智能控制第1章-緒論課件

智能控制

IntelligentControl

黃從智 Email：課程目標(biāo)解答如下問題：1，智能控制的歷史、現(xiàn)狀和未來？2，智能控制的主要理論分支及其技術(shù)？3，智能控制理論及技術(shù)的具體實(shí)現(xiàn)？4，智能控制理論及技術(shù)的應(yīng)用領(lǐng)域？課程目標(biāo)掌握智能控制的基本概念、基本理論、基本技術(shù)。靈活運(yùn)用各種智能控制算法解決實(shí)際問題。專家控制模糊控制神經(jīng)網(wǎng)絡(luò)遺傳算法

學(xué)習(xí)方法理解基本概念、基本技術(shù)和基本方法；重點(diǎn)掌握各種智能控制算法的基本思想、設(shè)計(jì)步驟和程序?qū)崿F(xiàn)方法；理論學(xué)習(xí)+算法實(shí)現(xiàn)；仿真實(shí)現(xiàn)+工程實(shí)踐。

考試方式作業(yè)：課堂上完成即提交。

開卷/閉卷，筆試。題型：選擇題、簡答題計(jì)算題、分析題教材及參考書教材：劉金錕編著.智能控制(第2版)，電子工業(yè)出版社，2009年7月參考書：[1]李少遠(yuǎn)，王景成編著.智能控制.機(jī)械工業(yè)出版社，2009年[2]高雋編著.人工神經(jīng)網(wǎng)絡(luò)原理及仿真實(shí)例(第2版).機(jī)械工業(yè)出版社，2010年[3]蔡自興編著.智能控制導(dǎo)論.中國水利水電出版社，2007年[4]蔡自興編著.智能控制原理與應(yīng)用.清華大學(xué)出版社,2007年[5]韋巍,何衍編著.智能控制基礎(chǔ).清華大學(xué)出版社,2008年主要內(nèi)容(1)第1章緒論(2學(xué)時(shí))第2章專家控制(2學(xué)時(shí))第3章模糊控制的理論基礎(chǔ)(4學(xué)時(shí))第4章模糊控制(4學(xué)時(shí))第5章自適應(yīng)模糊控制(課外自學(xué))第6章神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)(2學(xué)時(shí))主要內(nèi)容(2)第7章典型神經(jīng)網(wǎng)絡(luò)(6學(xué)時(shí))第8章高級神經(jīng)網(wǎng)絡(luò)(課外自學(xué))第9章神經(jīng)網(wǎng)絡(luò)控制(2學(xué)時(shí))第10章遺傳算法及其應(yīng)用(4學(xué)時(shí))第11章迭代學(xué)習(xí)控制(2學(xué)時(shí))復(fù)習(xí)(2學(xué)時(shí))考試(2學(xué)時(shí))第一章緒論

黃從智智能控制IntelligentControl第一章緒論§1.1智能控制的發(fā)展過程§1.2智能控制的幾個(gè)重要分支§1.3智能控制的特點(diǎn)、研究工具及其應(yīng)用ItemDefinitionDataIndividualmeasurementsfromsensorsInformationRelationshipamongthecorrelateddataKnowledgeConnectionamongthestructuredinformationIntelligenceCapabilityofutilizingknowledgeData,Information,Knowledge,IntelligenceData,Information,Knowledge,IntelligenceKnowledgeInformationData房間溫度32℃理想溫度23℃房間溫度高通風(fēng)量不足溫度高原因Intelligence解決溫度高的辦法增大通風(fēng)量DataInformationKnowledgeIntelligenceData,Information,Knowledge,Intelligence傳統(tǒng)控制面臨的挑戰(zhàn)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，往往無法獲得精確的數(shù)學(xué)模型。某些復(fù)雜的和包含不確定性的控制過程無法用傳統(tǒng)的數(shù)學(xué)模型來描述，即無法解決建模問題。針對實(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)不相符。實(shí)際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對復(fù)雜的控制任務(wù)如智能機(jī)器人控制、CIMS、社會經(jīng)濟(jì)管理系統(tǒng)等無能為力。傳統(tǒng)控制往往不能滿足某些系統(tǒng)的性能要求。傳統(tǒng)控制面臨的挑戰(zhàn)智能控制研究對象的特點(diǎn)不確定性的模型。智能控制適合于不確定對象的控制，其不確定性包括兩層意思：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。復(fù)雜的任務(wù)要求。智能控制的二元論1971年，傅京遜教授首先提出智能控制(IC)是人工智能(AI)和自動控制(AC)交互作用的結(jié)果,即二元論，IC=AC∩AI，其結(jié)果圖示如下：ICAIAC智能控制的三元論1977年，美國學(xué)者G.N.Saridis在二元論的基礎(chǔ)上引入運(yùn)籌學(xué)(OR)，提出了三元論的智能控制概念，即IC=AC∩AI∩OR，圖示如下：AIACORIC

人工智能(AI)：是一個(gè)用來模擬人思維的知識處理系統(tǒng)，具有記憶、學(xué)習(xí)、信息處理、形式語言、啟發(fā)推理等功能。自動控制(AC)：描述系統(tǒng)的動力學(xué)特性，是一種動態(tài)反饋。運(yùn)籌學(xué)(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、管理、優(yōu)化決策和多目標(biāo)優(yōu)化方法等。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、推理和決策等功能，并能根據(jù)環(huán)境(包括被控對象或被控過程)信息的變化做出適應(yīng)性反應(yīng)，從而實(shí)現(xiàn)由人來完成的任務(wù)。

自動控制理論發(fā)展的高級階段。智能控制的四元論ZadehL.A.提出的模糊集合與HopfieldJ.J.對神經(jīng)網(wǎng)絡(luò)所作出的巨大貢獻(xiàn)給智能控制注入了新的內(nèi)容。1994年清華大學(xué)袁增任教授提出智能控制應(yīng)該在三元論的基礎(chǔ)上增加人工智能中的連接主義和模糊集合。ACORFUZZYAI符號主義連接主義ICFCNC智能控制的多元論隨著研究對象規(guī)模的進(jìn)一步擴(kuò)大，大系統(tǒng)智能控制、分級遞階智能控制、分布式問題求解等方法不斷產(chǎn)生，而認(rèn)知心理學(xué)、神經(jīng)網(wǎng)絡(luò)技術(shù)、進(jìn)化論、遺傳算法、混沌論等更是從更高層次上研究智能控制，從而形成了智能控制的多元論。

控制策略的滲透與融合變結(jié)構(gòu)V自適應(yīng)APIDISmithS解耦D預(yù)測P魯棒R專家E模糊F神經(jīng)N遺傳G經(jīng)典控制現(xiàn)代控制智能控制自動控制運(yùn)籌學(xué)信息論計(jì)算機(jī)生物學(xué)人工智能ISDAVRPFENGISDAVRPFENGFI模糊PIDEI專家PIDFEI模糊專家PIDNI神經(jīng)網(wǎng)絡(luò)PIDGN遺傳算法神經(jīng)控制GF遺傳算法模糊控制FP模糊預(yù)測控制??智能控制與傳統(tǒng)控制的關(guān)系

經(jīng)典控制主要用于分析線性定常SISO,其分析工具是微分方程或傳遞函數(shù)。

現(xiàn)代控制還可以分析非線性時(shí)變MIMO，其分析工具是狀態(tài)方程和輸出方程。

智能控制是模仿人類智能所構(gòu)成的一類控制策略，它可以處理各種復(fù)雜系統(tǒng)，其求解過程主要依靠搜索、自學(xué)習(xí)、模擬進(jìn)化。

智能控制與傳統(tǒng)控制的關(guān)系RoomDoor智能控制與傳統(tǒng)控制的關(guān)系RoomDoor智能控制與傳統(tǒng)控制的關(guān)系RoomDoor

經(jīng)典控制、現(xiàn)代控制與智能控制

應(yīng)用對象不同：SISO；SISO和MIMO；各種復(fù)雜系統(tǒng)。

數(shù)學(xué)方法不同：微分方程或傳遞函數(shù)；狀態(tài)方程和輸出方程；搜索、自學(xué)習(xí)和模擬進(jìn)化等。

對被控對象數(shù)學(xué)模型的要求不同：經(jīng)典控制和現(xiàn)代控制均需要了解被控對象的數(shù)學(xué)模型，而智能控制則不需要詳細(xì)了解被控對象的數(shù)學(xué)模型。

控制算法不同：經(jīng)典控制和現(xiàn)代控制基于精確的控制算法，而智能控制算法具有隨機(jī)性和模糊性?？刂瓶茖W(xué)發(fā)展過程開環(huán)控制對象的復(fù)雜性進(jìn)展方向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)控制自組織控制智能控制

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，開始注意將人工智能技術(shù)與方法應(yīng)用于控制中。

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；（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）無人參與的自主控制系統(tǒng)：多層的智能控制系統(tǒng)，需要完成問題求解和規(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。智能控制的發(fā)展

1985年8月，IEEE在紐約召開第一屆智能控制學(xué)術(shù)研討會，主題：智能控制原理和智能控制系統(tǒng)。會議決定在IEEECSS下設(shè)IEEE智能控制專業(yè)委員會。這標(biāo)志著智能控制這一新興學(xué)科研究領(lǐng)域的正式誕生。1987年1月，美國費(fèi)城，第一次智能控制國際會議，IEEECSS與CS兩學(xué)會主辦；1987年以來，一些國際學(xué)術(shù)組織，如IEEE、IFAC等定期或不定期舉辦各類有關(guān)智能控制的國際學(xué)術(shù)會議或研討會，一定程度上反映了智能控制發(fā)展的好勢頭。智能控制的發(fā)展1991年7月，中國人工智能學(xué)會成立。1993年7月，成都，中國人工智能學(xué)會智能機(jī)器人專業(yè)委員會成立大會暨首屆學(xué)術(shù)會議。1993年8月，北京，全球華人智能控制與智能自動化大會。1995年8月，天津，中國自動化學(xué)會智能自動化專業(yè)委員會成立大會暨首屆中國智能自動化學(xué)術(shù)會議。學(xué)術(shù)刊物：《模式識別與人工智能》(1989年創(chuàng)刊)、《智能控制學(xué)報(bào)》(2006年創(chuàng)刊)。

近年來，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。1.2智能控制的幾個(gè)重要分支

1.2智能控制的幾個(gè)重要分支

1.專家控制(ExpertControl)

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(yàn)，以及他們處理問題的詳細(xì)專業(yè)知識。

專家系統(tǒng)主要指的是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)，能夠利用人類專家的知識和解決問題的經(jīng)驗(yàn)方法來處理該領(lǐng)域的高水平難題。應(yīng)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(yàn)而建造的控制系統(tǒng)，稱為專家控制系統(tǒng)。專家系統(tǒng)的基本特征人類專家與專家系統(tǒng)的比較因素人類專家專家系統(tǒng)可用時(shí)間工作日全天候地理本地任何可行地方安全不可取代可取代性能變動恒定速度變動恒定(總是快些)代價(jià)高償付得起專家控制系統(tǒng)(ExpertCS)推理機(jī)答案輸入或提問知識庫專家知識1.2智能控制的幾個(gè)重要分支

2.模糊控制(FuzzyControl)

傳統(tǒng)控制方法均是建立在被控對象精確數(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。這說明，如果通過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。

1965年美國加州大學(xué)伯克利分校L.A.Zadeh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，開發(fā)了世界上第一臺模糊控制的蒸汽機(jī)，從而開創(chuàng)了模糊控制的歷史。模糊控制(FuzzyControl)

1983年日本富士電機(jī)開創(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發(fā)與研究，并于1987年在仙臺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)國家。模糊控制(FuzzyControl)模糊控制(FuzzyControl)模糊化模糊推理清晰化規(guī)則庫輸入輸出四級倒立擺的模糊控制

模糊控制的發(fā)展可分為三個(gè)階段：(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。

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提出了用于無導(dǎo)師指導(dǎo)下模式分類的自組織網(wǎng)絡(luò)；3.神經(jīng)網(wǎng)絡(luò)控制(NeuralNetwork)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)問題，1986年美國的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。神經(jīng)網(wǎng)絡(luò)控制是從機(jī)理上對人腦生理系統(tǒng)進(jìn)行簡單結(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)的動態(tài)特性，有很強(qiáng)的魯棒性和容錯性等，因此，神經(jīng)網(wǎng)絡(luò)控制在控制領(lǐng)域有廣泛的應(yīng)用。遺傳算法（GeneticAlgorithm，簡稱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)展起來的一門學(xué)科。4.遺傳算法(GeneticAlgorithm)遺傳算法由美國的教授在1975年提出，80年代中期開始逐步成熟。從1985年起，國際上開始舉行遺傳算法國際會議。目前遺傳算法已經(jīng)被廣泛應(yīng)用于許多實(shí)際問題，成為用來解決高度復(fù)雜問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。1.3智能控制的特點(diǎn)、工具及應(yīng)用

1.智能控制的特點(diǎn)(1)學(xué)習(xí)功能：智能控制器能通過從外界環(huán)境所獲得的信息進(jìn)行學(xué)習(xí)，不斷積累知識，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；（3）自組織功能：智能控制器對復(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，主動采取行動。（4）優(yōu)化能力：智能控制能夠通過不斷優(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。1.智能控制的特點(diǎn)(1)符號推理與