智能控制課件

智能控制課件第一頁(yè)，共三十九頁(yè)，2022年，8月28日第一章

緒

論

1.1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)：第1節(jié)智能控制的發(fā)展過(guò)程第二頁(yè)，共三十九頁(yè)，2022年，8月28日（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。第三頁(yè)，共三十九頁(yè)，2022年，8月28日（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。第四頁(yè)，共三十九頁(yè)，2022年，8月28日在生產(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。第五頁(yè)，共三十九頁(yè)，2022年，8月28日1.2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，即二元論。美國(guó)學(xué)者年在此基礎(chǔ)上引入運(yùn)籌學(xué)，提出了三元論的智能控制概念，即IC=AC∩AI∩OR第六頁(yè)，共三十九頁(yè)，2022年，8月28日式中各子集的含義為IC——智能控制（IntelligentControl）AI——人工智能（ArtificialIntelligence）AC——自動(dòng)控制（AutomaticControl）OR——運(yùn)籌學(xué)（OperationalResearch）第七頁(yè)，共三十九頁(yè)，2022年，8月28日?qǐng)D1-1基于三元論的智能控制

第八頁(yè)，共三十九頁(yè)，2022年，8月28日人工智能（AI）是一個(gè)用來(lái)模擬人思維的知識(shí)處理系統(tǒng)，具有記憶、學(xué)習(xí)、信息處理、形式語(yǔ)言、啟發(fā)推理等功能。自動(dòng)控制（AC）描述系統(tǒng)的動(dòng)力學(xué)特性，是一種動(dòng)態(tài)反饋。運(yùn)籌學(xué)（OR）是一種定量?jī)?yōu)化方法，如線性規(guī)劃、網(wǎng)絡(luò)規(guī)劃、調(diào)度、管理、優(yōu)化決策和多目標(biāo)優(yōu)化方法等。第九頁(yè)，共三十九頁(yè)，2022年，8月28日三元論除了“智能”與“控制”外還強(qiáng)調(diào)了更高層次控制中調(diào)度、規(guī)劃和管理的作用，為遞階智能控制提供了理論依據(jù)。所謂智能控制，即設(shè)計(jì)一個(gè)控制器（或系統(tǒng)），使之具有學(xué)習(xí)、抽象、推理、決策等功能，并能根據(jù)環(huán)境（包括被控對(duì)象或被控過(guò)程）信息的變化作出適應(yīng)性反應(yīng)，從而實(shí)現(xiàn)由人來(lái)完成的任務(wù)。第十頁(yè)，共三十九頁(yè)，2022年，8月28日1.3智能控制的發(fā)展智能控制是自動(dòng)控制發(fā)展的最新階段，主要用于解決傳統(tǒng)控制難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題?？刂瓶茖W(xué)的發(fā)展過(guò)程如圖所示。第十一頁(yè)，共三十九頁(yè)，2022年，8月28日開(kāi)環(huán)控制確定性反饋控制最優(yōu)控制隨機(jī)控制自適應(yīng)控制魯棒控制自學(xué)習(xí)控制智能控制控制科學(xué)的發(fā)展過(guò)程

第十二頁(yè)，共三十九頁(yè)，2022年，8月28日從二十世紀(jì)60年代起，由于空間技術(shù)、計(jì)算機(jī)技術(shù)及人工智能技術(shù)的發(fā)展，控制界學(xué)者在研究自組織、自學(xué)習(xí)控制的基礎(chǔ)上，為了提高控制系統(tǒng)的自學(xué)習(xí)能力，開(kāi)始注意將人工智能技術(shù)與方法應(yīng)用于控制中。第十三頁(yè)，共三十九頁(yè)，2022年，8月28日

1966年，首先提出將人工智能技術(shù)應(yīng)用于飛船控制系統(tǒng)的設(shè)計(jì)；

1971年，傅京遜首次提出智能控制這一概念，并歸納了三種類(lèi)型的智能控制系統(tǒng)：（1）人作為控制器的控制系統(tǒng)：人作為控制器的控制系統(tǒng)具有自學(xué)習(xí)、自適應(yīng)和自組織的功能；第十四頁(yè)，共三十九頁(yè)，2022年，8月28日（2）人—機(jī)結(jié)合作為控制器的控制系統(tǒng)：機(jī)器完成需要連續(xù)進(jìn)行的并需快速計(jì)算的常規(guī)控制任務(wù)，人則完成任務(wù)分配、決策、監(jiān)控等任務(wù)；（3）無(wú)人參與的自主控制系統(tǒng)：為多層的智能控制系統(tǒng)，需要完成問(wèn)題求解和規(guī)劃、環(huán)境建模、傳感器信息分析和低層的反饋控制任務(wù)。如自主機(jī)器人。第十五頁(yè)，共三十九頁(yè)，2022年，8月28日

1985年8月，IEEE在美國(guó)紐約召開(kāi)了第一界智能控制學(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1月，在美國(guó)舉行第一次國(guó)際智能控制大會(huì)，標(biāo)志智能控制領(lǐng)域的形成。

第十六頁(yè)，共三十九頁(yè)，2022年，8月28日近年來(lái)，神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)、專家系統(tǒng)、進(jìn)化論等各門(mén)學(xué)科的發(fā)展給智能控制注入了巨大的活力，由此產(chǎn)生了各種智能控制方法。智能控制的幾個(gè)重要分支為專家控制、模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法。第十七頁(yè)，共三十九頁(yè)，2022年，8月28日第2節(jié)智能控制的幾個(gè)重要分支

2.1模糊控制傳統(tǒng)控制方法均是建立在被控對(duì)象精確數(shù)學(xué)模型基礎(chǔ)上的，然而，隨著系統(tǒng)復(fù)雜程度的提高，將難以建立系統(tǒng)的精確數(shù)學(xué)模型。在工程實(shí)踐中，人們發(fā)現(xiàn)，一個(gè)復(fù)雜的控制系統(tǒng)可由一個(gè)操作人員憑著豐富的實(shí)踐經(jīng)驗(yàn)得到滿意的控制效果。這說(shuō)明，如果通過(guò)模擬人腦的思維方法設(shè)計(jì)控制器，可實(shí)現(xiàn)復(fù)雜系統(tǒng)的控制，由此產(chǎn)生了模糊控制。第十八頁(yè)，共三十九頁(yè)，2022年，8月28日1965年美國(guó)加州大學(xué)自動(dòng)控制系提出模糊集合理論，奠定了模糊控制的基礎(chǔ)；1974年倫敦大學(xué)的Mamdani博士利用模糊邏輯，開(kāi)發(fā)了世界上第一臺(tái)模糊控制的蒸汽機(jī)，從而開(kāi)創(chuàng)了模糊控制的歷史；第十九頁(yè)，共三十九頁(yè)，2022年，8月28日1983年日本富士電機(jī)開(kāi)創(chuàng)了模糊控制在日本的第一項(xiàng)應(yīng)用—水凈化處理，之后，富士電機(jī)致力于模糊邏輯元件的開(kāi)發(fā)與研究，并于1987年在仙臺(tái)地鐵線上采用了模糊控制技術(shù)，1989年將模糊控制消費(fèi)品推向高潮，使日本成為模糊控制技術(shù)的主導(dǎo)國(guó)家。模糊控制的發(fā)展可分為三個(gè)階段：

第二十頁(yè)，共三十九頁(yè)，2022年，8月28日（1）1965年-1974年為模糊控制發(fā)展的第一階段，即模糊數(shù)學(xué)發(fā)展和形成階段；（2）1974年-1979年為模糊控制發(fā)展的第二階段，產(chǎn)生了簡(jiǎn)單的模糊控制器；（3）1979年—現(xiàn)在為模糊控制發(fā)展的第三階段，即高性能模糊控制階段。第二十一頁(yè)，共三十九頁(yè)，2022年，8月28日2.2神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)有幾十年的歷史。1943年McCulloch和Pitts提出了神經(jīng)元數(shù)學(xué)模型；1950年-1980年為神經(jīng)網(wǎng)絡(luò)的形成期，有少量成果，如1975年Albus提出了人腦記憶模型CMAC網(wǎng)絡(luò)，1976年Grossberg提出了用于無(wú)導(dǎo)師指導(dǎo)下模式分類(lèi)的自組織網(wǎng)絡(luò)；第二十二頁(yè)，共三十九頁(yè)，2022年，8月28日1980年以后為神經(jīng)網(wǎng)絡(luò)的發(fā)展期，1982年Hopfield提出了Hopfield網(wǎng)絡(luò)，解決了回歸網(wǎng)絡(luò)的學(xué)習(xí)問(wèn)題，1986年美國(guó)的PDP研究小組提出了BP網(wǎng)絡(luò)，實(shí)現(xiàn)了有導(dǎo)師指導(dǎo)下的網(wǎng)絡(luò)學(xué)習(xí)，為神經(jīng)網(wǎng)絡(luò)的應(yīng)用開(kāi)辟了廣闊的發(fā)展前景。將神經(jīng)網(wǎng)絡(luò)引入控制領(lǐng)域就形成了神經(jīng)網(wǎng)絡(luò)控制。第二十三頁(yè)，共三十九頁(yè)，2022年，8月28日神經(jīng)網(wǎng)絡(luò)控制是從機(jī)理上對(duì)人腦生理系統(tǒng)進(jìn)行簡(jiǎn)單結(jié)構(gòu)模擬的一種新興智能控制方法。神經(jīng)網(wǎng)絡(luò)具有并行機(jī)制、模式識(shí)別、記憶和自學(xué)習(xí)能力的特點(diǎn)，它能充分逼近任意復(fù)雜的非線性系統(tǒng)，能夠?qū)W習(xí)與適應(yīng)不確定系統(tǒng)的動(dòng)態(tài)特性，有很強(qiáng)的魯棒性和容錯(cuò)性等，因此，神經(jīng)網(wǎng)絡(luò)控制在控制領(lǐng)域有廣泛的應(yīng)用。

第二十四頁(yè)，共三十九頁(yè)，2022年，8月28日2.3遺傳算法遺傳算法（GeneticAlgorithm，簡(jiǎn)稱GA）是人工智能的一個(gè)重要分支，是基于自然選擇和基因遺傳學(xué)原理的搜索算法，是基于達(dá)爾文進(jìn)化論，在計(jì)算機(jī)上模擬生命進(jìn)化論機(jī)制而發(fā)展起來(lái)的一門(mén)學(xué)科。第二十五頁(yè)，共三十九頁(yè)，2022年，8月28日遺傳算法由美國(guó)的教授在1975年提出，80年代中期開(kāi)始逐步成熟。從1985年起，國(guó)際上開(kāi)始舉行遺傳算法國(guó)際會(huì)議。目前遺傳算法已經(jīng)被廣泛應(yīng)用于許多實(shí)際問(wèn)題，成為用來(lái)解決高度復(fù)雜問(wèn)題的新思路和新方法。遺傳算法可用于模糊控制規(guī)則的優(yōu)化及神經(jīng)網(wǎng)絡(luò)參數(shù)及權(quán)值的學(xué)習(xí)，在智能控制領(lǐng)域有廣泛的應(yīng)用。

第二十六頁(yè)，共三十九頁(yè)，2022年，8月28日第3節(jié)

智能控制的特點(diǎn)、工具及應(yīng)用

3.1

智能控制的特點(diǎn)第二十七頁(yè)，共三十九頁(yè)，2022年，8月28日（1）學(xué)習(xí)功能：智能控制器能通過(guò)從外界環(huán)境所獲得的信息進(jìn)行學(xué)習(xí)，不斷積累知識(shí)，使系統(tǒng)的控制性能得到改善；（2）適應(yīng)功能：智能控制器具有從輸入到輸出的映射關(guān)系，可實(shí)現(xiàn)不依賴于模型的自適應(yīng)控制，當(dāng)系統(tǒng)某一部分出現(xiàn)故障時(shí)，也能進(jìn)行控制；第二十八頁(yè)，共三十九頁(yè)，2022年，8月28日（3）自組織功能：智能控制器對(duì)復(fù)雜的分布式信息具有自組織和協(xié)調(diào)的功能，當(dāng)出現(xiàn)多目標(biāo)沖突時(shí)，它可以在任務(wù)要求的范圍內(nèi)自行決策，主動(dòng)采取行動(dòng)。（4）優(yōu)化能力：智能控制能夠通過(guò)不斷優(yōu)化控制參數(shù)和尋找控制器的最佳結(jié)構(gòu)形式，獲得整體最優(yōu)的控制性能。第二十九頁(yè)，共三十九頁(yè)，2022年，8月28日3.2智能控制的研究工具

（1）符號(hào)推理與數(shù)值計(jì)算的結(jié)合例如專家控制，它的上層是專家系統(tǒng)，采用人工智能中的符號(hào)推理方法；下層是傳統(tǒng)意義下的控制系統(tǒng)，采用數(shù)值計(jì)算方法。第三十頁(yè)，共三十九頁(yè)，2022年，8月28日（2）模糊集理論模糊集理論是模糊控制的基礎(chǔ)，其核心是采用模糊規(guī)則進(jìn)行邏輯推理，其邏輯取值可在0與1之間連續(xù)變化，其處理的方法是基于數(shù)值的而不是基于符號(hào)的。第三十一頁(yè)，共三十九頁(yè)，2022年，8月28日（3）神經(jīng)元網(wǎng)絡(luò)理論神經(jīng)網(wǎng)絡(luò)通過(guò)許多簡(jiǎn)單的關(guān)系來(lái)實(shí)現(xiàn)復(fù)雜的函數(shù)，其本質(zhì)是一個(gè)非線性動(dòng)力學(xué)系統(tǒng)，但它不依賴數(shù)學(xué)模型，是一種介于邏輯推理和數(shù)值計(jì)算之間的工具和方法。第三十二頁(yè)，共三十九頁(yè)，2022年，8月28日（4）

遺傳算法遺傳算法根據(jù)適者生存、優(yōu)勝劣汰等自然進(jìn)化規(guī)則來(lái)進(jìn)行搜索計(jì)算和問(wèn)題求解。對(duì)許多傳統(tǒng)數(shù)學(xué)難以解決或明顯失效的復(fù)雜問(wèn)題，特別是優(yōu)化問(wèn)題，GA提供了一個(gè)行之有效的途徑。第三十三頁(yè)，共三十九頁(yè)，2022年，8月28日（5）離散事件與連續(xù)時(shí)間系統(tǒng)的結(jié)合主要用于計(jì)算機(jī)集成制造系統(tǒng)（CIMS）和智能機(jī)器人的智能控制。以CIMS為例，上層任務(wù)的分配和調(diào)度、零件的加工和傳輸?shù)瓤捎秒x散事件系統(tǒng)理論進(jìn)行分析和設(shè)計(jì)；下層的控制，如機(jī)床及機(jī)器人的控制，則采用常規(guī)的連續(xù)時(shí)間系統(tǒng)方法。第三十四頁(yè)，共三十九頁(yè)，2022年，8月28日3.3智能控制的應(yīng)用

作為智能控制發(fā)展的高級(jí)階段，智能控制主要解決那些用傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題，其中包括智能機(jī)器人控制、計(jì)算機(jī)集成制造系統(tǒng)（CIMS）、工業(yè)過(guò)程控制、航空航天控制、社會(huì)經(jīng)濟(jì)管理系統(tǒng)、交通運(yùn)輸系統(tǒng)、環(huán)保及能源系統(tǒng)等。下面以智能控制在運(yùn)動(dòng)控制和過(guò)程控制中的應(yīng)用為例進(jìn)行說(shuō)明。第三十五頁(yè)，共三十九頁(yè)，2022年，8月28日（1）在機(jī)器人控制中的應(yīng)用智能機(jī)器人是目前機(jī)器人研究中的熱門(mén)課題。于1975年提出小腦模型小腦模型關(guān)節(jié)控制器（CerebellarModelArculationController，簡(jiǎn)稱CMAC），它是仿照小腦如何控制肢體運(yùn)動(dòng)的原理而建立的神經(jīng)網(wǎng)絡(luò)模型，采用CMAC，可實(shí)現(xiàn)機(jī)器人的關(guān)節(jié)控制，這是神經(jīng)網(wǎng)絡(luò)在機(jī)器人控制的一個(gè)典型應(yīng)用。第三十六頁(yè)，共三十九頁(yè)，2022年，8月28日

于20世紀(jì)80年代初首次將模糊控制應(yīng)用于一臺(tái)實(shí)際機(jī)器人的操作臂控制。目前工業(yè)上用的90%以上的機(jī)器人都不具有智能。隨著機(jī)器人技術(shù)的迅速發(fā)展，需要各種具有不同程度智能的機(jī)器人。第三十七頁(yè)，共三十九頁(yè)，2022年，8月28日（2）在過(guò)程控制中的應(yīng)用過(guò)程控制是指石油、化工、冶金、輕工、紡織、制藥、