何謂現(xiàn)代控制理論

1、何謂現(xiàn)代控制理論？與經(jīng)典控制理論之間是什么樣的關(guān)系或聯(lián)系？在解決控制問 題時各有什么不同的優(yōu)缺點？懸賞分：10 |解決時間：2010-1-5 19:04 |提問者：speed8kill 側(cè)重于后兩個問題 最佳答案 現(xiàn)代控制理論以狀態(tài)空間描述（實質(zhì)上是一階微分或差分方程組）作為數(shù)學模型， 利用計算機作為系統(tǒng)建模分析，設(shè)計乃至控制的手段，適應于多變量、非線性、 時變系統(tǒng)。狀態(tài)空間方法屬于時域方法，其核心是做優(yōu)化技術(shù)。經(jīng)典控制理論分析和設(shè)計控制系統(tǒng)采用的方法是頻率特性法和根軌跡法。這兩種 方法用來分析和設(shè)計線性、定常單變量系統(tǒng)是很有效地。但是，對于非線性系統(tǒng)， 時變系統(tǒng)，多變量系統(tǒng)等，經(jīng)典控制理論就

2、顯得無能為力了。同時，隨著生產(chǎn)過 程自動化水平的提高，控制系統(tǒng)的任務(wù)越來越復雜，控制精度要求也越來越高， 因此，建立在狀態(tài)空間分析方法基礎(chǔ)上的現(xiàn)代控制理論便迅速地發(fā)展起來。建立在狀態(tài)空間法基礎(chǔ)上的一種控制理論，是自動控制理論的一個主要組成部 分。在現(xiàn)代控制理論中，對控制系統(tǒng)的分析和設(shè)計主要是通過對系統(tǒng)的狀態(tài)變量 的描述來進行的，基本的方法是時間域方法。現(xiàn)代控制理論比經(jīng)典控制理論所能 處理的控制問題要廣泛得多，包括線性系統(tǒng)和非線性系統(tǒng)，定常系統(tǒng)和時變系統(tǒng)， 單變量系統(tǒng)和多變量系統(tǒng)。它所采用的方法和算法也更適合于在數(shù)字計算機上進 行?，F(xiàn)代控制理論還為設(shè)計和構(gòu)造具有指定的性能指標的最優(yōu)控制系統(tǒng)提供了

3、可 能性。發(fā)展過程 現(xiàn)代控制理論是在20世紀50年代中期迅速興起的空間技術(shù)的推動下發(fā)展 起來的。空間技術(shù)的發(fā)展迫切要求建立新的控制原理，以解決諸如把宇宙火箭和人造 衛(wèi)星用最少燃料或最短時間準確地發(fā)射到預定軌道一類的控制問題。這類控制問題十分復雜，采用經(jīng)典控制理論難以解決。1958年，蘇聯(lián)科學家刀.0龐特里亞金提出了 名為極大值原理的綜合控制系統(tǒng)的新方法。在這之前,美國學者R.貝爾曼于1954年創(chuàng) 立了動態(tài)規(guī)劃，并在1956年應用于控制過程。他們的研究成果解決了空間技術(shù)中出現(xiàn) 的復雜控制問題，并開拓了控制理論中 最優(yōu)控制理論這一新的領(lǐng)域。19601961年， 美國學者R.E.卡爾曼和R.S.布什

4、建立了卡爾曼-布什濾波理論，因而有可能有效地考慮 控制問題中所存在的隨機噪聲的影響，把控制理論的研究范圍擴大，包括了更為復雜 的控制問題。幾乎在同一時期內(nèi)，貝爾曼、卡爾曼等人把狀態(tài)空間法系統(tǒng)地引入控制 理論中。狀態(tài)空間法對揭示和認識控制系統(tǒng)的許多重要特性具有關(guān)鍵的作用。其中能控性和能觀測性尤為重要，成為控制理論兩個最基本的概念。到60年代初，一套以狀態(tài)空間法、極大值原理、動態(tài)規(guī)劃、卡爾曼 -布什濾波為基礎(chǔ)的分析和設(shè)計控制系 統(tǒng)的新的原理和方法已經(jīng)確立，這標志著現(xiàn)代控制理論的形成。學科內(nèi)容現(xiàn)代控制理論所包含的學科內(nèi)容十分廣泛，主要的方面有：線性系統(tǒng)理 論、非線性系統(tǒng)理論、最優(yōu)控制理論、隨機控制理

5、論和適應控制理論。線性系統(tǒng)理論它是現(xiàn)代控制理論中最為基本和比較成熟的一個分支，著重于研 究線性系統(tǒng)中狀態(tài)的控制和觀測問題，其基本的分析和綜合方法是狀態(tài)空間法。按所 采用的數(shù)學工具，線性系統(tǒng)理論通常分成為三個學派：基于幾何概念和方法的幾何理 論，代表人物是W.M.旺納姆;基于抽象代數(shù)方法的代數(shù)理論，代表人物是R.E.卡爾曼； 基于復變量方法的頻域理論，代表人物是 H.H.羅森布羅克。非線性系統(tǒng)理論非線性系統(tǒng)的分析和綜合理論尚不完善。研究領(lǐng)域主要還限于 系統(tǒng)的運動穩(wěn)定性、雙線性系統(tǒng)的控制和觀測問題、非線性反饋問題等。更一般的非 線性系統(tǒng)理論還有待建立。從 70年代中期以來，由微分幾何理論得出的某些

6、方法對 分析某些類型的非線性系統(tǒng)提供了有力的理論工具。最優(yōu)控制理論最優(yōu)控制理論是設(shè)計最優(yōu)控制系統(tǒng)的理論基礎(chǔ)，主要研究受控系 統(tǒng)在指定性能指標實現(xiàn)最優(yōu)時的控制規(guī)律及其綜合方法。在最優(yōu)控制理論中，用于綜 合最優(yōu)控制系統(tǒng)的主要方法有極大值原理和動態(tài)規(guī)劃。最優(yōu)控制理論的研究范圍正在 不斷擴大，諸如大系統(tǒng)的最優(yōu)控制、分布參數(shù)系統(tǒng)的最優(yōu)控制等。隨機控制理論隨機控制理論的目標是解決隨機控制系統(tǒng)的分析和綜合問題。維 納濾波理論和卡爾曼-布什濾波理論是隨機控制理論的基礎(chǔ)之一。隨機控制理論的一 個主要組成部分是隨機最優(yōu)控制，這類隨機控制問題的求解有賴于動態(tài)規(guī)劃的概念和 方法。適應控制理論適應控制系統(tǒng)是在模仿生物適

7、應能力的思想基礎(chǔ)上建立的一類可 自動調(diào)整本身特性的控制系統(tǒng)。適應控制系統(tǒng)的研究常可歸結(jié)為如下的三個基本問 題：識別受控對象的動態(tài)特性；在識別對象的基礎(chǔ)上選擇決策；在決策的基礎(chǔ) 上做出反應或動作。智能控制(intelligent controls)在無人干預的情況下能自主地驅(qū)動智能機器 實現(xiàn)控制目標的自動控制技術(shù)?？刂评碚摪l(fā)展至今已有100多年的歷史，經(jīng)歷 了 “經(jīng)典控制理論”和“現(xiàn)代控制理論”的發(fā)展階段，已進入“大系統(tǒng)理論”和 “智能控制理論”階段。智能控制理論的研究和應用是現(xiàn)代控制理論在深度和廣 度上的拓展。20世紀80年代以來，信息技術(shù)、計算技術(shù)的快速發(fā)展及其他相關(guān) 學科的發(fā)展和相互滲透，

8、也推動了控制科學與工程研究的不斷深入，控制系統(tǒng)向 智能控制系統(tǒng)的發(fā)展已成為一種趨勢。目錄簡介概念智能控制的特點智能控制的結(jié)構(gòu)理論智能控制與傳統(tǒng)控制的關(guān)系智能控制的研究對象智能控制的應用智能控制的類型簡介概念智能控制的特點智能控制的結(jié)構(gòu)理論智能控制與傳統(tǒng)控制的關(guān)系智能控制的研究對象智能控制的應用智能控制的類型智能控制的發(fā)展趨勢圖書智能控制內(nèi)容簡介目錄展開編輯本段簡介自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），在取得豐碩研究和應用成果的同時，智能控制理論也得到不斷的發(fā)展和完善。智能控制是多 學科交叉

9、的學科，它的發(fā)展得益于人工智能、認知科學、模糊集理論和生物控制論等 許多學科的發(fā)展，同時也促進了相關(guān)學科的發(fā)展。智能控制也是發(fā)展較快的新興學科， 盡管其理論體系還遠沒有經(jīng)典控制理論那樣成熟和完善，但智能控制理論和應用研究所取得的成果顯示出其旺盛的生命力，受到相關(guān)研究和工程技術(shù)人員的關(guān)注。隨著科 學技術(shù)的發(fā)展，智能控制的應用領(lǐng)域?qū)⒉粩嗤卣?，理論和技術(shù)也必將得到不斷的發(fā)展 和完善。編輯本段概念智能控制的基本概念智能控制的定義一：智能控制是由智能機器自主地實現(xiàn)其目標的過程 .而智能機 器則定義為，在結(jié)構(gòu)化或非結(jié)構(gòu)化的，熟悉的或陌生的環(huán)境中，自主地或與人交互地執(zhí) 行人類規(guī)定的任務(wù)的一種機器.定義二：K

10、.J.奧斯托羅姆則認為，把人類具有的直覺推理和試湊法等智能加以形式 化或機器模擬,并用于控制系統(tǒng)的分析與設(shè)計中，以期在一定程度上實現(xiàn)控制系統(tǒng)的智 能化，這就是智能控制.他還認為自調(diào)節(jié)控制，自適應控制就是智能控制的低級體現(xiàn).定義三：智能控制是一類無需人的干預就能夠自主地驅(qū)動智能機器實現(xiàn)其目標 的自動控制，也是用計算機模擬人類智能的一個重要領(lǐng)域.定義四：智能控制實際只是研究與模擬人類智能活動及其控制與信息傳遞過程 的規(guī)律，研制具有仿人智能的工程控制與信息處理系統(tǒng)的一個新興分支學科。產(chǎn)生及發(fā)展自1932年奈魁斯特(H.Nyquist)的有關(guān)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

11、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(wù)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(shù)和人工智能技術(shù)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(shù)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(shù)，并提出了 “

12、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。20世紀70年代初，傅京孫、Glofis0和Saridis等學者從控制論角度總結(jié)了人工 智能技術(shù)與自適應、自組織、自學習控制的關(guān)系，提出了智能控制就是人工智能技術(shù) 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(jié)構(gòu)。20世紀70年代中期，以模糊集合論為基礎(chǔ)，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

13、。模糊控制的形成和發(fā)展，以及與人工智 能的相互滲透，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(shù)的逐漸成熟及計算機技術(shù)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，KJ.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(shù)引入控制系統(tǒng)，組成了另一種類型的智能控制 系統(tǒng)一一專家控制。目前，專家控制方法已有許多成功應用的實例。詳解對許多復雜的系統(tǒng)，難以建立有效的數(shù)學模型和用常規(guī)的控制理論去進行定量計 算和分析，而必須采用定量方法與定性方法相結(jié)合的控制方式。定量方法與定性方法 相結(jié)合的目的是，要由機器用類似于人的智慧和經(jīng)驗來引導求解過

14、程。因此，在研究 和設(shè)計智能系統(tǒng)時，主要注意力不放在數(shù)學公式的表達、計算和處理方面，而是放在 對任務(wù)和現(xiàn)實模型的描述、符號和環(huán)境的識別以及知識庫和推理機的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計常規(guī)控制器，而是研制智能機器的模型。此外，智能控制的 核心在高層控制，即組織控制。高 層控 制 是 對實際環(huán)境或過程進行組織、決策和 規(guī)劃，以實現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè) 計、知識表示、自動推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有 一定的相似性，即具有一定程度的“智能”。隨著人工智能和計算機技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng) 科學中一些有

15、關(guān)學科分支（如 系統(tǒng)工程、系統(tǒng)學、運籌學、信息論）結(jié)合起來，建立 一種適用于復雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自 動控制技術(shù)的最新發(fā)展階段，也是用計算機模擬人類智能進行控制的研究領(lǐng)域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學習控制系統(tǒng)。1985年，在美國首次召開了智能控制學術(shù)討論會。1987年又在美國召開了智能控制的首屆國際學術(shù) 會議，標志著智能控制作為一個新的學科分支得到承認。智能控制具有交叉學科和定 量與定性相結(jié)合的分析方法和特點。一個系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計劃、產(chǎn)生以及執(zhí) 行控制行為的能力，即稱為智能控制系統(tǒng).智能

16、控制技術(shù) 是在向人腦學習的過程中不 斷發(fā)展起來的，人腦是一個超級智能控制系統(tǒng)，具有實時推理、決策、學習和記憶等功 能,能適應各種復雜的控制環(huán)境.智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關(guān)系，不是相互排斥的.常規(guī)控制往往包含在智能控制之中，智能控制也利用常規(guī)控制的方法來解決“低級”的控制問題，力圖 擴充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復雜控制問 題.傳統(tǒng)的自動控制是建立在確定的模型基礎(chǔ)上的，而智能控制的研究對象則存在 模型嚴重的不確定性，即模型未知或知之甚少者模型的結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動，比如工業(yè)過程的病態(tài)結(jié)構(gòu)問題、某些干擾的無法預測，致使無法建立其模型，這些問 題對

17、基于模型的傳統(tǒng)自動控制來說很難解決. 傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設(shè)備與人及外界環(huán)境的信息交換很不方便，希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置，能夠更加深入而靈活地和系統(tǒng)進行信息交流，同時還要擴大輸出裝置的能力，能夠用文字、 圖紙、立體形象、語言等形式輸出信息.另外,通常的自動裝置不能接受、分析和感知 各種看得見、聽得著的形象、聲音的組合以及外界其它的情況.為擴大信息通道，就必 須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器，即文字、聲音、物體識別裝置.可喜的是，近幾年計算機及多媒體技術(shù)的迅速發(fā)展，為智能控制在這一方 面的發(fā)展提供了物質(zhì)上的準備，使智能

18、控制變成了多方位“立體”的控制系統(tǒng). 傳統(tǒng)的自動控制系統(tǒng)對控制任務(wù)的要求要么使輸出量為定值（調(diào)節(jié)系統(tǒng)），要么 使輸出量跟隨期望的運動軌跡（跟隨系統(tǒng)），因此具有控制任務(wù)單一性的特點，而智能控 制系統(tǒng)的控制任務(wù)可比較復雜，例如在智能機器人系統(tǒng)中，它要求系統(tǒng)對一個復雜的任 務(wù)具有自動規(guī)劃和決策的能力，有自動躲避障礙物運動到某一預期目標位置的能力等 .對于這些具有復雜的任務(wù)要求的系統(tǒng)，采用智能控制的方式便可以滿足傳統(tǒng)的控制理論對線性問題有較成熟的理論，而對高度非線性的控制對象雖然有一些非線性方法可以利用，但不盡人意.而智能控制為解決這類復雜的非線性問題 找到了一個出路，成為解決這類問題行之有效的途徑.

19、工業(yè)過程智能控制系統(tǒng)除具有 上述幾個特點外，又有另外一些特點，如被控對象往往是動態(tài)的，而且控制系統(tǒng)在線運 動,一般要求有較高的實時響應速度等，恰恰是這些特點又決定了它與其它智能控制系 統(tǒng)如智能機器人系統(tǒng)、航空航天控制系統(tǒng)、交通運輸控制系統(tǒng)等的區(qū)別，決定了它的控制方法以及形式的獨特之處.與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有足夠的關(guān)于人的控制策略、被控 對象及環(huán)境的有關(guān)知識以及運用這些知識的能力與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)能以知識表示的非數(shù)學廣義模型和以數(shù)學表示的混合控制過程，采用開閉環(huán)控制和定性及定量控制結(jié)合的多模態(tài)控制方式.與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)具有變結(jié)構(gòu)特點，能總體

20、自尋優(yōu)，具有 自適應、自組織、自學習和自協(xié)調(diào)能力.與傳統(tǒng)自動控制系統(tǒng)相比，智能控制系統(tǒng)有補償及自修復能力和判斷決策能 力.總之，智能控制系統(tǒng)通過智能機自動地完成其目標的控制過程，其智能機可以在熟悉或不熟悉的環(huán)境中自動地或人一機交互地完成擬人任務(wù).編輯本段智能控制的特點同時具有以知識表示的非數(shù)學廣義模型和以數(shù)學模型表示的混合過程，也往往是那些含有復雜性，不完全性，模糊性或不確定性以及不存在已知算法的非數(shù)學過程 ，并 以知識進行推理，以啟發(fā)引導求解過程；智能控制的核心在高層控制，即組織級；智能控制器具有非線性特性；智能控制具有變結(jié)構(gòu)特點；智能控制器具有總體自尋優(yōu)特性；智能控制系統(tǒng)應能滿足多樣性目標

21、的高性能要求；智能控制是一門邊緣交叉學科；智能控制是一個新興的研究領(lǐng)域。編輯本段智能控制的結(jié)構(gòu)理論智能控制的結(jié)構(gòu)理論ic=AinAcnoRic 一智能控制(Intelligent Control);OR運籌學(Operation Research)Al一人工智能(Artificial Intelligence);AC 一自動控制(Automatic Control);n一表示交集.人工智能(AI):是一個知識處理系統(tǒng)，具有記憶，學習,信息處理，形式語言，啟發(fā)式推 理等功能.自動控制(AC):描述系統(tǒng)的動力學特性，是一種動態(tài)反饋.運籌學(OR):是一種定量優(yōu)化方法，如線性規(guī)劃，網(wǎng)絡(luò)規(guī)劃，調(diào)度,管

22、理,優(yōu)化決策和多 目標優(yōu)化方法等.智能控制的結(jié)構(gòu)理論智能控制就是應用人工智能的理論與技術(shù)和運籌學的優(yōu)化方法，并將其同控制理論方法與技術(shù)相結(jié)合，在未知環(huán)境下，仿效人的智能，實現(xiàn)對系統(tǒng)的控制.可見，智能控制代表著自動控制學科發(fā)展的最新進程。編輯本段智能控制與傳統(tǒng)控制的關(guān)系傳統(tǒng)控制(Conventional control):經(jīng)典反饋控制和現(xiàn)代理論控制.它們的主要特征 是基于精確的系統(tǒng)數(shù)學模型的控制.適于解決線性，時不變等相對簡單的控制問題.智能控制(Intelligent control)以上問題用智能的方法同樣可以解決.智能控制是對 傳統(tǒng)控制理論的發(fā)展，傳統(tǒng)控制是智能控制的一個組成部分，在這個意

23、義下，兩者可以 統(tǒng)一在智能控制的框架下.編輯本段智能控制的研究對象智能控制的研究對象具備以下的一些特點：不確定性的模型智能控制的研究對象通常存在嚴重的不確定性。這里所說的模型不確定性包含兩 層意思：一是模型未知或知之甚少；二是模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。高度的非線性對于具有高度非線性的控制對象，采用智能控制的方法往往可以較好地解決非線 性系統(tǒng)的控制問題。復雜的任務(wù)要求對于智能控制系統(tǒng)，任務(wù)的要求往往比較復雜。編輯本段智能控制的應用智能控制主要應用存在的情況實際系統(tǒng)由于存在復雜性、非線性、時變性、不確定性和不完全性等，一般無法 獲得精確的數(shù)學模型。而這些應用傳統(tǒng)控制理論進行控制必須提出

24、并遵循一些比較苛刻的線性化假設(shè)， 假設(shè)在應用中往往與實際情況不相吻合。對于某些復雜的和飽含不確定性的控制過程，根本無法用傳統(tǒng)數(shù)學模型來表示， 即無法解決建模問題。為了提高控制性能，傳統(tǒng)控制系統(tǒng)可能變得很復雜，從而增加了設(shè)備的投資，減 低了系統(tǒng)的可靠性。智能控制在各行各業(yè)的應用工業(yè)過程中的智能控制生產(chǎn)過程的智能控制主要包括兩個方面：局部級和全局級。局部級的智能控制是 指將智能引入工藝過程中的某一單元進行控制器設(shè)計，例如智能PID控制器、專家控 制器、神經(jīng)元網(wǎng)絡(luò)控制器等。研究熱點是智能PID控制器，因為其在參數(shù)的整定和在線自適應調(diào)整方面具有明顯的優(yōu)勢，且可用于控制一些非線性的復雜對象。全局級的 智

25、能控制主要針對整個生產(chǎn)過程的自動化，包括整個操作工藝的控制、過程的故障診 斷、規(guī)劃過程操作處理異常等。機械制造中的智能控制在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或 無法預測的情況，人工智能技術(shù)為解決這一難題提供了有效的解決方案。智能控制隨 之也被廣泛地應用于機械制造行業(yè)，它利用模糊數(shù)學、神經(jīng)網(wǎng)絡(luò)的方法對制造過程進 行動態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進行信息的預處理和綜合?？刹捎脤＜蚁到y(tǒng) 的“Then -If，逆向推理作為反饋機構(gòu)，修改控制機構(gòu)或者選擇較好的控制模式和參數(shù)。 利 用模糊集合和模糊關(guān)系的魯棒性，將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機構(gòu)來 選擇控制動

26、作。利用神經(jīng)網(wǎng)絡(luò)的學習功能和并行處理信息的能力，進行在線的模式識別,處理那些可能是殘缺不全的信息。電力電子學研究領(lǐng)域中的智能控制電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設(shè)備的設(shè)計、生產(chǎn)、運行、控制 是一個復雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè) 計、故障診斷及控制中，取得了良好的控制效果 。遺傳算法是一種先進的優(yōu)化算法， 采用此方法來對電器設(shè)備的設(shè)計進行優(yōu)化 ，可以降低成本，縮短計算時間，提高產(chǎn)品設(shè) 計的效率和質(zhì)量。應用于電氣設(shè)備故障診斷的智能控制技術(shù)有：模糊邏輯、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。在電力電子學的眾多應用領(lǐng)域中，智能控制在電流控制PWM技術(shù)中的應 用是具有代表性的

27、技術(shù)應用方向之一，也是研究的新熱點之一。編輯本段智能控制的類型集成或者（復合）混合控制幾種方法和機制往往結(jié)合在一起，用于一個實際的智能控制系統(tǒng)或裝置，從而建立起混合或集成的智能控制系統(tǒng)分級遞階控制系統(tǒng)分級遞階智能控制是在自適應控制和自組織控制基礎(chǔ)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(diào)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和用戶(操作員)進行交互，執(zhí)行最

28、高決策的控制功能，監(jiān)視并指導協(xié)調(diào)級和執(zhí)行級的所有行為，其智能程度最高.協(xié)調(diào)級(Coordination level):協(xié)調(diào)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.專家控制系統(tǒng)(Expert System)專家指的是那些對解決專門問題非常熟悉的人們，他們的這種專門技術(shù)通常源于 豐富的經(jīng)驗，以及他們處理問題的詳細專業(yè)知識.專家系統(tǒng)主要指的是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜?水平的知識與經(jīng)驗，能夠利用人類專家的知識和解決問題的經(jīng)驗方法來處理該領(lǐng)域的 高水平難題.它具有啟發(fā)性，透明性

29、，靈活性，符號操作，不一確定性推理等特點.應用專家 系統(tǒng)的概念和技術(shù)，模擬人類專家的控制知識與經(jīng)驗而建造的控制系統(tǒng)，稱為專家控制 系統(tǒng).專家系統(tǒng)是利用專家知識對專門的或困難的問題進行描述.用專家系統(tǒng)所構(gòu)成的專家控制，無論是專家控制系統(tǒng)還是專家控制器，其相對工程費用較高，而且還涉及 自動地獲取知識困難、無自學能力、知識面太窄等問題 .盡管專家系統(tǒng)在解決復雜的 高級推理中獲得較為成功的應用，但是專家控制的實際應用相對還是比較少。人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)是指由大量與生物神經(jīng)系統(tǒng)的神經(jīng)細胞相類似的人工神經(jīng)元互連而組 成的網(wǎng)絡(luò)；或由大量象生物神經(jīng)元的處理單元并聯(lián)互連而成.這種神經(jīng)網(wǎng)絡(luò)具有某些智 能和

30、仿人控制功能.學習算法是神經(jīng)網(wǎng)絡(luò)的主要特征，也是當前研究的主要課題.學習的概念來自生物 模型,它是機體在復雜多變的環(huán)境中進行有效的自我調(diào)節(jié) .神經(jīng)網(wǎng)絡(luò)具備類似人類的學 習功能.一個神經(jīng)網(wǎng)絡(luò)若想改變其輸出值，但又不能改變它的轉(zhuǎn)換函數(shù)，只能改變其輸 人,而改變輸人的唯一方法只能修改加在輸人端的加權(quán)系數(shù) .神經(jīng)網(wǎng)絡(luò)的學習過程是修改加權(quán)系數(shù)的過程，最終使其輸出達到期望值，學習結(jié)束. 常用的學習算法有：Hebb學習算法,widrow Hoff學習算法,反向傳播學習算法一 BP學 習算法,Hopfield反饋神經(jīng)網(wǎng)絡(luò)學習算法等。神經(jīng)網(wǎng)絡(luò)是利用大量的神經(jīng)元按一定的拓撲結(jié)構(gòu)和學習調(diào)整方法.它能表示出豐富的特性

31、：并行計算、分布存儲、可變結(jié)構(gòu)、高度容錯、非線性運算、自我組織、 學習或自學習等.這些特性是人們長期追求和期望的系統(tǒng)特性.它在智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的自適應、自組織、自學習等控制方面具有獨特的能力.神經(jīng)網(wǎng)絡(luò)可以和模糊邏輯一樣適用于任意復雜對象的控制，但它與模糊邏輯不同的是擅長單輸入 多輸出系統(tǒng)和多輸入多輸出系統(tǒng)的多變量控制.在模糊邏輯表示的SIMO系統(tǒng)和 MIMO系統(tǒng)中，其模糊推理、解模糊過程以及學習控制等功能常用神經(jīng)網(wǎng)絡(luò)來實現(xiàn).模 糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù)： 模糊邏輯和神經(jīng)網(wǎng)絡(luò)作為智能控制的主要技術(shù) 已被廣泛應用.兩者既有相同性又有不同性.其相同性為：兩者都可作為萬能逼近器 解決

32、非線性問題,并且兩者都可以應用到控制器設(shè)計中.不同的是：模糊邏輯可以利用 語言信息描述系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)則不行；模糊邏輯應用到控制器設(shè)計中，其參數(shù)定義有 明確的物理意義，因而可提出有效的初始參數(shù)選擇方法 ；神經(jīng)網(wǎng)絡(luò)的初始參數(shù)(如權(quán)值 等)只能隨機選擇.但在學習方式下，神經(jīng)網(wǎng)絡(luò)經(jīng)過各種訓練，其參數(shù)設(shè)置可以達到滿 足控制所需的行為.模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是模仿人類大腦的運行機制，可以認為神 經(jīng)網(wǎng)絡(luò)技術(shù)模仿人類大腦的硬件，模糊邏輯技術(shù)模仿人類大腦的軟件.根據(jù)模糊邏輯 和神經(jīng)網(wǎng)絡(luò)的各自特點，所結(jié)合的技術(shù)即為模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù).模糊邏輯、神經(jīng)網(wǎng)絡(luò)和它們混合技術(shù)適用于各種學習方式智能控制的相關(guān)

33、技術(shù)與控制方式結(jié)合或綜合交叉結(jié)合，構(gòu)成風格和功能各異的智能控制系統(tǒng)和智能控制器是智 能控制技術(shù)方法的一個主要特點.模糊控制系統(tǒng)所謂模糊控制，就是在被控制對象的模糊模型的基礎(chǔ)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?qū)＜覅s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(jié)成一些規(guī)則，并根據(jù)這些規(guī)則設(shè)計 出控

34、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.因為隨著輸入輸出變量的增加，模糊邏輯的推理將變得非常復雜。學習控制系統(tǒng)學習是人類的主要智能之一，人類的各項活動也需要學習.在人類的進化過程中 學習功能起著十分重要的作

35、用.學習控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機制 的一種嘗試.所謂學習是一種過程，它通過重復輸人信號，并從外部校正該系統(tǒng)，從而使 系統(tǒng)對特定輸人具有特定響應.學習控制系統(tǒng)是一個能在其運行過程中逐步獲得受控 過程及環(huán)境的非預知信息，積累控制經(jīng)驗，并在一定的評價標準下進行估值，分類，決策 和不斷改善系統(tǒng)品質(zhì)的自動控制系統(tǒng)。（1）遺傳算法學習控制智能控制是通過計算機實現(xiàn)對系統(tǒng)的控制，因此控制技術(shù)離不開優(yōu)化技術(shù)。快速、 高效、全局化的優(yōu)化算法是實現(xiàn)智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機制的一種搜索和優(yōu)化算法，它模擬生物界/生存競爭，優(yōu)勝劣汰，適者生存的機制，利 用復制、交叉、變異等遺傳操作來完成尋優(yōu)。遺傳算法作為優(yōu)化搜索算法，一方面希望在寬廣的空間內(nèi)進行搜索，從而提高求得最優(yōu)解的概率；另一方面又希望向著解的方 向盡快縮小搜索范圍，從而提高搜索效率。如何同時提高搜索最優(yōu)解的概率和效率，是 遺傳算法的一個主要研究方向。遺傳算法作為一種非確定的擬自然隨機優(yōu)化工具，具有并行計算、快速尋找全局最優(yōu)解等特點，它可以和其他技術(shù)混合使用，用于智能控制 的參數(shù)、結(jié)構(gòu)或環(huán)境的最優(yōu)控制。（2）迭代學習控制迭代學習控制模仿人類學習的方法、即通過多次的訓練，從經(jīng)驗中學會某種技能，來達到有效控制的目的。迭代學習控制能夠通過一系列迭代