人工智能技術(shù)及應(yīng)用 課件 第5-8章 智能控制理論與技術(shù)及其應(yīng)用-人工智能的主要應(yīng)用領(lǐng)域

5.1自動控制的起源與發(fā)展概述5.2經(jīng)典控制的基本理論與技術(shù)5.3自動控制的應(yīng)用領(lǐng)域5.4現(xiàn)代控制的基本理論與技術(shù)5.5智能控制的基本理論與技術(shù)5.6智能控制的典型應(yīng)用5.1自動控制的起源與發(fā)展概述自動控制技術(shù)起源于歐洲的工業(yè)革命時期，已經(jīng)有幾百年的歷史，對人類生產(chǎn)力和生活水平的提高與科技進步產(chǎn)生了巨大的作用和深遠的影響。自動控制的定義是：在沒有人直接參與的條件下，利用控制器使被控對象的某些物理量或工作狀態(tài)能自動地按照預(yù)定的規(guī)律變化或運行。自動控制技術(shù)主要是指機器設(shè)備或生產(chǎn)管理過程通過自動檢測、信息處理、分析判斷自動地實現(xiàn)，其運行過程無需人為干預(yù)，而是由相關(guān)設(shè)備實現(xiàn)對生產(chǎn)過程與管理的自動控制。該技術(shù)的核心原理是用傳感器檢測指令信息、系統(tǒng)變化的物理信息以及被控對象的狀態(tài)信息，并將其轉(zhuǎn)換成相應(yīng)的電信號輸入到控制裝置；然后由控制裝置通過模擬或者數(shù)字方式實時計算出被控對象的被控量，并與期望的被控量相減得到其誤差信號；誤差信號經(jīng)過放大和處理，送給控制執(zhí)行機構(gòu)，通過閉環(huán)控制驅(qū)動被控對象，最終達到所希望的狀態(tài)。英國人瓦特在發(fā)明蒸汽機的同時，應(yīng)用反饋原理，于1788年發(fā)明了離心式調(diào)速器。當負載或蒸汽量供給發(fā)生變化時，離心式調(diào)速器能夠自動調(diào)節(jié)進氣閥的開度，從而控制蒸汽機的轉(zhuǎn)速，由此開始出現(xiàn)自動控制的構(gòu)想。1932年，奈奎斯特根據(jù)頻率穩(wěn)定性判斷，給出了新的自動控制理論，負反饋系統(tǒng)可以直接自動分析頻率的大小，從而確定反饋結(jié)果。其后利用根軌跡設(shè)計實現(xiàn)對于參數(shù)的變換處理，從而更好地保證其性能的完好性。自動控制理論的主要發(fā)明人、奠基人是美國數(shù)學(xué)家諾伯特·維納。他的控制論被公認為是世界信息化的奠基理論，同時也奠定了自動控制學(xué)科的基礎(chǔ)。20世紀20年代～40年代成熟的經(jīng)典控制理論主要研究單輸入-單輸出、線性定常數(shù)系統(tǒng)的分析和設(shè)計。其主要理論是利用傳遞函數(shù)、根軌跡等方法，使控制系統(tǒng)實現(xiàn)自動穩(wěn)定，完成生產(chǎn)和管理任務(wù)。20世紀50、60年代發(fā)展起來的現(xiàn)代控制理論是為了解決被控系統(tǒng)多輸入、多輸出、非線性特性的控制問題，其利用了大量的微積分、線性代數(shù)和矩陣論等高等數(shù)學(xué)中的理論知識。自動控制目前發(fā)展到第三代，即智能控制。智能控制是具有智能信息處理、智能信息反饋和智能控制決策的控制方式，是控制理論發(fā)展的高級階段，主要用來解決那些用傳統(tǒng)方法難以解決的復(fù)雜系統(tǒng)的控制問題。智能控制研究對象的主要特點是具有不確定性的數(shù)學(xué)模型、高度的非線性和復(fù)雜的任務(wù)要求。智能控制的思想出現(xiàn)于20世紀60年代。當時對學(xué)習(xí)控制的研究十分活躍，并獲得較好的應(yīng)用。如自學(xué)習(xí)和自適應(yīng)控制方法相繼被發(fā)明出來，用于解決控制系統(tǒng)的隨機特性問題和模型未知問題。智能控制與傳統(tǒng)控制的主要區(qū)別在于傳統(tǒng)控制必須依賴于被控制對象的數(shù)學(xué)模型，而智能控制可以解決非模型化系統(tǒng)的控制問題。智能控制理論不同于經(jīng)典控制理論和現(xiàn)代控制理論的處理方法，它研究的主要目標不再是被控對象而是控制器本身。控制器不再是單一的數(shù)學(xué)模型解析，而是數(shù)學(xué)模型和知識系統(tǒng)相結(jié)合的廣義模型。與傳統(tǒng)控制相比，智能控制具有以下基本特點：(1)智能控制的本質(zhì)特征體現(xiàn)在能對復(fù)雜系統(tǒng)(如非線性、快時變、復(fù)雜多變量、環(huán)境擾動等)進行有效的全局控制，實現(xiàn)廣義問題求解，并具有較強的容錯能力。(2)智能控制的基本目的是從系統(tǒng)的功能和整體優(yōu)化的角度來分析與綜合，以實現(xiàn)預(yù)定的控制目標。智能控制系統(tǒng)具有變結(jié)構(gòu)特點，能總體自尋優(yōu)，具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào)能力。(3)智能控制系統(tǒng)有補償及自修復(fù)能力和判斷決策能力。智能控制以控制理論、計算機科學(xué)、人工智能、運籌學(xué)等學(xué)科為基礎(chǔ)，擴展了相關(guān)的理論和技術(shù)，其中應(yīng)用較多的有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等理論與算法，以及自適應(yīng)控制、自組織控制和自學(xué)習(xí)控制等技術(shù)。智能控制目前已經(jīng)應(yīng)用于工農(nóng)業(yè)生產(chǎn)、軍事和科學(xué)研究等各個行業(yè)的各個領(lǐng)域，但還有很多理論和技術(shù)問題還有待解決，特別是對于非線性、多變量、時變特性的復(fù)雜系統(tǒng)的控制，現(xiàn)有的控制方法還很不完善，還需要進行深入的研究。隨著我國社會經(jīng)濟的快速發(fā)展和科學(xué)技術(shù)水平的不斷提高，我國智能控制技術(shù)也得到了長足發(fā)展，其應(yīng)用也日益廣泛，包括工業(yè)生產(chǎn)、農(nóng)業(yè)生產(chǎn)、軍事科研、社會生活等領(lǐng)域，因此，了解智能控制的一些基本概念和應(yīng)用，對人們的工作和生活大有裨益。5.2經(jīng)典控制的基本理論與技術(shù)5.2.1前饋控制系統(tǒng)經(jīng)典控制的基本原理可通過前饋控制和反饋控制兩個方法來實現(xiàn)。前饋控制是在蘇聯(lián)學(xué)者所倡導(dǎo)的不變性原理的基礎(chǔ)上發(fā)展起來的。20世紀50年代以后，在工程上，前饋控制系統(tǒng)逐漸得到了廣泛的應(yīng)用。前饋控制系統(tǒng)是根據(jù)擾動或給定值的變化按補償原理來工作的控制系統(tǒng)，其特點是當擾動產(chǎn)生后，被控變量還未變化以前，根據(jù)擾動作用的大小進行控制，以補償擾動作用對被控變量的影響。前饋控制系統(tǒng)運用得當，可以使被控變量的擾動消滅在萌芽之中，被控變量不會因擾動作用或給定值變化而產(chǎn)生偏差。它較之反饋控制能更加及時地進行控制，并且不受系統(tǒng)滯后的影響。采用前饋控制系統(tǒng)的條件是：(1)擾動可測但是不可控。(2)擾動變化頻繁且變化幅度大。(3)擾動對被控變量的影響顯著，反饋控制難以及時克服。5.2.2反饋控制系統(tǒng)反饋控制是按偏差進行控制的，其特點是不論什么原因使被控量偏離期望值而產(chǎn)生偏差，必定會產(chǎn)生一個相應(yīng)的控制作用去降低或消除偏差，使被控量與期望值趨于一致。在反饋控制系統(tǒng)中，由輸入到輸出的前向信號通路和輸出到輸入的反饋信號通路組成一個閉環(huán)控制系統(tǒng)。反饋控制是自動控制的主要形式，但是無論是前饋控制還是反饋控制，目的都是一致的，都是為了被控量按照任務(wù)要求穩(wěn)定輸出。反饋控制系統(tǒng)的基本組成如圖5.1所示，該系統(tǒng)主要包括五個部分：被控對象、測量元件、比較元件、放大元件及執(zhí)行元件，圖中的“○”表示比較元件。此外，為了改善系統(tǒng)的自動控制靜態(tài)與動態(tài)的能力，通常還會加入自動校正裝置(見圖5.1)。在自動控制系統(tǒng)中，信號的傳遞都有一個閉合的回路。被控對象經(jīng)過反饋環(huán)節(jié)作用到系統(tǒng)的輸入端，并與輸入信號作減法運算，然后利用所得到的誤差信號對系統(tǒng)狀態(tài)進行有效控制。5.2.3開環(huán)控制系統(tǒng)自動控制系統(tǒng)中還有一種開環(huán)控制方式，其原理圖如圖5.2所示。開環(huán)控制是指控制裝置(控制器)與被控對象之間只有順向作用而沒有反向反饋的控制過程，這種控制系統(tǒng)稱為開環(huán)控制系統(tǒng)，其特點是系統(tǒng)的輸出量不會對系統(tǒng)的控制作用產(chǎn)生影響。開環(huán)控制系統(tǒng)可以按給定量控制方式組成，也可以按擾動控制方式組成。按給定量控制的開環(huán)控制系統(tǒng)，其控制作用直接由系統(tǒng)的輸入量產(chǎn)生。一個給定輸入量就有一個輸出量與之相對應(yīng)，其控制精度完全取決于所用的元件及校準的精度。5.2.4自動控制系統(tǒng)的性能要求在各種實際控制系統(tǒng)中，為達到控制目標，控制系統(tǒng)必須滿足一定的性能指標。對于一個閉環(huán)控制系統(tǒng)而言，當輸入量和擾動量均不變、系統(tǒng)自身的結(jié)構(gòu)和參數(shù)也不變化時，系統(tǒng)輸出量也是恒定不變的，這種狀態(tài)稱為平衡態(tài)或稱為穩(wěn)態(tài)。當輸入量或擾動量發(fā)生變化時，反饋量將與輸入量產(chǎn)生偏差，通過控制器的作用，使輸出量最終穩(wěn)定，即達到一個新的平衡狀態(tài)。但由于系統(tǒng)中各環(huán)節(jié)總存在慣性，系統(tǒng)從一個平衡態(tài)到另一個平衡態(tài)不能瞬間達到，需要一個過渡過程，該過程稱為控制的暫態(tài)過程。對閉環(huán)控制系統(tǒng)而言，根據(jù)系統(tǒng)穩(wěn)態(tài)輸出和暫態(tài)過程的特性，有三個主要性能指標要求，即穩(wěn)定性、準確性、快速性。①穩(wěn)定性是指系統(tǒng)處于平衡狀態(tài)時受到外界擾動后系統(tǒng)偏離了原來的平衡狀態(tài)，如果擾動消失，系統(tǒng)能夠回到受擾以前的平衡狀態(tài)。②準確性用穩(wěn)態(tài)誤差來衡量。所謂穩(wěn)態(tài)誤差，是指系統(tǒng)達到穩(wěn)態(tài)時被控量的實際值和希望值之間的偏差。偏差越小，表示控制系統(tǒng)的準確性越高。③快速性是指控制系統(tǒng)的暫態(tài)性能的好壞，一般用td、tr、tp三個時間和最大超調(diào)量σp來刻畫。延遲時間td：系統(tǒng)響應(yīng)從零上升到穩(wěn)態(tài)值的50%所需的時間。上升時間tr：對于欠阻尼系統(tǒng)，是指系統(tǒng)響應(yīng)從零上升到穩(wěn)態(tài)值所需的時間；對于過阻尼系統(tǒng)，則指響應(yīng)從穩(wěn)態(tài)值的10%上升到90%所需的時間。峰值時間tp：指欠阻尼系統(tǒng)響應(yīng)到達第一個峰值所需的時間。最大超調(diào)量σp(簡稱超調(diào)量)：指系統(tǒng)在暫態(tài)過程中輸出響應(yīng)超過穩(wěn)態(tài)值的最大偏離，如圖5.3所示。自動控制系統(tǒng)的另一個重要性能指標是魯棒性?？刂葡到y(tǒng)的魯棒性是指系統(tǒng)在不確定性的擾動下，具有保持某種性能不變的能力。魯棒性包括穩(wěn)定魯棒性和品質(zhì)魯棒性。一個控制系統(tǒng)是否具有魯棒性，是它能否真正實際應(yīng)用的關(guān)鍵。因此，現(xiàn)代控制系統(tǒng)的設(shè)計已將魯棒性作為一種最重要的設(shè)計指標。為了解決控制系統(tǒng)的魯棒性問題，近年來出現(xiàn)了兩個主要的研究方向：一個是主動式(Active)適應(yīng)技術(shù)，即通常稱的自適應(yīng)控制系統(tǒng)設(shè)計技術(shù)。它應(yīng)用辨識方法不斷了解系統(tǒng)的不確定性，并在此基礎(chǔ)上調(diào)整控制器的結(jié)構(gòu)與參數(shù)，從而使系統(tǒng)滿足性能指標要求。另一個是被動式適應(yīng)技術(shù)，即一般稱的魯棒控制設(shè)計技術(shù)。對具有不確定性的系統(tǒng)設(shè)計一個控制器，使系統(tǒng)在不確定性范圍內(nèi)工作時，滿足系統(tǒng)的設(shè)計性能指標要求。5.3自動控制的應(yīng)用領(lǐng)域自動化控制系統(tǒng)的應(yīng)用領(lǐng)域相當廣泛，幾乎包括人類所有的生產(chǎn)活動、日常生活和科學(xué)研究領(lǐng)域。目前，自動控制技術(shù)已被廣泛用于工農(nóng)業(yè)生產(chǎn)、軍事、科學(xué)研究、航空航天、機器人制造、交通運輸、商業(yè)、醫(yī)療、服務(wù)和家庭等方面。采用自動控制不僅可以把人們從繁重的體力勞動、部分腦力勞動以及惡劣、危險的工作環(huán)境中解放出來，而且還能擴展人的能力，極大地提高勞動生產(chǎn)率，增強人類認識世界和改造世界的能力。作為一個綜合性較強的學(xué)科，自動控制技術(shù)與很多學(xué)科相互關(guān)聯(lián)，尤其是與計算機科學(xué)和信息技術(shù)密切相關(guān)。此外，在辦公自動化、圖書管理、交通自動管理等方面也有重要的應(yīng)用。總之，隨著科學(xué)技術(shù)的不斷進步，自動控制技術(shù)也將向更深、更廣的領(lǐng)域邁進，在人類現(xiàn)代生活中也將扮演越來越重要的角色，必將為人類社會進步做出更大的貢獻。5.4現(xiàn)代控制的基本理論與技術(shù)由于經(jīng)典控制理論受單輸入-單輸出系統(tǒng)的限制，無法在現(xiàn)實應(yīng)用中處理大量工程都帶有的動態(tài)耦合的多輸入-多輸出系統(tǒng)的控制問題，而且其只適應(yīng)于線性時不變系統(tǒng)，其設(shè)計方法也極度依賴設(shè)計人員的經(jīng)驗，故而無法滿足實際控制系統(tǒng)越來越復(fù)雜的需求，因此現(xiàn)代控制理論與技術(shù)在20世紀50、60年代才逐漸發(fā)展起來?，F(xiàn)代控制理論是建立在狀態(tài)空間模型基礎(chǔ)之上的控制系統(tǒng)分析和設(shè)計理論，其本質(zhì)是基于狀態(tài)空間模型在時域中對系統(tǒng)進行分析和設(shè)計。狀態(tài)是指在系統(tǒng)中可決定系統(tǒng)狀態(tài)最小數(shù)目變量的有序集合，而所謂狀態(tài)空間則是指該系統(tǒng)全部可能狀態(tài)的集合。狀態(tài)空間模型可以表示出系統(tǒng)內(nèi)部狀態(tài)與其他物理量之間的關(guān)系，可由控制系統(tǒng)的傳遞函數(shù)導(dǎo)出狀態(tài)空間模型，也可由相關(guān)物理定律建立被控系統(tǒng)的狀態(tài)空間模型，還可以利用Matlab軟件對狀態(tài)空間模型進行分析?，F(xiàn)代控制理論還包括對系統(tǒng)的能控性和觀測性的分析、基于李雅普諾夫的穩(wěn)定性理論的被控系統(tǒng)穩(wěn)定性分析、動態(tài)系統(tǒng)的最優(yōu)控制方法應(yīng)用等。1892年李雅普諾夫提出了李雅普諾夫穩(wěn)定性可用來描述一個動力系統(tǒng)的穩(wěn)定性。20世紀70年代，美國新墨西哥大學(xué)計算機學(xué)系教授CleveMoler用Fortan編寫了最早的Matlab軟件?，F(xiàn)代控制理論研究的問題主要是最優(yōu)控制規(guī)律的尋求。如何根據(jù)給定的目標函數(shù)和約束條件，尋求最優(yōu)控制規(guī)律的問題，即最優(yōu)控制問題。在解決最優(yōu)控制問題的方法中，龐特里亞金的“最大值原理”和貝爾曼的“動態(tài)規(guī)劃法”得到了較為廣泛的應(yīng)用。從不同的思維角度出發(fā)，現(xiàn)代控制理論包括以下幾個主要分支：最優(yōu)控制、自適應(yīng)控制、魯棒控制、神經(jīng)網(wǎng)絡(luò)控制、模糊識別、預(yù)測控制等。隨著控制系統(tǒng)復(fù)雜性的增加，人們對控制系統(tǒng)的三大基本標準便有了更高的要求，控制系統(tǒng)向著開放化、廣義模型化、多目標優(yōu)化、混合式控制方向發(fā)展[14]。表5.1給出了現(xiàn)代控制理論與經(jīng)典控制理論的差異。5.4.1線性系統(tǒng)理論自然界和社會系統(tǒng)一般是非線性系統(tǒng)，但在一定的條件下，可將非線性系統(tǒng)近似為線性系統(tǒng)。線性系統(tǒng)科學(xué)技術(shù)是一門應(yīng)用性很強的學(xué)科，面對著各種各樣錯綜復(fù)雜的系統(tǒng)，控制對象可能是確定性的，也可能是隨機性的；控制方法可能是常規(guī)控制，也可能是最優(yōu)化控制?？刂评碚摵蜕鐣a(chǎn)及科學(xué)技術(shù)的發(fā)展密切相關(guān)，且近代得到極為迅速的發(fā)展。線性系統(tǒng)理論是現(xiàn)代控制理論中最基礎(chǔ)、最成熟的基本理論之一。這些方法使系統(tǒng)的建模、分析、綜合得以簡化，為系統(tǒng)控制理論的其他分支乃至其他學(xué)科提供了可借鑒的思路，它們是解決復(fù)雜問題的一條有效途徑。線性系統(tǒng)理論的主要內(nèi)容包括：(1)與系統(tǒng)結(jié)構(gòu)有關(guān)的各種問題，例如系統(tǒng)結(jié)構(gòu)的能控與能觀性、結(jié)構(gòu)分解問題和解耦問題等。(2)關(guān)于控制系統(tǒng)中反饋作用的各種問題，包括輸出反饋和狀態(tài)反饋對控制系統(tǒng)性能的影響及反饋控制系統(tǒng)的綜合設(shè)計等問題，主要研究課題是極點配置。(3)狀態(tài)觀測器問題，研究用來重構(gòu)系統(tǒng)狀態(tài)的狀態(tài)觀測器的原理和設(shè)計問題。(4)實現(xiàn)問題，研究如何構(gòu)造具有給定外部特性線性系統(tǒng)的問題，主要研究課題是最小實現(xiàn)問題。(5)幾何理論，用幾何觀點研究線性系統(tǒng)的全局性問題。(6)代數(shù)理論，用抽象代數(shù)方法研究線性系統(tǒng)，把線性系統(tǒng)理論抽象化和符號化。(7)多變量頻域方法，是在狀態(tài)空間法基礎(chǔ)上發(fā)展起來的頻域方法，可以用來處理多變量線性系統(tǒng)的許多分析和綜合問題，也稱為現(xiàn)代頻域方法。(8)時變線性系統(tǒng)理論，研究時變線性系統(tǒng)的分析、綜合和各種特性。對于大規(guī)模線性系統(tǒng)的工程問題，數(shù)值方法和近似方法的研究占有重要地位。5.4.2系統(tǒng)辨識在現(xiàn)代控制系統(tǒng)中，一些控制系統(tǒng)的數(shù)學(xué)模型難以用理論方法來建立，而是需要通過實驗數(shù)據(jù)確定其數(shù)學(xué)模型和估計參數(shù)，這種控制場合都要利用辨識技術(shù)。辨識技術(shù)已經(jīng)推廣到工程和非工程上的許多領(lǐng)域。具體講，辨識是根據(jù)系統(tǒng)的輸入、輸出時間函數(shù)來確定描述系統(tǒng)行為的數(shù)學(xué)模型。通過辨識建立數(shù)學(xué)模型的目的是估計表征系統(tǒng)行為的重要參數(shù)，建立一個能模仿真實系統(tǒng)行為的模型，用當前可測量的系統(tǒng)的輸入和輸出預(yù)測系統(tǒng)輸出的未來演變，以及設(shè)計控制器。對系統(tǒng)進行分析的主要問題是根據(jù)輸入時間函數(shù)和系統(tǒng)的特性來確定輸出信號。系統(tǒng)辨識包括兩個方面：結(jié)構(gòu)辨識和參數(shù)估計。在實際的辨識過程中，雖然使用的方法不同，但結(jié)構(gòu)辨識和參數(shù)估計這兩個方面并不是截然分開的，而是交織在一起進行的。5.4.3最優(yōu)控制

最優(yōu)控制就是在給定限制條件和性能指標下，尋找使系統(tǒng)性能在一定意義下為最優(yōu)的控制規(guī)律。這里所說的“限制條件”是指物理上對系統(tǒng)所施加的一些限制，而“性能指標”是為評價系統(tǒng)的優(yōu)劣而人為規(guī)定的標準。它是以系統(tǒng)在整個工作期間的性能作為一個整體而出現(xiàn)的，尋找控制律也就是綜合出所需的控制器。在解決最優(yōu)控制問題中，龐特里亞金的極大值原理和貝爾曼動態(tài)規(guī)劃法是兩種最重要的方法，它們以不同的形式給出了最優(yōu)控制所必須滿足的條件，并推出了許多定性的性質(zhì)。5.4.4自適應(yīng)控制自適應(yīng)控制就是在系統(tǒng)的模型不確定的情況下，求解控制規(guī)律，使給定的性能指標達到且保持最優(yōu)。根據(jù)這一定義可知，自適應(yīng)控制就是一種特殊的最優(yōu)控制。這里所謂的“模型不確定性”，是指描述被控對象及其環(huán)境的數(shù)學(xué)模型不是完全確定的，其中包含一些未知因素和隨機干擾。自適應(yīng)控制系統(tǒng)的設(shè)計思想大體可分成兩個不同的類型：一類是改變可調(diào)系統(tǒng)的參數(shù)，使閉環(huán)系統(tǒng)的零、極點分布始終合乎規(guī)定的要求，稱為零、極點補償法(或零、極點分布法)；另一類是改變可調(diào)系統(tǒng)的參數(shù)，使參考模型和可調(diào)系統(tǒng)輸出之間的誤差最小，這種自適應(yīng)控制系統(tǒng)稱為參考模型自適應(yīng)控制系統(tǒng)。前一類設(shè)計方法基本上是使用了設(shè)計一般線性反饋控制系統(tǒng)的傳統(tǒng)方法，后一類設(shè)計方法以MIT設(shè)計方法為代表。由前一類設(shè)計方法得出的自適應(yīng)控制系統(tǒng)，需要對系統(tǒng)參數(shù)進行單獨辨識，而在參考模型自適應(yīng)控制系統(tǒng)中，由于自適應(yīng)機構(gòu)的作用原理使得模型和系統(tǒng)間輸出誤差最小，從而不需要對系統(tǒng)的參數(shù)做另外的辨識，這是這一類自適應(yīng)控制系統(tǒng)的主要特征。一個實際系統(tǒng)的不確定性有時主要存在于系統(tǒng)內(nèi)部，有時又主要存在于系統(tǒng)外部。從系統(tǒng)內(nèi)部來講，被控系統(tǒng)的數(shù)學(xué)模型的結(jié)構(gòu)和參數(shù)，對于設(shè)計者來說，事先并不一定能準確知道，而系統(tǒng)外部總會存在很多擾動，這些擾動通常是不可預(yù)測的。換句話說，自適應(yīng)控制系統(tǒng)所依據(jù)的關(guān)于模型和擾動的先驗知識比較少，需要在系統(tǒng)的運行過程中不斷提取有關(guān)模型的信息和外部擾動信息，使模型逐步完善。此外，還有一些測量時產(chǎn)生的不確定因素也會進入系統(tǒng)。面對這些客觀存在的多種多樣的不確定性，如何設(shè)計適當?shù)目刂破鳎沟媚撤N設(shè)定的性能指標達到并保持最優(yōu)或者近似最優(yōu)，是自適應(yīng)控制所要研究解決的關(guān)鍵問題。自適應(yīng)控制可以依據(jù)對象的輸入輸出數(shù)據(jù)，不斷地辨識模型參數(shù)，這個過程稱為系統(tǒng)的在線辨識。隨著控制過程的不斷進行，通過在線辨識，模型會變得越來越準確，越來越接近于實際情況。因此控制系統(tǒng)具有一定的適應(yīng)能力。常規(guī)的反饋控制系統(tǒng)對于系統(tǒng)內(nèi)部特性的變化和外部擾動的影響都具有一定的抑制能力，但是由于控制器參數(shù)是固定的，當系統(tǒng)內(nèi)部特性變化或者外部擾動的變化幅度很大時，系統(tǒng)的性能常常會大幅度下降，甚至不穩(wěn)定。所以對那些對象特性或擾動特性變化范圍很大，同時又要求經(jīng)常保持高性能指標的系統(tǒng)，采取自適應(yīng)控制是合適的。但是同時也應(yīng)當指出，自適應(yīng)控制比常規(guī)反饋控制要復(fù)雜得多，成本也高得多，因此只有在用常規(guī)反饋控制達不到所期望的性能時，才會考慮采用自適應(yīng)控制。參考模型自適應(yīng)控制的原理方框圖如圖5.4所示。5.5智能控制的基本理論與技術(shù)5.5.1智能控制的發(fā)展歷史簡介智能控制系統(tǒng)是當今國內(nèi)外自動化學(xué)科中一個十分活躍和具有挑戰(zhàn)性的研究領(lǐng)域，是一門新興的交叉學(xué)科。智能控制系統(tǒng)與人工智能、自動控制、運籌學(xué)、計算機科學(xué)、模糊數(shù)學(xué)、進化論、模式識別、信息論、仿生學(xué)和認知心理學(xué)等學(xué)科有著密切的關(guān)系，是相關(guān)學(xué)科相互結(jié)合與滲透的產(chǎn)物，具有廣闊的應(yīng)用前景，目前已廣泛用于各種工業(yè)自動化領(lǐng)域。在現(xiàn)代控制系統(tǒng)中許多智能技術(shù)已得到了充分的運用，合理有效的智能控制方法能夠確保系統(tǒng)的安全與穩(wěn)定。進入21世紀以來，各種智能控制方法互相融合，“取長補短”構(gòu)成了眾多的“復(fù)合”智能控制系統(tǒng)，開發(fā)綜合的智能控制方法以滿足現(xiàn)實系統(tǒng)提出的控制要求是一個重要的發(fā)展方向。所謂“智能復(fù)合控制”，指的是智能控制方法與其他控制方法(經(jīng)典控制和現(xiàn)代控制)的融合、集成，也包括不同智能控制技術(shù)的集成。僅就不同智能控制技術(shù)組成的智能復(fù)合控制而言，就有模糊神經(jīng)控制、神經(jīng)專家控制、進化神經(jīng)控制、神經(jīng)學(xué)習(xí)控制、專家遞階控制和免疫神經(jīng)控制等。以模糊控制為例，它能夠與其他智能控制組成模糊神經(jīng)控制、模糊專家控制、模糊進化控制、模糊學(xué)習(xí)控制、模糊免疫控制及模糊PID控制等智能復(fù)合控制。控制理論的發(fā)展歷程如圖5.5所示。5.5.2智能控制的基本內(nèi)容1.專家控制專家控制是智能控制的一個重要分支，又稱為專家智能控制。專家控制的粗略定義是：將專家系統(tǒng)的理論和技術(shù)同控制理論的方法與技術(shù)相結(jié)合，在未知環(huán)境下，仿效專家的智能，實現(xiàn)對系統(tǒng)的控制。專家控制器建立之前，從特定領(lǐng)域的控制專家那里獲取足夠的控制知識，以及操作工人的經(jīng)驗知識，并對這些知識進行處理，變換成機器能夠接收的語言。這些經(jīng)過處理的知識送入知識庫中存儲，再送入推理機，推理機調(diào)用知識庫中的知識(或規(guī)則)進行推理，經(jīng)過推理的知識一方面存入知識庫，另一方面輸出到控制規(guī)則集，與控制規(guī)則集中的控制規(guī)則相匹配，進而對控制對象進行控制?？刂茖ο蟮妮敵龇答伒叫畔@取與處理單元，成為反饋信息，與設(shè)定值相比較后作為新信息重復(fù)以上步驟，不斷檢測，不斷獲得新信息，不斷進行控制輸出，實現(xiàn)實時性調(diào)整。一般情況下，專家控制器由信息獲取與處理、知識庫、推理機構(gòu)和控制規(guī)則集四部分組成。專家控制系統(tǒng)簡稱專家系統(tǒng)，是在控制系統(tǒng)中引入人工智能專家系統(tǒng)技術(shù)，同時結(jié)合邏輯控制，將常規(guī)的PID控制、自適應(yīng)控制、最小方差控制等不同方法結(jié)合起來，采用不同控制策略針對不同情況的控制系統(tǒng)。其實質(zhì)是以智能方式利用控制對象和控制規(guī)律，結(jié)合控制理論技術(shù)來完成過程任務(wù)的控制。專家控制系統(tǒng)的基本組成如圖5.6所示。專家控制系統(tǒng)的特點是：(1)具有透明性和靈活性，可以模擬人的思維活動規(guī)律，進行自動推理和應(yīng)付各種變化。(2)隨時監(jiān)督生產(chǎn)過程，實現(xiàn)優(yōu)化控制。(3)比傳統(tǒng)控制增加了故障診斷和容錯控制、復(fù)雜系統(tǒng)的高質(zhì)量控制、參數(shù)和算法的自動修改及不同算法的組合等許多功能。(4)專家經(jīng)驗的不足可以通過深層知識的引入來彌補，實現(xiàn)自然消除決策沖突。將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)技術(shù)結(jié)合起來用于控制，即獲得神經(jīng)網(wǎng)絡(luò)專家控制系統(tǒng)。2.模糊控制1)模糊控制的理論研究模糊控制理論全稱為模糊邏輯控制理論，其目的就是利用語言分析的數(shù)學(xué)模式把各種自然語言轉(zhuǎn)化成計算機控制系統(tǒng)能夠識別的算法語言，從而起到控制被控目標的作用。模糊控制是將人們思維中許多模糊的概念用計算機模擬后通過實際算法表達出來，實現(xiàn)人的控制思路和經(jīng)驗。這樣不僅使人們對可以感知但又無法具體數(shù)據(jù)化的許多操作更加清晰、準確，而且為智能控制的發(fā)展打下堅實的理論基礎(chǔ)，積累了豐富的實際經(jīng)驗。模糊控制系統(tǒng)包含知識庫、模糊推理、輸入量模糊化和輸出量精確化四個主要部分。模糊控制的控制流程通俗來說可理解為：知識庫通過定義語言變量和建立模糊控制規(guī)則，將模糊化的輸入信號通過模糊推理，確定所對應(yīng)的控制邏輯方式后轉(zhuǎn)化為精確值輸出，從而達到控制效果。模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，它從行為上模仿人的模糊推理和決策過程。該方法首先將操作人員或?qū)＜医?jīng)驗編成模糊規(guī)則，然后將來自傳感器的實時信號模糊化，將模糊化后的信號作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量經(jīng)解模糊化后加到執(zhí)行器上。模糊控制的基本原理如圖5.7所示。它的核心部分為模糊控制器，如圖5.7中虛線框中部分所示，模糊控制器的控制規(guī)律由計算機的程序?qū)崿F(xiàn)。實現(xiàn)模糊控制算法的過程描述如下：微機經(jīng)中斷采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號e，一般選誤差信號e作為模糊控制器的一個輸入量。把誤差信號e的精確量進行模糊化變成模糊量。誤差e的模糊量可用相應(yīng)的模糊語言表示，得到誤差e的模糊語言集合的一個子集E(E是一個模糊向量)，再由子集E和模糊關(guān)系R根據(jù)推理的合成規(guī)則進行模糊決策，得到模糊控制量u。2)模糊控制的典型應(yīng)用模糊洗衣機是第一個應(yīng)用模糊控制系統(tǒng)的消費產(chǎn)品，它是由日本松下電子工業(yè)公司于1990年前后生產(chǎn)的。該洗衣機根據(jù)污物的種類、數(shù)量及機器負載量，運用模糊控制系統(tǒng)來自動設(shè)定正確的洗衣周期。具體地講，它所用的模糊控制系統(tǒng)是一個三維輸入、一維輸出的模糊控制系統(tǒng)，系統(tǒng)的三個輸入變量是衣物臟度、臟物的類型和負載量，輸出變量是正確的洗衣周期。該洗衣機通過傳感器將三個輸入變量輸入到模糊控制系統(tǒng)中。首先，光學(xué)傳感器會射出一道穿過水的光線并計算有多少光線到達了另一端。水越臟，到達的光線越少。然后，光學(xué)傳感器要辨別臟物是泥污還是油脂，泥污是很快能洗干凈的。如果光的讀數(shù)快速到達最小值的話，則臟物是泥污；如果下降較慢的話，則臟物是油脂；如果曲線斜率介于上述兩斜率之間，則臟物是泥污油脂混合物。同時機器還有一個負載傳感器，它能感知衣物的重量。很明顯，衣物量越大，所需的洗衣時間也就越長。任何使用過便攜式攝像機的人都知道，人很難在拿著攝像機時手不發(fā)生輕微晃動。消除這種圖像晃動，將會誕生極具流行商業(yè)價值的新一代攝像機。松下開發(fā)了一種叫作數(shù)字圖像穩(wěn)定器的產(chǎn)品，它以模糊控制系統(tǒng)為基礎(chǔ)，當手晃動時會讓畫面保持穩(wěn)定。3)模糊控制的優(yōu)缺點對于一個熟練的操作人員，可以憑豐富的實踐經(jīng)驗對系統(tǒng)進行控制，但這往往不是最科學(xué)、最合理的控制方式。科學(xué)工作者提出的模糊控制理論和傳統(tǒng)控制理論相比，具有以下五個方面的優(yōu)點：(1)不需要知道被控對象的數(shù)學(xué)模型；(2)模糊控制是一種反映人類智慧的智能控制；(3)容易被人們所接受；(4)構(gòu)造容易；(5)魯棒性好。當然模糊控制也有缺點，主要有：(1)信息模糊處理會導(dǎo)致系統(tǒng)的控制精確度降低，動態(tài)品質(zhì)變差；(2)控制器設(shè)計尚缺乏系統(tǒng)性；(3)被控系統(tǒng)難以進行穩(wěn)定性分析。3.神經(jīng)網(wǎng)絡(luò)控制近代科學(xué)誕生之后，人類在研究自然現(xiàn)象及其規(guī)律性時，總是把研究對象歸結(jié)為一個數(shù)學(xué)模型，通過研究模型的性質(zhì)和規(guī)律達到認識自然界規(guī)律性的目的。人工神經(jīng)網(wǎng)絡(luò)模型就是一種基于生理學(xué)的智能仿生模型，它體現(xiàn)了當代幾種著名科學(xué)理論，諸如計算神經(jīng)理論、耗散結(jié)構(gòu)理論及分形、混沌理論的基本精神。它的突出特點是超高維和強非線性，具有自組織、自適應(yīng)和自學(xué)習(xí)能力，以及非局域性、非定常性和非凸性(等特點。人工神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn)及其理論的發(fā)展，開創(chuàng)了一個全新的科學(xué)模型化的新范例，對計算機科學(xué)與技術(shù)及其他相關(guān)科學(xué)的發(fā)展產(chǎn)生了持久而深遠的影響。為了便于讀者理解人工神經(jīng)網(wǎng)絡(luò)控制的基本原理，先簡要介紹單個神經(jīng)元的基本結(jié)構(gòu)和功能。1943年，生理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.Pitts以簡化的生物神經(jīng)元為基礎(chǔ)，提出了第一個人工神經(jīng)元模型(簡稱為M-P模型)，如圖5.8所示。圖5.8中，xi?(i?=?1,2,…,n)為神經(jīng)元的輸入信號；wi為相應(yīng)的連接權(quán)系數(shù)，它是表示輸入xi的傳遞強度的一個比例系數(shù)；∑表示對所有輸入信號加權(quán)求和；θ表示神經(jīng)元的閾值；f(?)表示神經(jīng)元的激活函數(shù)。該模型的數(shù)學(xué)表達式為神經(jīng)網(wǎng)絡(luò)的激活函數(shù)是一個重要的概念。不同的激活函數(shù)，就會形成不同的網(wǎng)絡(luò)，從而具有不同的性能。常用的激活函數(shù)有：(1)閾值函數(shù)：(2)線性函數(shù)：(3)非線性函數(shù)，常用的非線性函數(shù)有Sigmoid函數(shù)、徑向基函數(shù)、雙曲函數(shù)和小波函數(shù)。①Sigmoid函數(shù)(S型函數(shù))：②徑向基函數(shù)(RBF)，最常用的徑向基函數(shù)是高斯函數(shù)：總體而言，M-P神經(jīng)元模型是對生物神經(jīng)元進行相當程度的簡化而得出的。當模型的響應(yīng)函數(shù)取階躍函數(shù)時，輸入輸出取值為0或1。1代表神經(jīng)元的興奮狀態(tài)，0代表神經(jīng)元的抑制狀態(tài)。即便如此，M-P模型仍具有計算能力。選擇適當?shù)臋?quán)值wi和閾值θi可以進行基本的邏輯AND、OR和NOT運算。若考慮到單元的延時性質(zhì)，M-P模型可以組合成時序數(shù)字電路。人工神經(jīng)網(wǎng)絡(luò)模型是由類似上述簡單神經(jīng)元組成的廣泛并行互聯(lián)網(wǎng)絡(luò)，能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所做出的交互式反應(yīng)。人工神經(jīng)網(wǎng)絡(luò)以并行機制處理數(shù)據(jù)信息，大多具有自適應(yīng)、自學(xué)習(xí)、自組織的能力，信息分布存儲在各神經(jīng)元中，具有較強的容錯性和魯棒性。神經(jīng)網(wǎng)絡(luò)模型迄今為止已經(jīng)有大約100余種，大多都是反映人腦的某方面特性。一個基本的人工神經(jīng)網(wǎng)絡(luò)包括神經(jīng)元、網(wǎng)絡(luò)拓撲結(jié)構(gòu)、權(quán)值學(xué)習(xí)規(guī)則三部分。神經(jīng)元相當于一個信息傳遞函數(shù)，是線性或非線性的，甚至是混沌的。網(wǎng)絡(luò)拓撲結(jié)構(gòu)則主要包括神經(jīng)元的連接方式，如前饋(靜態(tài))和反饋(動態(tài))、部分連接和全連接、單層和多層，以及各連接方式下神經(jīng)元的數(shù)目(神經(jīng)網(wǎng)絡(luò)規(guī)模)。學(xué)習(xí)規(guī)則決定網(wǎng)絡(luò)權(quán)值的修正和進化方式，包括監(jiān)督、無監(jiān)督和激勵學(xué)習(xí)，Hebb調(diào)節(jié)和糾錯學(xué)習(xí)，競爭式和被動式學(xué)習(xí)，確定式和隨機式學(xué)習(xí)等[29]。一個典型的三層前饋(BP)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5.9所示。BP網(wǎng)絡(luò)的學(xué)習(xí)由四個過程組成：第一個過程是輸入模式由輸入層經(jīng)中間層向輸出層順序傳播。當模式傳到每個隱層的節(jié)點上時，首先經(jīng)過激活函數(shù)(如Sigmoid函數(shù))變換后，再作為輸出信號傳到下一層，最后傳播到輸出節(jié)點。第二個過程是網(wǎng)絡(luò)的期望輸出與網(wǎng)絡(luò)的實際輸出之差的誤差信號由輸出層經(jīng)中間層向輸入層逐層修正連接權(quán)的“誤差逆?zhèn)鞑ァ边^程。第三個過程是模式順傳播與誤差逆?zhèn)鞑サ倪^程反復(fù)交替進行的網(wǎng)絡(luò)“記憶訓(xùn)練過程”。第四個過程是網(wǎng)絡(luò)趨向收斂，即網(wǎng)絡(luò)的全局誤差趨向極小值的學(xué)習(xí)收斂過程。通過調(diào)整BP神經(jīng)網(wǎng)絡(luò)的規(guī)模(輸入節(jié)點數(shù)n、輸出節(jié)點數(shù)m、隱層層數(shù)和隱層節(jié)點數(shù))及網(wǎng)絡(luò)中的連接權(quán)值，就可以實現(xiàn)非線性分類等問題，并且可以以任意精度逼近任何非線性函數(shù)。這種前饋BP神經(jīng)網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)算法一般采用誤差反向傳播算法(EBP)。多層前饋網(wǎng)絡(luò)的誤差反向傳播算法(EBP)最早由Werbos在1974年提出，1986年Rumelhart和McClelland發(fā)展了多層網(wǎng)絡(luò)的“遞推”(或稱“反傳”)學(xué)習(xí)算法。該算法主要分為兩個基本過程，即模式從輸入層通過隱層逐層向輸出層傳播，誤差從輸出層經(jīng)隱層逐層向后傳播。網(wǎng)絡(luò)通過多層誤差修正梯度下降法離線學(xué)習(xí)，按離散時間方式進行，這一過程是通過使代價函數(shù)最小化過程來完成的。通常代價函數(shù)定義為所有的輸入模式對應(yīng)的期望輸出與實際輸出的誤差平方和。當然，代價函數(shù)也可取其他形式。下面結(jié)合圖5.9介紹誤差反向傳播學(xué)習(xí)算法。如圖5.9所示的三層BP網(wǎng)絡(luò)，設(shè)輸入模式向量

，期望輸出向量

；中間隱層單元的輸入向量

，輸出向量

；輸出層單元的輸入向量

；輸出向量

。輸入層至隱層的連接權(quán)為{wij}，i?=?1,2,…,n；j?=?1,2,…,p。隱層至輸出層的連接權(quán)為{vjt}，j?=?1,2,…,p；t?=?1,2,…,q。中間各層單元閾值為{θj}，j?=?1,2,…,p。輸出層各單元閾值為{rt}，t?=?1,2,…,q。輸入模式向量有m個，即k?=?1,2,…,m，設(shè)Ek為給網(wǎng)絡(luò)提供模式對(Xk,Dk)時輸出層上的代價函數(shù)，因而整個模式訓(xùn)練集上的全局代價函數(shù)為對于第k個輸入模式，Ek定義為尋求代價函數(shù)的極小值有兩種基本方法，即逐個處理和成批處理。對于逐個處理，隨機輸入一個樣本，每輸入一個樣本都進行連接權(quán)的調(diào)整；對于成批處理，當所有的樣本輸入后計算其總誤差，然后用式(5.7)進行連接權(quán)的調(diào)整。下面討論逐個處理方法。在EBP算法中，神經(jīng)元的激活函數(shù)f(x)應(yīng)為可微函數(shù)，一般取S型函數(shù)，這種函數(shù)的特點是其導(dǎo)數(shù)可用S型函數(shù)的自身來表示，如式(5.9)和式(5.10)所示。利用高等數(shù)學(xué)中有關(guān)求偏導(dǎo)數(shù)的知識，Ek隨連接權(quán)的修正按梯度下降法進行修正。通過一系列理論推導(dǎo)，得到圖5.9所示前饋BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值的學(xué)習(xí)公式分別如式(5.11)～式(5.14)所示。詳見參考文獻。式中，

表示誤差函數(shù)。同理，對于輸入層到隱層連接權(quán){wij}的修改，仍按梯度下降法進行，從而可得同理，輸出層的閾值{rt}和隱層的閾值{θj}的調(diào)整量為由于全局代價函數(shù)是定義在整個訓(xùn)練集上的，要實現(xiàn)E曲面上真正的梯度下降，需要在整個模式訓(xùn)練集中每一模式對提供給網(wǎng)絡(luò)期間，保持連接權(quán)不變，求出E對連接權(quán){wij}、{vjt}的負梯度，即此時，連接權(quán)變化為和上述權(quán)值調(diào)整方法屬于批處理方法，也稱為累積誤差逆?zhèn)鞑ニ惴?。而按?5.11)和式(5.12)的權(quán)值調(diào)整法稱為標準誤差傳播算法。從實際訓(xùn)練的結(jié)果看，當學(xué)習(xí)模式集合不太大時，累積誤差逆?zhèn)鞑ニ惴ū葮藴收`差傳播算法收斂速度要快一些，但累積誤差逆?zhèn)鞑ニ惴ǖ氖諗克俣炔▌哟螅耶攲W(xué)習(xí)參數(shù)λ、β取較小值時，標準誤差傳播算法能較好地收斂，當學(xué)習(xí)參數(shù)λ、β取較大值時，累積誤差逆?zhèn)鞑ニ惴茌^好地收斂。然而，實際上往往是每給網(wǎng)絡(luò)提供一個模式對，都需要計算權(quán)值和單元閾值的調(diào)整量，并對權(quán)值和閾值進行相應(yīng)的調(diào)整。雖然這種算法的梯度下降偏離了E上真正的梯度下降，但當學(xué)習(xí)參數(shù)λ、β足夠小時，這種偏離是可以忽略的。人工神經(jīng)網(wǎng)絡(luò)由于其獨特的仿生結(jié)構(gòu)模型和固有的非線性映射能力，以及高度的自適應(yīng)、容錯特性和并行處理等突出特征，在智能控制領(lǐng)域中獲得了廣泛的應(yīng)用。例如利用神經(jīng)網(wǎng)絡(luò)技術(shù)，可以實現(xiàn)機器人的攝像機控制、火控裝置等武器系統(tǒng)的控制、飛機的智能控制、機器人控制等。神經(jīng)網(wǎng)絡(luò)監(jiān)督控制、神經(jīng)網(wǎng)絡(luò)直接自適應(yīng)控制和神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制(MRAC)原理分別如圖5.10～圖5.12所示。4.集成智能控制各種智能方法都具有自身明顯的優(yōu)勢和特點，但同時也存在一定的局限性。近年來，人們普遍認為：基于知識和經(jīng)驗的專家系統(tǒng)、基于模糊邏輯推理的模糊控制、基于人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)控制方法的交叉與融合，相互取長補短、優(yōu)勢互補，有機結(jié)合是當今智能控制的研究熱點之一。近年來，集成智能控制方法及其在控制中的應(yīng)用的研究非?；钴S，取得了令人振奮的成果，并形成了模糊神經(jīng)網(wǎng)絡(luò)控制、專家模糊控制等多個方向。目前集成智能控制還處于初級研究階段，由于各種智能控制方法本身的理論還不完善，客觀上制約了集成智能控制理論的發(fā)展。5.5.3智能控制的主要應(yīng)用領(lǐng)域智能控制的具體應(yīng)用主要表現(xiàn)在以下幾個方面：1.生產(chǎn)過程中的智能控制生產(chǎn)過程中的智能控制主要包括局部級智能控制和全局級智能控制。局部級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。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(yīng)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(fù)雜對象。全局級的智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)劃過程的操作處理異常等。2.先進制造系統(tǒng)中的智能控制智能控制被廣泛地應(yīng)用于機械制造行業(yè)。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(yù)測的情況，人工智能技術(shù)為解決這一難題提供了一些有效的解決方案。具體如下：(1)利用模糊數(shù)學(xué)、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(yù)處理和綜合。(2)采用專家系統(tǒng)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)。(3)利用模糊集合決策選取機構(gòu)來選擇控制動作。(4)利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和并行處理信息的能力，進行在線模式識別，處理那些可能是殘缺不全的信息。3.電力系統(tǒng)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(fù)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。具體如下：(1)用遺傳算法對電器設(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。(2)應(yīng)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)。(3)智能控制在電流控制脈沖寬度調(diào)制(PWM)技術(shù)中的應(yīng)用是具有代表性的技術(shù)應(yīng)用方向之一，也是研究的新熱點之一。5.6智能控制的典型應(yīng)用5.6.1無人駕駛1.無人駕駛車輛控制技術(shù)簡介隨著人工智能、互聯(lián)網(wǎng)技術(shù)、通信技術(shù)、計算機技術(shù)的飛速發(fā)展，以電動化、智能化及網(wǎng)聯(lián)化為基礎(chǔ)的智能汽車成為解決上述問題的有效途徑。《國家中長期科技發(fā)展規(guī)劃綱要(2006—2020年)》中明確提出將包括汽車智能技術(shù)在內(nèi)的綜合交通運輸信息平臺列為我國中長期科技發(fā)展的國家戰(zhàn)略，這也是我國新一屆政府“互聯(lián)網(wǎng)+”行動計劃的重要組成部分。汽車信息化和智能化技術(shù)關(guān)聯(lián)性廣，商業(yè)化應(yīng)用除車輛本身外，覆蓋道路和交通管理、相關(guān)交通參與者、通信和信息服務(wù)、互聯(lián)網(wǎng)產(chǎn)業(yè)等，是復(fù)雜的系統(tǒng)工程。無人駕駛汽車即自動駕駛智能汽車，就是在沒有人類參與的情況下，依靠車內(nèi)的計算機系統(tǒng)，通過智能駕駛儀來實現(xiàn)無人駕駛功能的。無人駕駛汽車是利用智能軟硬件和車載傳感器來感知車輛周圍環(huán)境，并根據(jù)感知所獲得的道路、車輛位置和障礙物信息，隨即作出判斷，控制車輛的轉(zhuǎn)向和速度，從而使車輛能夠安全、可靠地在道路上行駛。無人駕駛汽車技術(shù)以全新的駕駛方式改變了傳統(tǒng)的駕駛體驗，不僅大大提升交通系統(tǒng)的效率和安全性能，還將使人們告別長途的無聊駕駛，進而保障了人身安全。2014年，美國國際汽車工程師學(xué)會制訂了一套自動駕駛汽車分級標準。2016年9月，美國正式頒布自動駕駛汽車聯(lián)邦政策，其中確立采用美國汽車工程師學(xué)會的定義作為評定汽車自動駕駛水平的標準，從最低到最高為L0到L5六個層級。以下為自動駕駛水平的專業(yè)分級定義：·0級：人工駕駛，即無自動駕駛。由人類駕駛員全權(quán)操控汽車，可以得到警告或干預(yù)系統(tǒng)的輔助?！?級：輔助駕駛，通過駕駛環(huán)境對方向盤和加減速中的一項操作提供駕駛支持，其他的駕駛動作都由人類駕駛員進行操作?！?級：半自動駕駛，通過駕駛環(huán)境對方向盤和加減速中的多項操作提供駕駛支持，其他的駕駛動作都由人類駕駛員進行操作?！?級：高度自動駕駛，或者稱有條件自動駕駛，由自動駕駛系統(tǒng)完成所有的駕駛操作。根據(jù)系統(tǒng)要求，人類駕駛者需要在適當?shù)臅r候提供應(yīng)答?！?級：超高度自動駕駛，由自動駕駛系統(tǒng)完成所有的駕駛操作。根據(jù)系統(tǒng)要求，人類駕駛者不一定需要對所有的系統(tǒng)請求做出應(yīng)答，包括限定道路和環(huán)境條件等?！?級：全自動駕駛，在所有人類駕駛者可以應(yīng)付的道路和環(huán)境條件下，均可以由自動駕駛系統(tǒng)自主完成所有的駕駛操作。智能駕駛技術(shù)體系從架構(gòu)上可分為線控車輛平臺、硬件開發(fā)平臺、軟件開發(fā)平臺以及云端服務(wù)平臺四個模塊。線控車輛平臺是實現(xiàn)智能駕駛的底層支撐技術(shù)，可實現(xiàn)線控轉(zhuǎn)向、線控油門和線控制動等線控功能。硬件開發(fā)平臺主要包括車載計算單元、GPS、人機交互硬件以及包括攝像頭、激光雷達、毫米波雷達、超聲波雷達在內(nèi)的各類車規(guī)級傳感器。其中，傳感器是智能駕駛技術(shù)所需的核心感知器件，主要包括定位傳感器、雷達傳感器、聽覺傳感器、視覺傳感器以及姿態(tài)傳感器五類。不同傳感器收集各類道路交通信息，經(jīng)過后續(xù)算法提取、處理與融合，形成完整的周邊環(huán)境圖，為系統(tǒng)決策提供基礎(chǔ)依據(jù)。軟件開發(fā)平臺主要包括實時操作系統(tǒng)、開發(fā)框架、高精度定位、感知、決策等關(guān)鍵環(huán)節(jié)。實時操作系統(tǒng)是汽車電子軟件的重要組成部分，可以實現(xiàn)分層化、平臺化和模塊化，提高開發(fā)效率的同時降低開發(fā)成本。此外，計算機視覺、多傳感器的信息感知融合、決策規(guī)劃需要深度學(xué)習(xí)的深度參與，TensorFlow、Caffe等深度學(xué)習(xí)框架也為智能駕駛提供了落地機會。云服務(wù)平臺主要包括高精地圖、數(shù)據(jù)平臺、仿真平臺等環(huán)節(jié)。高精地圖是實現(xiàn)無人駕駛汽車高精度定位、路徑導(dǎo)航、路徑規(guī)劃的基礎(chǔ)。仿真平臺通過海量實際路況及自動駕駛場景數(shù)據(jù)，促進自動駕駛系統(tǒng)的快速迭代。數(shù)據(jù)平臺包括傳感器數(shù)據(jù)、車輛行駛數(shù)據(jù)等?；谠破脚_的智能駕駛技術(shù)與基于機器學(xué)習(xí)的智能駕駛技術(shù)，GPS定位、高精地圖等技術(shù)有機融合，使車輛與云平臺進行信息交互，便于人們掌握全局交通信息，可以使道路交通的效率和安全性大幅度提高。自動駕駛技術(shù)示意圖如圖5.13所示。2.無人駕駛汽車的發(fā)展歷史與現(xiàn)狀20世紀70年代初，許多發(fā)達國家(如美國、英國、德國等)開始研究無人駕駛汽車。經(jīng)過長時間的發(fā)展，無人駕駛汽車在可行性和實用化方面都取得了突破性的進展。1995年，美國卡納基梅隆大學(xué)研制的無人駕駛汽車Navllab-V，完成了橫穿美國東西部的無人駕駛實驗。2005年，在美國國防部組織的“大挑戰(zhàn)”比賽中，由美國斯坦福大學(xué)改造的無人駕駛汽車，經(jīng)過沙漠、隧道、泥濘的河床以及崎嶇陡峭的山道最終獲得成功。近年來由于谷歌、特斯拉、奔馳、寶馬等紛紛加入無人駕駛汽車的研究，無人駕駛汽車技術(shù)有了突飛猛進的發(fā)展。作為當前無人駕駛汽車的領(lǐng)跑者，谷歌的終極(GoogleX)實驗室從2007年初就開始籌備無人駕駛汽車的各項研究工作，并于2010年正式宣布相關(guān)工作的進展。2012年5月，美國內(nèi)華達州的機動車駕駛管理處為谷歌的無人駕駛汽車頒發(fā)了美國首例無人駕駛汽車的路測許可。2015年6月，兩輛谷歌無人駕駛原型車開始上路測試，如圖5.14所示。為了完成對車子在X，Y，Z這三個方向上的數(shù)據(jù)測量(加速度等)，谷歌公司在汽車底部安裝了一個動力系統(tǒng)，利用GPS技術(shù)對過往的其他車輛位置進行確認，最后利用智能算法對車輛下一步的行動進行預(yù)測。截至2016年8月，谷歌共有58輛無人駕駛汽車，這些車在加州、內(nèi)華達州、德州、山景城、菲尼克斯和奧斯汀等允許自動駕駛汽車路測的地區(qū)進行實際路測。據(jù)Google發(fā)布的自動駕駛項目月報顯示，截至2016年8月30日，累計行駛距離已經(jīng)超過約2.9?×?106?km，平均每周1.5?×?104?mi～1.7?×?104?mi(1?mi?=?1.6093?km)[36]。我國在自動駕駛領(lǐng)域的研究起步于20世紀80年代。1980年遙控駕駛的防核化偵察車由國家立項，1989年我國首輛智能小車在國防科技大學(xué)研制成功，1992年國防科技大學(xué)、北京理工大學(xué)等高校研制成功我國第一輛真正意義上能夠自主行駛的測試樣車(ATB-1)。進入21世紀，國家“863計劃”開始對自動駕駛技術(shù)研究給予更多支持。2000年國防科技大學(xué)宣布其第4代自動駕駛汽車試驗成功。2003年國防科技大學(xué)和一汽共同合作研發(fā)成功了一輛自動駕駛汽車——紅旗CA7460，該汽車能夠根據(jù)車輛前方路況自動變道，2006年研制成功新一代紅旗HQ3自動駕駛轎車。2005年我國首輛城市自動駕駛汽車由上海交通大學(xué)研制成功。2011年國防科技大學(xué)和一汽研制的HQ3首次完成了從長沙到武漢的高速全程無人駕駛試驗，自動駕駛的平均速度達到87?km·h-1，全程距離為286?km。2012年11月軍事交通學(xué)院研制的無人駕駛汽車完成了高速公路測試，是第一輛得到了我國官方認證的無人駕駛汽車，并獲得中國智能車未來挑戰(zhàn)賽2015年度和2016年度冠軍。2015年12月IT企業(yè)百度的無人駕駛汽車完成北京開放高速路的自動駕駛測試，意味著無人駕駛技術(shù)從科研開始落地到產(chǎn)品。2016年9月百度宣布獲得美國加州政府頒發(fā)的全球第15張無人駕駛汽車上路測試牌照，2017年4月17日百度展示了與博世合作開發(fā)的高速公路輔助功能增強版演示車。2017年我國把基于無人駕駛技術(shù)的智能網(wǎng)聯(lián)汽車列入“汽車產(chǎn)業(yè)中長期發(fā)展規(guī)劃”，成為我國汽車產(chǎn)業(yè)轉(zhuǎn)型發(fā)展又一個戰(zhàn)略目標。2018年，我國無人駕駛技術(shù)的總體水平與國外先進水平還存在一定的差距，主要關(guān)鍵技術(shù)(感知融合、路徑規(guī)劃、控制與決策技術(shù)等)仍處于完善階段，關(guān)鍵技術(shù)發(fā)展的局限性制約了無人駕駛系統(tǒng)在不同環(huán)境下的自主駕駛能力，導(dǎo)致無人駕駛系統(tǒng)的行為表現(xiàn)有時存在較大的反差。據(jù)中商產(chǎn)業(yè)研究院發(fā)布的《2020—2025年中國無人駕駛汽車行業(yè)市場前景調(diào)查及投融資戰(zhàn)略研究報告》顯示，2016年全球無人駕駛汽車規(guī)模約達40億美元，市場發(fā)展空間還很大；預(yù)測數(shù)據(jù)顯示，到2035年全球無人駕駛汽車銷量將達2100萬輛。龐大的汽車銷量和消費者對科技的需求，使中國有望成為最大的無人駕駛汽車市場。智能駕駛發(fā)展分階段規(guī)劃，市場占有率對應(yīng)提高。2016年中國汽車工程協(xié)會正式對外發(fā)布了無人駕駛領(lǐng)域技術(shù)標準——《節(jié)能與新能源汽車技術(shù)路線圖》。路線圖中制定了我國無人駕駛汽車未來發(fā)展的三個五年階段需要達成的目標，2020年是起步期也是關(guān)鍵期，汽車產(chǎn)業(yè)規(guī)模需達3000萬輛，駕駛輔助或部分自動駕駛車輛市場占有率將達到50%；2025年高度無人駕駛車輛市場占有率需達到約15%；到2030年，中國將力爭實現(xiàn)擁有完全無人駕駛車輛規(guī)模3800萬輛，市場占有率接近10%。根據(jù)波士頓咨詢公司預(yù)測，到2025年或2030年全球部分自動駕駛系統(tǒng)滲透率將達到12.4%或15.0%，全自動駕駛系統(tǒng)滲透率將達到0.5%或9.8%。3.無人駕駛面臨的問題和挑戰(zhàn)智能汽車的無人駕駛將會引發(fā)交通管理制度的改變。也許只有無人駕駛汽車，才能打破現(xiàn)有制度，建立更加智慧的交通管理制度。但就現(xiàn)階段來講，智能汽車的無人駕駛技術(shù)的研發(fā)還只是冰山一角，存在重大挑戰(zhàn)[38]，主要表現(xiàn)在下面幾個方面：①對車輛制造商及軟件提供商的責任界定；②將現(xiàn)有車輛從非自動化轉(zhuǎn)為自動化所需的時間；③個人對汽車失去控制的抵抗力；④用于無人駕駛汽車的法律框架的實施與政府規(guī)章的制定；⑤缺乏經(jīng)驗的司機碰到需要手動駕駛的復(fù)雜情況；⑥失去駕駛相關(guān)的工作；⑦來自預(yù)感會失業(yè)的職業(yè)司機和相關(guān)組織的抵抗；⑧通過V2V(車車)與V2I(車輛到基礎(chǔ)設(shè)施)協(xié)議間的共享信息帶來的隱私問題；⑨無人駕駛汽車可能裝載炸藥并用作炸彈的安全性問題；⑩無人駕駛車輛在不可避免碰撞過程中如何選擇所面臨的倫理問題；?目前的警察和其他行人手勢及非語言提示不適應(yīng)自動駕駛；?軟件可靠性；?行車電腦可能會受到損害，汽車之間的通信系統(tǒng)也可能遭受損害，如通過破壞攝像機傳感器、GPS干擾器等手段來實現(xiàn)；?汽車導(dǎo)航系統(tǒng)對不同類型天氣的敏感度；?無人駕駛汽車可能需要非常高質(zhì)量的專用地圖才能合理地運行，在這些地圖尚未更新時，無人駕駛汽車需要恢復(fù)到合理的行為；?為汽車通信所需的無線電頻譜的競爭；?道路基礎(chǔ)設(shè)施與無人駕駛汽車功能的相互優(yōu)化等。無人駕駛無疑是科技創(chuàng)新與發(fā)展的結(jié)果，它必將給我們的生活帶來無限便利，能夠有效避免長時間疲憊駕駛，人們再也不用為考取駕駛資格證而擔憂。在未來老齡化的世界里，無人駕駛系統(tǒng)能夠成為一種便利的公共設(shè)施服務(wù)系統(tǒng)。但是，無人駕駛會失去很多駕駛樂趣。另外，由無思想的計算機所做出的智能決定并非完全可信，它只是對獲取的環(huán)境信息的計算，以保護車內(nèi)駕駛者安全為首要任務(wù)。在緊急情況下由計算機做出的決定在有主觀意識的人看來，并非合理。無人駕駛技術(shù)的發(fā)展將對多個領(lǐng)域造成沖擊，無人駕駛即將成為“科技改變世界”的“鑰匙”。如果無人駕駛汽車擁有移動通信功能，可以像移動聯(lián)網(wǎng)的大型計算機一樣隨時接收和發(fā)送數(shù)據(jù)，那么配合全球?qū)Ш叫l(wèi)星系統(tǒng)實現(xiàn)即時通信和收發(fā)信息，將會對大數(shù)據(jù)時代重新定義，也將對現(xiàn)在的計算機水平提出更高的要求，甚至金融業(yè)、通信業(yè)、能源、電力、交通事業(yè)，乃至構(gòu)成社會制度的社會規(guī)范及產(chǎn)業(yè)結(jié)構(gòu)也都會受到重大的影響。目前智能駕駛領(lǐng)域相關(guān)技術(shù)不斷取得突破，與之相關(guān)的國家政策法規(guī)也在向支持行業(yè)發(fā)展的方向持續(xù)推進。單車智能化和智能網(wǎng)聯(lián)是實現(xiàn)無人駕駛的兩條路徑。單車智能化，即車輛本身通過感知、傳遞、分析、決策與控制來對環(huán)境進行反應(yīng)，完成自主駕駛。以谷歌無人車和特斯拉為代表，目前正在多地開展測試。雖然積累了大量的測試里程，但仍然會出現(xiàn)各種事故，安全性難以保證，系統(tǒng)可靠性較差，智能化程度距離商業(yè)化落地仍然有很長的路程。智能網(wǎng)聯(lián)，即通過智能和互聯(lián)技術(shù)提供車輛周圍及前方路況信息而保持車和車之間、車和環(huán)境之間、車和人之間的互聯(lián)互通，從而實現(xiàn)車輛的無人駕駛。目前我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)仍處于萌芽期，需要國家設(shè)計頂層發(fā)展戰(zhàn)略，并按智能網(wǎng)聯(lián)汽車發(fā)展的輕重緩急程度，分階段推出相關(guān)法規(guī)政策。行業(yè)內(nèi)主流汽車企業(yè)、互聯(lián)網(wǎng)企業(yè)、信息企業(yè)、科研院所及其他機構(gòu)也正在共同參與技術(shù)推進的協(xié)同與創(chuàng)新，軟硬件設(shè)施在逐步完善，但測試與評價體系仍然處于研究階段，行業(yè)內(nèi)尚未有統(tǒng)一的標準來遵循。綜上所述，不管是單車智能的路線，還是智能網(wǎng)聯(lián)的路線，目前智能駕駛行業(yè)面臨的最大痛點就是針對智能駕駛的測試方法與評價方法。4.人工智能在無人駕駛中的應(yīng)用在機器學(xué)習(xí)、大數(shù)據(jù)和人工智能技術(shù)大規(guī)模崛起之前，自動駕駛系統(tǒng)和其他的機器人系統(tǒng)類似，整體解決方案基本依賴于傳統(tǒng)的優(yōu)化技術(shù)。隨著人工智能和機器學(xué)習(xí)在計算機視覺、自然語言處理以及智能決策領(lǐng)域獲得重大突破，學(xué)術(shù)和工業(yè)界也逐步開始在無人駕駛汽車系統(tǒng)的各個模塊中進行基于人工智能和機器學(xué)習(xí)的探索，目前已取得部分成果。而無人駕駛系統(tǒng)作為代替人類駕駛的解決方案，其設(shè)計思路和解決方法背后都蘊含了很多對人類駕駛習(xí)慣和行為的理解?，F(xiàn)在，無人駕駛已經(jīng)成為人工智能最具前景的應(yīng)用之一。人工智能的深度學(xué)習(xí)被應(yīng)用于無人駕駛中。深度學(xué)習(xí)是一種機器學(xué)習(xí)的算法，它模擬人類的神經(jīng)網(wǎng)絡(luò)來對數(shù)據(jù)進行處理。常見的深度學(xué)習(xí)網(wǎng)絡(luò)有深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等，這些網(wǎng)絡(luò)與相應(yīng)算法在自動駕駛系統(tǒng)中起著非常重要的作用，可用來對周圍環(huán)境的視覺、聽覺信息進行識別和處理。這些人工智能算法應(yīng)用后，可以使無人駕駛系統(tǒng)對行駛時發(fā)生的各種狀況作出及時反應(yīng)，并且能適用于各種路況，從而做到輕松、安全出行?；谌斯ぶ悄艿臒o人駕駛車輛示意圖如圖5.15所示。5.6.2無人機集群1.無人機集群控制的起源與發(fā)展集群化是無人機發(fā)展的趨勢。無人機集群技術(shù)源于軍事需求，美軍基于網(wǎng)絡(luò)中心戰(zhàn)思想提出無人機集群作戰(zhàn)，旨在借鑒自然界的自組織機制，使具備有限自主能力的多架無人機在沒有集中指揮控制的情況下，通過相互間信息通信產(chǎn)生整體效應(yīng)，實現(xiàn)協(xié)同任務(wù)分配、協(xié)同搜索、偵察與攻擊，能有效提高無人機的生存能力和整體作戰(zhàn)效能。無人機集群概念是建立在仿生學(xué)基礎(chǔ)上的，如蟻群、蜂群，鴿群、魚群、狼群等在群體運動過程能夠避免相互碰撞，協(xié)同地完成覓食、遷徙、攻擊防御等。嚴格意義上的無人機集群與編隊在內(nèi)涵上是有明顯區(qū)別的。集群是分布式控制的，個體能夠適應(yīng)當前環(huán)境下的工作狀態(tài)，并且具有較強的魯棒性，不會由于某一個或幾個個體出現(xiàn)故障而影響群體任務(wù)的有序進行，群體中個體的能力或遵循的行為規(guī)則非常簡單，群體表現(xiàn)出來的復(fù)雜行為是通過簡單個體的交互過程突現(xiàn)出的智能，體現(xiàn)為群體的自組織性與涌現(xiàn)性；而無人機編隊只強調(diào)飛行路徑的統(tǒng)一規(guī)劃，編隊可以是集中式控制，也可以是分布式控制，多無人機之間也不存在涌現(xiàn)行為。當前，學(xué)術(shù)界與工業(yè)界存在混用編隊與集群的現(xiàn)象，無人機集群自主化、智能化還有待提升，無人機編隊的研究具有“低自主性”集群的特性，故此處對集群與編隊不做嚴格區(qū)分。2.無人機集群的研究與應(yīng)用發(fā)展無人機集群軍事應(yīng)用廣泛。2015年4月，美國海軍公布了“蝗蟲(Locust)”項目，該項目研究可從艦艇、飛機等發(fā)射平臺上利用發(fā)射管發(fā)射具有自主能力的無人機集群，通過集群對敵方火力進行壓制和攻擊；2016年4月成功完成30架“郊狼(CoyoteDrone)”無人機的連續(xù)發(fā)射及編隊飛行試驗。圖5.16顯示了“郊狼”無人機發(fā)射和無人機發(fā)射后機翼的展開過程。2015年5月美國五角大樓展示了一款為未來戰(zhàn)爭準備的“蟬(Cicada)”微型無人機，該機型為隱藏自主式一次性飛行器，不安裝引擎，大小類似長了翅膀的手機，全身只有10個通用零部件，兼具堅固耐用、尺寸小、成本低、結(jié)構(gòu)簡單、噪聲小等特點，可配備多種輕型傳感器，執(zhí)行多種任務(wù)。美國海軍希望未來可實現(xiàn)30?min內(nèi)在17.5?km處投放千架“蟬”微型無人機，覆蓋近5000?km2的區(qū)域，進行對敵探測和電磁干擾[46]。圖5.17展示了“蟬”微型無人機投放過程的構(gòu)想。2015年9月美國國防高級研究計劃局(DARPA)發(fā)布了“小精靈(Gremlins)”項目公告，該項目設(shè)想通過發(fā)射大量微型無人機對敵防御系統(tǒng)進行飽和攻擊。如通過C-130運輸機在防區(qū)外發(fā)射攜帶偵察與電子戰(zhàn)裝備的無人機蜂群執(zhí)行離岸電子攻擊、偵察等任務(wù)，在執(zhí)行完任務(wù)后，對幸存的無人機進行回收，其概念圖如圖5.18所示。該項目于2016年3月正式啟動，目前主要探索無人機集群空中發(fā)射和回收等關(guān)鍵技術(shù)的可行性并進行驗證[47]。2016年5月，美國空軍正式提出《2016—2036年小型無人機系統(tǒng)飛行規(guī)劃》，希望構(gòu)建橫跨航空、太空、網(wǎng)空三大作戰(zhàn)疆域的小型無人機系統(tǒng)，并在2036年實現(xiàn)無人機系統(tǒng)集群作戰(zhàn)。圖5.19為該規(guī)劃中無人機“蜂群”的作戰(zhàn)構(gòu)想圖。無人機集群在非軍事應(yīng)用中的優(yōu)勢同樣適合于遙感遙測、地質(zhì)勘探、應(yīng)急救援、氣象探測、空中分層網(wǎng)絡(luò)、精確農(nóng)業(yè)和商業(yè)娛樂等方面。在應(yīng)急救援方面，當自然災(zāi)害發(fā)生時，首要的任務(wù)就是建立臨時通信網(wǎng)、查看災(zāi)情，然后再出動直升機運輸物資和人員，除了昂貴的衛(wèi)星通信手段，無人機集群成本低、可消耗、部署簡便、使用靈活，為應(yīng)急救援的通信保障提供了一種靈活的解決方案。圖5.20給出了無人機集群組建應(yīng)急通信網(wǎng)絡(luò)的構(gòu)想圖。在精確農(nóng)業(yè)方面，業(yè)界的目光已經(jīng)從單純的無人機農(nóng)藥噴灑逐漸擴展到無人機農(nóng)業(yè)信息采集、農(nóng)業(yè)光譜數(shù)據(jù)分析等領(lǐng)域。圖5.21是無人機集群農(nóng)田作業(yè)示意圖。它由多架無人機互相配合，協(xié)同監(jiān)測一塊農(nóng)田區(qū)域，并通過機載機器視覺設(shè)備，精確找到作物中的雜草并繪制雜草地圖，無人機集群將幫助農(nóng)民繪制農(nóng)田中的雜草地圖。在商業(yè)娛樂方面，國內(nèi)外的許多大小企業(yè)如英特爾、億航、零度智控、道通科技等競相上演了成百上千架無人機的編隊燈光秀，展示了無人機集群技術(shù)在商業(yè)領(lǐng)域的應(yīng)用前景。圖5.22展示了無人機集群燈光秀表演。此外，無人機集群協(xié)作還可以被設(shè)想用于建筑領(lǐng)域。圖5.23展示了無人機團隊采用多架無人機自主協(xié)同建造由1500塊泡沫磚塊組成的高達6?m的塔式建筑的場景。2016年10月美軍在加州的“中國湖靶場”上空進行了無人機拋灑實驗，三架海軍F/A-18F“超級大黃蜂”戰(zhàn)斗機成功拋灑出103架“灰山鶉(Perdix)”微型無人機。無人機在脫離發(fā)射箱后的短時間內(nèi)能相互發(fā)現(xiàn)隊友并組成集群隊形，顯示了美軍的集群自組網(wǎng)技術(shù)達到了實用性階段。中國在無人機集群自主控制研究方面也取得了突破性進展。2016年11月在珠海航展上，中國電子科技集團公司公布了67架規(guī)模的無人機集群編隊飛行原理驗證測試，標志著中國無人機集群控制技術(shù)進入世界先進行列。3.無人機集群控制關(guān)鍵技術(shù)目前對無人機集群控制關(guān)鍵技術(shù)研究主要集中在多無人機協(xié)同任務(wù)與目標分配優(yōu)化、集群飛行控制、航跡規(guī)劃等方面。下面分別從無人機集群協(xié)同任務(wù)規(guī)劃技術(shù)、飛行航跡規(guī)劃技術(shù)、多無人機協(xié)同編隊控制方法及無人機集群通信保障技術(shù)四方面進行簡介。1)無人機集群協(xié)同任務(wù)規(guī)劃技術(shù)無人機集群具有“功能分布化”的特性[49]，由大量低成本、功能單一的無人機組成，通過大量異構(gòu)、異型的個體來實現(xiàn)復(fù)雜的系統(tǒng)功能。集群協(xié)同作業(yè)離不開合理高效的協(xié)同控制手段，必須對多機系統(tǒng)進行合理的協(xié)同任務(wù)規(guī)劃。在實際任務(wù)的執(zhí)行中，受無人機、任務(wù)要求和環(huán)境因素等的影響與制約，對多UAV進行協(xié)同控制是一個極其復(fù)雜、極具挑戰(zhàn)性的問題。多無人機協(xié)同任務(wù)規(guī)劃屬于運籌學(xué)上一類復(fù)雜的組合優(yōu)化問題，旨在實現(xiàn)機群內(nèi)各個成員的任務(wù)指派與資源分配、任務(wù)沖突消解與重分配等功能。對該優(yōu)化問題進行建模與求解的方法有很多種，大致可以分為集中式和分布式兩類。集中式控制方法的特點是在系統(tǒng)中存在著一個中心節(jié)點，由這個中心節(jié)點完成整個系統(tǒng)的任務(wù)指派和調(diào)度、協(xié)調(diào)等工作，無人機僅充當任務(wù)執(zhí)行者的角色。此時，多UAV協(xié)同任務(wù)規(guī)劃問題抽象成組合優(yōu)化問題的形式，首先借助圖論對問題建模，將參與者包括無人機和任務(wù)對象(如地面目標)等抽象成圖的節(jié)點，而一個UAV以某種狀態(tài)對一個對象執(zhí)行任務(wù)的過程則抽象成圖的邊，再引入二元決策變量。把這個復(fù)雜的規(guī)劃問題刻畫成一個有向圖的形式，然后使用某種合適的搜索算法對這個有向圖搜索以確定最優(yōu)解?，F(xiàn)在已經(jīng)存在多種集中式任務(wù)規(guī)劃建模方法，包括多旅行商問題、車輛路由問題、網(wǎng)絡(luò)流模型、混合整數(shù)線性規(guī)劃等。前兩種模型一般用于處理單一任務(wù)的多UAV協(xié)同，如協(xié)同搜索任務(wù)等，在建模過程中可以考慮問題的時間相關(guān)約束，如時間窗約束等。后兩種模型在處理多任務(wù)時更適用，如需要多次訪問目標位置的“確認—攻擊—毀傷”評估一體化任務(wù)。集中式控制方法經(jīng)過多年的發(fā)展已經(jīng)較為成熟，其全局特性較好，在處理復(fù)雜耦合問題時，可以通觀全局，獲得較好的可行解，具有較大的優(yōu)勢。但實時性、魯棒性和容錯性等方面的不足導(dǎo)致了它在動態(tài)、不確定性和實時性要求較高的應(yīng)用中效果不佳。分布式任務(wù)規(guī)劃方法很多是基于市場機制的合同網(wǎng)協(xié)議，該方法的基本思想是將任務(wù)分配過程視為一個市場交易過程，通過“拍賣—競標—中標”這個市場競拍機制實現(xiàn)分布式系統(tǒng)內(nèi)部工作任務(wù)的指派和調(diào)整。當一個系統(tǒng)成員產(chǎn)生新任務(wù)時，如發(fā)現(xiàn)新目標，可以向系統(tǒng)中的其他成員發(fā)布市場拍賣合約，其他成員則對該合約進行評估。如果可行則向拍賣者回復(fù)自己執(zhí)行該合約的代價，合約拍賣者收到競標者的價碼后，進行評估，選擇合適的執(zhí)行者，進行任務(wù)指派。分布式方法在近些年的發(fā)展中，越來越受到關(guān)注，已經(jīng)有大量的方法被提出和應(yīng)用，如協(xié)商一致理論、對策論、信息素、多智能體系統(tǒng)等。這類方法由于其對動態(tài)不確定性問題的適用性而發(fā)展迅速。2)飛行航跡規(guī)劃技術(shù)飛行航跡規(guī)劃的目的是引導(dǎo)UAV在飛行過程中躲避威脅、障礙，最終到達指定任務(wù)區(qū)域或目標上空，并在滿足相關(guān)約束的同時優(yōu)化某種性能指標。航跡規(guī)劃問題通常建模為復(fù)雜的、約束多的、耦合強的多目標優(yōu)化與決策問題，已有的研究包括描述復(fù)雜的戰(zhàn)場環(huán)境、平臺自身物理特性約束、航線的戰(zhàn)術(shù)可行性、隱蔽性要求的單航跡規(guī)劃，還包括適應(yīng)多UAV在時間上約束的多平臺協(xié)同航跡規(guī)劃。多飛行器協(xié)同規(guī)劃就每一個子系統(tǒng)飛行器而言，所生成的飛行軌跡不一定是最優(yōu)的，但對于整體的作戰(zhàn)效能來說是全局最優(yōu)或次優(yōu)的。(1)單平臺航跡規(guī)劃。UAV航線規(guī)劃問題與機器人路徑規(guī)劃問題具有一定的相似性，因而很多UAV航線規(guī)劃方法也源于機器人領(lǐng)域，但又有所發(fā)展，以適應(yīng)任務(wù)的戰(zhàn)術(shù)需求以及對大范圍、動態(tài)環(huán)境中規(guī)劃算法實時性的要求。為了對復(fù)雜戰(zhàn)場空間進行建模，通?；趲缀螌W(xué)原理，按照一定規(guī)則將空域進行分解或?qū)ふ谊P(guān)鍵航路點，建立復(fù)雜戰(zhàn)場環(huán)境的拓撲結(jié)構(gòu)，從而降低問題復(fù)雜性。比較有代表性的方法包括單元分解法、路標圖法和人工勢場法等。單元分解法一般采用正四邊形或正六邊形柵格對規(guī)劃環(huán)境進行劃分，從而實現(xiàn)連續(xù)空間的離散化。路標圖法通過對規(guī)劃環(huán)境的采樣，有效縮減搜索空間，提高求解效率，并且便于處理對UAV飛行中的各種約束，因而成為最常用的建模方法。該類建模方法主要包括可視圖、Voronoi圖、概率路標圖以及快速擴展隨機樹算法等。當戰(zhàn)場態(tài)勢發(fā)生變化時，規(guī)劃出能夠適應(yīng)新環(huán)境的航跡，是應(yīng)對戰(zhàn)場環(huán)境動態(tài)性的主要手段，這對在線規(guī)劃算法的實時性提出了很高要求。由于UAV航線規(guī)劃問題自身的復(fù)雜性，難以在短時間內(nèi)得出高質(zhì)量的解，因而往往采用一些簡化手段，主要包括限定規(guī)劃時所涉及的戰(zhàn)場范圍.(2)多平臺協(xié)調(diào)控制。多UAV系統(tǒng)中的各平臺之間通常需要滿足在空間、時間以及飛行狀態(tài)上的相對關(guān)系，如同時到達指定位置、避免相互碰撞等，以充分發(fā)揮協(xié)同優(yōu)勢、避免沖突。為滿足多UAV在時間上的相對關(guān)系，可采用速度調(diào)節(jié)、航線長度調(diào)節(jié)，以及增加機動動作等手段，對已有的基本航線進行調(diào)整。3)多無人機協(xié)同編隊控制方法近幾十年來，學(xué)者們在飛行器協(xié)同編隊飛行控制方面做了大量研究，主要研究內(nèi)容總結(jié)為隊形生成、隊形保持、隊形切換和編隊避障。隊形生成研究多無人機如何生成指定的隊形的問題，隊形切換包括隊形按程序變換及應(yīng)對突發(fā)情況的隊形重構(gòu)問題，編隊避障研究集群飛行中如何改變編隊規(guī)劃避開障礙的問題。其實，還有一種涉及較少的自適應(yīng)問題的研究，即多無人機在未知環(huán)境下如何自適應(yīng)地改變編隊或保持隊形以便適應(yīng)環(huán)境的問題。編隊飛行的控制策略主要由兩個方面組成，即無人機之間的信息交互及隊形控制算法。在信息交互的控制策略中主要有集中式控制、分布式控制和分散式控制三種方式，每種方式有其獨特的定義和優(yōu)缺點。(1)集中式控制。編隊中的無人機兩兩進行信息交互，交互的信息包括各自的位置、速度、姿態(tài)和運動目標等信息。在集中式控制策略中，由于每架無人機都知道整個編隊的信息，因此控制效果好，但是交互的信息量特別大，容易造成信息的沖突，所以對機載計算機的性能要求高，整個編隊控制系統(tǒng)的計算量很大。(2)分布式控制。編隊中的每架無人機只需要與相鄰的無人機進行信息交互。在此控制方案中，由于每架無人機只需要知道和它相鄰的無人機的信息，因此相比集中式控制策略，分布式控制策略控制效果相對較差，但是交互的信息較少，計算量小，也容易避免信息沖突，且整個編隊控制系統(tǒng)的實現(xiàn)相對簡單。從工程的實現(xiàn)角度看，分布式控制策略易于實現(xiàn)和維護，且具有較好的擴充性與容錯性，如在執(zhí)行任務(wù)的過程中變更任務(wù)需要加入無人機或者替換有故障的無人機等。由于這樣的突變在分布式控制方案中可以將影響限制在局部范圍中，因此分布式編隊控制方案已經(jīng)逐漸取代集中式控制成為編隊信息交互研究的熱點。(3)分散式控制。各架無人機之間不會進行信息交互，編隊中的每架無人機只需要保持其與編隊中約定點的相對關(guān)系。雖然此種策略計算量更少，結(jié)構(gòu)最簡單，但編隊控制效果最差且不能保證編隊形成及飛行中無人機之間不發(fā)生碰撞事故。對于無人機編隊隊形控制算法的研究相對成熟且通用的方法有：跟隨領(lǐng)航者法、基于行為法、虛擬結(jié)構(gòu)法等。跟隨領(lǐng)航者法，即長機-僚機策略，集群需要指定隊形中部分無人機作為領(lǐng)航者，其他無人機作為跟隨者并跟隨領(lǐng)航者運動。它將隊形控制問題轉(zhuǎn)化為跟隨長機的朝向和位置跟蹤問題。此編隊方式是時下最流行的，也是最古老的一種編隊控制方式。跟隨領(lǐng)航者法的優(yōu)點在于無人機機群的行為可以由單架或幾架領(lǐng)航者決定，缺點在于編隊的魯棒性依賴于長機的魯棒性，無人機飛行誤差會隨著僚機的跟隨逐級放大，僚機一般不影響長機的運動，這種編隊控制系統(tǒng)易受到外界干擾的影響?；谛袨榉ㄐ枰仍O(shè)計無人機的一系列行為，然后各架無人機利用其行為的加權(quán)平均來決定各自的控制輸入，其控制輸入可以是自身的信息，也可以是相鄰的無人機輸出的信息?；谛袨榉ù蠖疾捎镁植啃畔⒔换ミM行協(xié)同，實質(zhì)上是一種分布式協(xié)同控制方法。這種方法靈活性好、并行性和實時性較佳，魯棒性強，設(shè)計的系統(tǒng)也具有可靠性，但目前缺乏有效的穩(wěn)定性分析工具。虛擬結(jié)構(gòu)法，其基本思想是將無人機編隊系統(tǒng)的隊形看作是一個剛體的虛擬結(jié)構(gòu)，每架無人機被認為是虛擬結(jié)構(gòu)上位置固定的點，當無人機隊形發(fā)生移動時，無人機跟蹤剛體上對應(yīng)的固定點即可實現(xiàn)固定的編隊飛行。虛擬結(jié)構(gòu)法的實現(xiàn)分為三步：首先，定義虛擬結(jié)構(gòu)期望的動力特性；其次，將虛擬結(jié)構(gòu)的運動轉(zhuǎn)化為編隊中個體的期望運動；最后，得出編隊個體的軌跡跟蹤控制方法。虛擬結(jié)構(gòu)法可以整體描述機群的行為，由于采用編隊反饋設(shè)計控制律，使得編隊飛行具有較高的控制精度，但正是由于其必須剛性運動，限制了該方法僅適合于小規(guī)模機群的編隊。4)無人機集群通信保障技術(shù)為提高無人機編隊控制系統(tǒng)的魯棒性和安全性，除了考慮無人機參數(shù)及其外部擾動的不確定因素之外，還必須考慮無人機編隊飛行時通信中存在的不確定性因素，如通信延遲、機間通信丟包，甚至部分通信鏈路產(chǎn)生故障等，均需要設(shè)計地面站與無人機、無人機與無人機之間的冗余信息交互機制。同時，在集群作業(yè)過程中，無人機存在受傷、擊落、增援等多個狀態(tài)，其動態(tài)加入和退出也使得通信鏈路必須支持無人機數(shù)量的變化，完成集群的重構(gòu)，而且在無人機與地面站失去聯(lián)系時，無人機集群應(yīng)具有通信鏈路的自組織能力。在理論研究方面，目前國外已經(jīng)在無人機編隊飛行的通信故障管理及其算法設(shè)計方面進行了深入的研究，并且取得了卓有成效的研究成果。大致思路分為兩種，一種是設(shè)計解決自動化系統(tǒng)出現(xiàn)通信故障時的通信協(xié)議，另一種是基于故障容錯的方法通過重構(gòu)次優(yōu)的無人機編隊進行故障容錯，有效消除或控制通信故障。國內(nèi)對于無人機編隊通信故障管理技術(shù)研究只是處于探索階段，研究集群通信故障管理的工作較少。在無人機故障管理方面，大多集中在飛控系統(tǒng)執(zhí)行器故障容錯方法的研究，依舊局限在單架無人機系統(tǒng)內(nèi)環(huán)故障管理策略的設(shè)計。6.1智能機器人的發(fā)展歷程6.2智能機器人的類別與功能6.3智能機器人的基本技術(shù)簡介6.4智能機器人的應(yīng)用6.1智能機器人的發(fā)展歷程智能機器人是一種具有高度靈活性的自動化機器，具備了與人或其他生物一些相似的智能能力。隨著人工智能與互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)及云平臺等的深度融合，在超強計算能力的支撐下，智能機器人開始具有更強的環(huán)境適應(yīng)能力和自主能力，以便適用于更加復(fù)雜多變的應(yīng)用場景。與此同時，智能機器人的應(yīng)用范圍從制造業(yè)不斷擴展到外星探測、空天、陸地、水面、海洋、極地、核化、微納操作等特種與極限領(lǐng)域，并開始滲透到人們的日常生活。智能機器人如圖6.1所示。機器人的應(yīng)用越來越廣泛，作用越來越突出，甚至有研究發(fā)現(xiàn)“機器人對于勞動生產(chǎn)力的增長貢獻與蒸汽機出現(xiàn)時對于勞動生產(chǎn)力的影響是同一個級數(shù)”。與此同時，機器人技術(shù)也在快速進步，在相關(guān)學(xué)科技術(shù)進步的推動下，機器人領(lǐng)域在醞釀著技術(shù)突破。6.1.1智能機器人的定義1946年，世界上第一臺計算機“埃尼阿克”誕生于美國賓夕法尼亞大學(xué)。十年之后的1956年，McCarthy，Minsky，Shannon和Rochester等在美國達特茅斯學(xué)院發(fā)起召開的夏季研討會上，創(chuàng)立了“人工智能”的概念，并將人工智能界定為“研究與設(shè)計智能體(Agent)”。智能體被定義為：“能夠感知環(huán)境，并采取行動使成功機會最大化的系統(tǒng)”。因此，理想的智能體應(yīng)該就是一臺能夠以類似人類智能行為的方式進行反應(yīng)、具有環(huán)境適應(yīng)性的自主機器，或稱之為智能機器人。根據(jù)這些設(shè)想，智能體或智能機器人一直沿著以下三個方向發(fā)展：一是感知智能，即對感知或直覺行為的模擬，如視聽覺、觸覺、嗅覺、運動覺等；二是認知智能，即對認知或人類深思熟慮行為的模擬，包括記憶、常識、經(jīng)驗、理解、推理、規(guī)劃、決策、知識學(xué)習(xí)、思維、意圖和意識等高級智能行為；三是對行動的模擬，如靈活移動與靈巧操作功能的實現(xiàn)等。我國科研人員對智能機器人定義是：一種具備一些與人類有著相似的感知能力、動作能力、協(xié)同能力和規(guī)劃能力的高度靈活的自動化機器系統(tǒng)，其主要特征為：能夠感知多種信息，并將多種感知的數(shù)據(jù)信息進行融合，快速適應(yīng)環(huán)境變化，具有自適應(yīng)自學(xué)習(xí)和自治能力[5]。6.1.2智能機器人的誕生與發(fā)展歷程“機器人”一詞最早出現(xiàn)于192