huán)境中解放出來并大大提高控制效率。自動控制系統(tǒng)的理論主要是反饋論，包括從功能的觀點對機器和物體中（神經(jīng)系統(tǒng)、內分泌及其他系統(tǒng)）的調節(jié)和控制的一般規(guī)律的研究。離散控制理論在計算中也有很廣泛的應用。自動控制是工程科學的一個分支。它涉及利用反饋原理的對動態(tài)系統(tǒng)的自動影響，以使得輸出值接近我們想要的值。從方法的角度看，它以數(shù)學的系統(tǒng)理論為基礎。我們今天稱作自動控制的是二十世紀中葉產(chǎn)生的控制論的一個分支。基礎的結論是由諾伯特·維納、魯?shù)婪?#183;卡爾曼提出的。人工智能是指由人工制造出來的

10、系統(tǒng)所表現(xiàn)出來的智能。通常人工智能是指通過普通電腦實現(xiàn)的智能。該詞同時也指研究這樣的智能系統(tǒng)是否能夠實現(xiàn)，以及如何實現(xiàn)的科學領域。人工智能的研究是高度技術性和專業(yè)的，各分支領域都是深入且各不相通的。人工智能的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程序。AI的核心問題包括推理，知識，規(guī)劃，學習，交流，感知，移動和操作物體的能力等。強人工智能目前仍然是該領域的長遠目標。目前比較流行的方法包括統(tǒng)計方法，計算智能和傳統(tǒng)意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數(shù)學優(yōu)化，邏輯，基于概率論和經(jīng)濟學的方法等等。運籌學（Op

11、erations Research，又被稱作作業(yè)研究），是一門應用數(shù)學學科，利用統(tǒng)計學和數(shù)學模型等方法，去尋找復雜問題中的最佳或近似最佳的解答。運籌學經(jīng)常用于解決現(xiàn)實生活中的復雜問題，特別是改善或優(yōu)化現(xiàn)有系統(tǒng)的效率。 研究運籌學的基礎知識包括矩陣論和離散數(shù)學，在應用方面多與倉儲、物流等領域相關。因此運籌學與應用數(shù)學、工業(yè)工程專業(yè)密切相關。 運籌學是一門研究怎么樣處理事情更有效的學科，比如機械動作合理安排，計算機的多線程，高層建筑材料的合理分配，不同動植物的共同養(yǎng)殖等都是當今社會經(jīng)濟發(fā)展的熱點。信息論（information theory）是運用概率論與數(shù)理統(tǒng)計的方法研究信息、信息熵、通信系統(tǒng)、

12、數(shù)據(jù)傳輸、密碼學、數(shù)據(jù)壓縮等問題的應用數(shù)學學科。信息論將信息的傳遞作為一種統(tǒng)計現(xiàn)象來考慮，給出了估算通信信道容量的方法。信息傳輸和信息壓縮是信息論研究中的兩大領域。這兩個方面又由信道編碼定理、信源信道隔離定理相互聯(lián)系。而各種智能科學計算方法包括：人工神經(jīng)網(wǎng)絡（artificial neural network，縮寫ANN），簡稱神經(jīng)網(wǎng)絡（neural network，縮寫NN），是一種模仿生物神經(jīng)網(wǎng)絡的結構和功能的數(shù)學模型或計算模型。神經(jīng)網(wǎng)絡由大量的人工神經(jīng)元聯(lián)結進行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡能在外界信息的基礎上改變內部結構，是一種自適應系統(tǒng)?，F(xiàn)代神經(jīng)網(wǎng)絡是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，常

13、用來對輸入和輸出間復雜的關系進行建模，或用來探索數(shù)據(jù)的模式。神經(jīng)網(wǎng)絡是一種運算模型，由大量的節(jié)點（或稱“神經(jīng)元”，或“單元”）和之間相互聯(lián)接構成。每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)（activation function）。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重（weight），這相當于人工神經(jīng)網(wǎng)絡的記憶。網(wǎng)絡的輸出則依網(wǎng)絡的連接方式，權重值和激勵函數(shù)的不同而不同。而網(wǎng)絡自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達。模糊邏輯是處理部分真實概念的布爾邏輯擴展。經(jīng)典邏輯堅持所有事物（陳述）都可以用二元項（0或1，黑或白，是或否）來表

14、達，而模糊邏輯用真實度替代了布爾真值。這些陳述表示實際上接近于日常人們的問題和語意陳述，因為“真實”和結果在多數(shù)時候是部分（非二元）的和/或不精確的（不準確的，不清晰的，模糊的）。真實度經(jīng)?；煜诟怕?。但是它們在概念上是不一樣的；模糊真值表示在模糊定義的集合中的成員歸屬關系，而不是某事件或條件的可能度（likelihood）。要展示這種區(qū)別，考慮下列情節(jié): Bob在有兩個毗鄰的屋子的房子中:廚房和餐廳。在很多情況下，Bob的狀態(tài)是在事物“在廚房中”的集合內是完全明確的:他要么“在廚房中”要么“不在廚房中”。但Bob站在門口的時候怎么辦呢? 它可被認為是“部分的在廚房中”。量化這個部分陳述產(chǎn)生了

15、一個模糊集合成員關系。比如，只有他的小腳趾在餐廳，我們可以說Bob是0.01“在廚房中”。只要Bob站在了門口，就沒有事件（如拋硬幣）能解決他完全的“在廚房中”或“不在廚房中”。模糊集合是基于集合的模糊定義而不是隨機性。模糊邏輯允許在包含0和1的它們之間集合成員關系值，同于黑和白之間的灰色，在它的語言形式中，有不精確的概念如"稍微"、"相當"和"非常"。特別是，它允許在集合中的部分成員關系。它有關于模糊集合和可能性理論。它是1965年盧菲特·澤德教授在加洲大學伯克力分校介入的。遺傳算法是模仿自然界生物進化機制發(fā)展起來的隨機全

16、局搜索和優(yōu)化方法，它借鑒了達爾文的進化論和孟德爾的遺傳學說。其本質是一種高效、并行、全局搜索的方法，它能在搜索過程中自動獲取和積累有關搜索空間的知識，并自適應的控制搜索過程以求得最優(yōu)解。遺傳算法操作使用適者生存的原則，在潛在的解決方案種群中逐次產(chǎn)生一個近似最優(yōu)解的方案，在遺傳算法的每一代中，根據(jù)個體在問題域中的適應度值和從自然遺傳學中借鑒來的再造方法進行個體選擇，產(chǎn)生一個新的近似解。這個過程導致種群中個體的進化，得到的新個體比原來個體更能適應環(huán)境，就像自然界中的改造一樣。遺傳算法是計算機科學人工智能領域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，是進化算法的一種。這種啟發(fā)式通常用來生成有用的解決方案

17、來優(yōu)化和搜索問題。進化算法最初是借鑒了進化生物學中的一些現(xiàn)象而發(fā)展起來的，這些現(xiàn)象包括遺傳、突變、自然選擇以及雜交等。除此之外還包括機器學習、進化算法、貝葉斯概率、模式識別和機器學習等等。現(xiàn)在實用的智能控制技術有專家控制系統(tǒng)、模糊控制系統(tǒng)、神經(jīng)網(wǎng)絡控制系統(tǒng)、學習控制系統(tǒng)、遺傳控制系統(tǒng)等等。下面重點介紹幾個：專家系統(tǒng)適合于完成那些沒有公認的理論和方法、數(shù)據(jù)不精確或信息不完整、人類專家短缺或專門知識十分昂貴的診斷、解釋、監(jiān)控、預測、規(guī)劃和設計等任務。一般專家系統(tǒng)執(zhí)行的求解任務是知識密集型的。專家系統(tǒng)是早期人工智能的一個重要分支，它可以看作是一類具有專門知識和經(jīng)驗的計算機智能程序系統(tǒng)，一般采用人工智

18、能中的知識表示和知識推理技術來模擬通常由領域專家才能解決的復雜問題。一般來說，專家系統(tǒng)=知識庫+推理機，因此專家系統(tǒng)也被稱為基于知識的系統(tǒng)。一個專家系統(tǒng)必須具備三要素：1.領域專家級知識2.模擬專家思維3.達到專家級的水平分級遞階智能控制是在自適應控制和自組織控制基礎上，由美國普渡大學Saridis提出的智能控制理論.分級遞階智能控制（Hierarchical Intelligent Control）主要由三個控制級組成，按智能控制的高低分為組織級，協(xié)調級，執(zhí)行級，并且這三級遵循"伴隨智能遞降精度遞增"原則。組織級（organization level）：組織級通過人機接口

19、和用戶（操作員）進行交互，執(zhí)行最高決策的控制功能，監(jiān)視并指導協(xié)調級和執(zhí)行級的所有行為，其智能程度最高.協(xié)調級（Coordination level）：協(xié)調級可進一步劃分為兩個分層：控制管理分層和控制監(jiān)督分層.執(zhí)行級（executive level）：執(zhí)行級的控制過程通常是執(zhí)行一個確定的動作.。所謂模糊控制，就是在被控制對象的模糊模型的基礎上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法.模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標.模糊控制的基本思想是用機器去模擬人對系統(tǒng)的控制.它是受這樣事實而啟發(fā)的：對于用傳統(tǒng)控制理論無法進行分析和控制的復雜的和無法建立數(shù)學模型的系統(tǒng)，有經(jīng)驗的操作者或專家卻能取得比較好的控制效果，這是因為他們擁有日積月累的豐富經(jīng)驗，因此人們希望把這種經(jīng)驗指導下的行為過程總結成一些規(guī)則，并根據(jù)這些規(guī)則設計出控制器.然后運用模糊理論，模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數(shù)值運算，從而能夠利用計算機來完成對這些規(guī)則的具體實現(xiàn)，達到以機器代替人對某些對象進行自動控制的目的。模糊邏輯用模糊語言描述系統(tǒng)，既可以描述應用系統(tǒng)的定量模型也可以描述其定性模型. 模糊邏輯可適用于任意復雜的對象控制. 但在實際應用中模糊邏輯實現(xiàn)簡單的應用控制比較容易. 簡單控制是指單輸入單輸出系統(tǒng)（SISO) 或多輸入單輸出系統(tǒng)（MISO) 的控制.