控制工程基礎-第6章智能制造與智能控制

第6章

智能制造與智能控制6.1對智能制造的認識6.2智能制造核心技術6.3成功“智造”的典型案例6.4智能控制的概念與發(fā)展6.5模糊控制6.6神經(jīng)網(wǎng)絡控制6.7專家控制6.8學習控制6.1對智能制造的認識1.智能制造的時代背景

20世紀80年代以來，產(chǎn)品性能的復雜化及功能的多樣化，使其包含的制造信息量猛增，導致了生產(chǎn)線與生產(chǎn)設備內(nèi)部信息流量的增長，制造業(yè)技術發(fā)展的熱點與前沿也因此日益轉向提高制造系統(tǒng)處理爆炸增長的制造信息的能力、效率及規(guī)模上。制造系統(tǒng)正由原先的能量驅動型轉變?yōu)樾畔Ⅱ寗有停@一轉變對其性能提出了全新的要求。2015年5月19日，國務院印發(fā)《中國制造2025》，部署全面實施制造強國戰(zhàn)略。提出要以智能制造作為主攻方向，強化工業(yè)基礎能力，提高綜合集成水平，促進產(chǎn)業(yè)轉型升級。2.智能制造的概念

智能制造（IntelligentManufacturing，IM）簡稱智造，源于人工智能的研究成果，是一種由智能機器和人類專家共同組成的人機一體化智能系統(tǒng)。該系統(tǒng)在制造過程中可以進行諸如分析、推理、判斷、構思和決策等智能活動，同時基于人與智能機器的合作，擴大、延伸并部分地取代人類專家在制造過程中的腦力勞動。智能制造更新了自動化制造的概念，使其向柔性化、智能化和高度集成化擴展。智能制造包括智能制造技術（IntelligentManufacturingTechnology，IMT）與智能制造系統(tǒng)（IntelligentManufacturingSystem，IMS）。（1）智能制造技術智能制造技術是指一種利用計算機模擬制造專家的分析、判斷、推理、構思和決策等智能活動，并將這些智能活動與智能機器有機融合，使其貫穿應用于制造企業(yè)的各個子系統(tǒng)（如經(jīng)營決策、采購、產(chǎn)品設計、生產(chǎn)計劃、制造、裝配、質量保證和市場銷售等）的先進制造技術。該技術能夠實現(xiàn)整個制造企業(yè)經(jīng)營運作的高度柔性化和集成化，取代或延伸制造環(huán)境中專家的部分腦力勞動，并對制造業(yè)專家的智能信息進行收集、存儲、完善、共享、繼承和發(fā)展，從而極大地提高生產(chǎn)效率。6.1對智能制造的認識（2）智能制造系統(tǒng)智能制造系統(tǒng)是一種由部分或全部具有一定自主性和合作性的智能制造單元組成的、在制造活動全過程中表現(xiàn)出相當智能行為的制造系統(tǒng)。其最主要的特征在于工作過程中對知識的獲取、表達與使用。根據(jù)其知識來源，智能制造系統(tǒng)可分為兩類：1）以專家系統(tǒng)為代表的非自主式制造系統(tǒng)。該類系統(tǒng)的知識由人類的制造知識總結歸納而來。2）建立在系統(tǒng)自學習、自進化與自組織基礎上的自主型制造系統(tǒng)。該類系統(tǒng)可以在工作過程中不斷自主學習、完善與進化自有的知識，因而具有強大的適應性以及高度開放的創(chuàng)新能力。隨著以神經(jīng)網(wǎng)絡、遺傳算法與遺傳編程為代表的計算機智能技術的發(fā)展，智能制造系統(tǒng)正逐步從非自主式智能制造系統(tǒng)向具有自學習、自進化與自組織的具有持續(xù)發(fā)展能力的自主式智能制造系統(tǒng)過渡發(fā)展。6.1對智能制造的認識

6.2智能制造核心技術眾所周知，要著力發(fā)展實體經(jīng)濟，打造制造強國、質量強國和數(shù)字中國，離不開技術創(chuàng)新力量的廣泛支撐與充分賦能，特別是要善用云計算、人工智能等新一代前沿技術。諸如具有適應性、資源效率及智慧工廠的工業(yè)4.0，就充分依托物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等技術，與傳統(tǒng)制造技術進行充分結合，實現(xiàn)信息化、自動化的生產(chǎn)制造，提升了制造業(yè)智能化水平。智能制造的核心技術主要包含智能硬件、工業(yè)識別、信息技術、虛擬制造技術。6.2.1

智能硬件智能制造是通過智能化的感知、人機交互等技術，實現(xiàn)制造裝備的智能化，是信息技術、智能技術與裝備制造技術的深度融合與集成。因此，智能制造的發(fā)展是和智能硬件密不可分的。傳統(tǒng)的制造裝備通過應用智能硬件技術而具有了信息采集、分析和執(zhí)行的能力，從而在智能制造的全生命周期中占據(jù)了重要的地位。如圖6.2.1所示，智能制造體系中的智能硬件可以分為三類，分別是高端制造裝備、關鍵基礎器件和智能產(chǎn)品，各自以工業(yè)機器人、智能傳感器和智能終端為代表。圖6.2.1智能硬件的分類1.工業(yè)機器人

工業(yè)機器人是面向工業(yè)領域的多關節(jié)機械手或多自由度的現(xiàn)代制造業(yè)智能化裝備，它集機械、電子、控制、計算機、傳感器和人工智能等多學科先進技術于一體，能自動執(zhí)行工作，靠自身動力和控制能力來實現(xiàn)各種功能。它既可以接受人類的指揮，也可以按照預先編排的程序運行。

6.2智能制造核心技術2.智能傳感器

智能傳感器是具有信息處理功能的傳感器，它帶有微處理器，具有采集、處理、交換信息的能力，是傳感器集成化與微處理器相結合的產(chǎn)物。智能制造把智能傳感器引入工業(yè)生產(chǎn)中，利用它獨有的數(shù)據(jù)采集能力優(yōu)勢打造高度自動化的生產(chǎn)模式。智能傳感器的基本結構圖如圖6.2.2所示圖6.2.2

智能傳感器基本結構

6.2智能制造核心技術3.智能終端

智能終端是一類智能化和網(wǎng)絡化的嵌入式計算機系統(tǒng)設備。它能夠感知環(huán)境信息，對采集的數(shù)據(jù)進行初步處理和加密，并通過網(wǎng)絡，將數(shù)據(jù)傳輸至服務器或數(shù)據(jù)平臺。不僅如此，為了向用戶提供最佳的使用體驗，智能終端還應當具有一定的判斷能力，為用戶選擇最佳的服務通道。每一個處理單元都可以看作一個單獨的計算機系統(tǒng)，運行著不同的程序。按照其在智能終端硬件中的作用，可分為主處理單元和從處理單元。每個從處理單元（如基帶處理單元、GPS單元和多媒體解碼單元等）通過一定的方式與主處理單元（在圖6.2.3中應用處理單元為主處理單元）通信，接受主處理單元的指令，進行相應的操作，并向主處理單元返回結果。

6.2智能制造核心技術圖6.2.3

智能終端系統(tǒng)組成6.2.2工業(yè)識別工業(yè)識別是實現(xiàn)智能制造技術的基礎。未來的智能工廠將實現(xiàn)高度互聯(lián)與集成，而編碼與識別技術是企業(yè)實現(xiàn)設備互聯(lián)、信息集成與共享的基礎。1.機器視覺技術

機器視覺系統(tǒng)是指用計算機實現(xiàn)人的視覺功能，也就是用計算機來實現(xiàn)對客觀的三維世界的識別。人類視覺系統(tǒng)的感受部分是視網(wǎng)膜，它是一個三維采樣系統(tǒng)，三維物體的可見部分投影到視網(wǎng)膜上，人們按照投影到視網(wǎng)膜上的二維的像來對該物體進行三維理解（對被觀察對象的形狀、尺寸、離開觀察點的距離、質地和運動特征等的理解）。機器視覺系統(tǒng)主要由三部分組成：圖像的獲取、圖像的處理和分析、圖像的輸出或顯示。圖像的獲取實際上是將被測物體的可視化圖像和內(nèi)在特征轉換成能被計算機處理的一系列數(shù)據(jù)，它主要由三部分組成：照明、圖像聚焦形成、圖像確定和形成攝像機輸出信號。2.工廠物聯(lián)網(wǎng)

工廠物聯(lián)網(wǎng)是物聯(lián)網(wǎng)技術在制造企業(yè)或智能工廠中的應用，它指通過傳感器技術、標識識別技術、圖像視頻技術、定位技術等感知技術，實時感知企業(yè)或工廠中需要監(jiān)控、連接和互動的裝備，并構建企業(yè)辦公室的信息化系統(tǒng)，打通辦公信息化系統(tǒng)與生產(chǎn)現(xiàn)場設備的直接聯(lián)系。工廠物聯(lián)網(wǎng)從下至上由三個層次構成，包括感知控制層、網(wǎng)絡層和應用層。生產(chǎn)指標由企業(yè)信息化系統(tǒng)通過網(wǎng)絡層自動下達至機器的執(zhí)行系統(tǒng)；生產(chǎn)結果由感知控制層自動采集并通過網(wǎng)絡層上傳至應用層（一般是企業(yè)信息化系統(tǒng)），并在生產(chǎn)現(xiàn)場實現(xiàn)智能化的自動監(jiān)控和報警；還可在云制造平臺上對大數(shù)據(jù)進行分析挖掘，提高生產(chǎn)制造的智能化水平。6.2.2工業(yè)識別6.2.3信息技術信息技術是用于管理和處理信息的各種技術的總稱，它運用計算機科學和通信技術，設計、開發(fā)、安裝和實施信息系統(tǒng)及應用軟件。隨著信息化在全球的快速發(fā)展，信息技術已成為支撐當前經(jīng)濟活動和社會生活的基石。信息技術代表著先進生產(chǎn)力的發(fā)展方向，其廣泛應用讓信息作為重要生產(chǎn)要素的作用得以發(fā)揮，使人們能更高效地進行資源優(yōu)化配置，從而推動傳統(tǒng)產(chǎn)業(yè)不斷升級，提高社會勞動生產(chǎn)率和社會運行效率。1.工業(yè)大數(shù)據(jù)

近年來，隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等信息技術與通信技術的迅猛發(fā)展，數(shù)據(jù)量的暴漲成了許多行業(yè)共同面對的嚴峻挑戰(zhàn)和寶貴機遇。隨著制造技術的進步和現(xiàn)代化管理理念的普及，制造業(yè)企業(yè)的運營越來越依賴信息技術。如今，制造業(yè)整個價值鏈以及制造業(yè)產(chǎn)品的整個生命周期都涉及諸多的數(shù)據(jù)。2.云計算技術

“云”實質上就是一個網(wǎng)絡，狹義上講，云計算就是一種提供資源的網(wǎng)絡，使用者可以隨時獲取“云”上的資源，按需求量使用，并且可以看成是無限擴展的，只要按使用量付費就可以，“云”就像自來水廠一樣，我們可以隨時接水，并且不限量，按照自己家的用水量，付費給自來水廠就可以。

從廣義上說，云計算是與信息技術、軟件、互聯(lián)網(wǎng)相關的一種服務，這種計算資源共享池叫做“云”，云計算把許多計算資源集合起來，通過軟件實現(xiàn)自動化管理，只需要很少的人參與，就能讓資源被快速提供。也就是說，計算能力作為一種商品，可以在互聯(lián)網(wǎng)上流通，就像水、電、煤氣一樣，可以方便地取用，且價格較為低廉?？傊?，云計算不是一種全新的網(wǎng)絡技術，而是一種全新的網(wǎng)絡應用概念，云計算的核心概念就是以互聯(lián)網(wǎng)為中心，在網(wǎng)站上提供快速且安全的云計算服務與數(shù)據(jù)存儲，讓每一個使用互聯(lián)網(wǎng)的人都可以使用網(wǎng)絡上的龐大計算資源與數(shù)據(jù)中心。6.2.3信息技術3.虛擬制造技術

虛擬制造是指以信息技術為基礎，以計算機仿真和建模技術為支持，對生產(chǎn)制造過程進行系統(tǒng)化組織與分析，并對整個制造過程建模，在計算機上進行設計評估和制造活動仿真的技術。虛擬制造技術強調(diào)用虛擬模型描述制造全過程，在實際物理制造之前就具有了對產(chǎn)品性能及其可制造性的預測能力。虛擬制造集成了三維模型與虛擬仿真的制造活動，從而代替現(xiàn)實世界中的物體與操作，是一種知識與計算機輔助系統(tǒng)技術，是虛擬現(xiàn)實技術在生產(chǎn)制造過程中的一種應用。用戶可以通過虛擬現(xiàn)實技術進入一個三維的虛擬世界，在這個世界中不僅能夠感知三維可視化環(huán)境，還能夠對物體進行交互操作，從而可以綜合質量與數(shù)量兩個層面的因素，提高解決策略的可行性。4.制造信息系統(tǒng)

制造信息系統(tǒng)是整個智能制造環(huán)節(jié)的管理中樞，是貫穿車間、連接部門、跨越企業(yè)的以制造為核心的集成系統(tǒng)。制造信息系統(tǒng)可以根據(jù)生產(chǎn)環(huán)節(jié)產(chǎn)生的大量實時數(shù)據(jù)，進行信息匯總和分析管理。不僅如此，通過工業(yè)互聯(lián)網(wǎng)，制造信息系統(tǒng)還能與制造企業(yè)的人事、財務、生產(chǎn)環(huán)節(jié)管理、運營管理等系統(tǒng)互通和集成，實現(xiàn)內(nèi)部信息共享，提高企業(yè)執(zhí)行力和市場反應力。6.2.3信息技術6.3成功“智造”的典型案例技術進步促進了生產(chǎn)過程的互連互通，隱藏在各類消費場景中的需求也在被不斷探索，很多企業(yè)開始向服務化邁進，希望盡快完成轉型升級，實現(xiàn)成功智造。在這一方面，海爾、菜鳥網(wǎng)絡、西門子都做得非常出色。圖6.3.1海爾互聯(lián)工廠并聯(lián)流程1.海爾互連工廠：顛覆傳統(tǒng)，引領中國智造在智能制造方面，海爾一直是引領者，始終處于制造業(yè)的龍頭位置，其旗下的互連工廠是極具代表的智能工廠?；ヂ?lián)工廠是海爾順應全球新工業(yè)革命以及互聯(lián)網(wǎng)時代的潮流，對大規(guī)模生產(chǎn)轉型大規(guī)模定制的創(chuàng)新性性探索，是海爾互聯(lián)網(wǎng)轉型的重要組成部分。與傳統(tǒng)工廠不同，互聯(lián)工廠實現(xiàn)了與用戶相連，目標是從“產(chǎn)銷分離”到“產(chǎn)消合一”，滿足用戶無縫化、透明化、可視化的最佳體驗。海爾互聯(lián)工廠探索始自2012年，目前已初步建立起互聯(lián)工廠體系，打造出七個互聯(lián)工廠的引領樣板，可實時、同步響應全球用戶需求，并快速交付智慧化、個性化的方案。海爾互聯(lián)工廠有效承接了“中國制造2025”國家戰(zhàn)略的落地。2015年6月，海爾互聯(lián)工廠項目首批入選2015年智能制造標準專項項目；7月，海爾互聯(lián)工廠被確定為中國工業(yè)和信息化部2015年智能制造試點綜合示范項目，是白色家電領域唯一一個綜合示范項目。2.菜鳥網(wǎng)絡機器人倉庫：智能揀貨，提升運營效率由菜鳥網(wǎng)絡打造的中國最大的機器人倉庫，日前已經(jīng)在廣東惠陽投入使用。與以往一些智慧倉庫只有幾十臺搬貨機器人不同的是，這一倉庫內(nèi)有上百臺機器人，它們既協(xié)同合作又要獨立運行，代表著中國機器人倉庫的最高水平。當消費者下單之后，倉庫內(nèi)的機器人會接到指令。然后它們自動前往相應的貨架，并將貨架拉到揀貨員面前，由揀貨員將消費者購買的物品放置在購物箱內(nèi)，隨后進行打包配送。每一臺機器人能頂起的重量可達到500斤，同時還能靈活旋轉，將貨架的四面均調(diào)配到揀貨員的跟前，方便揀貨員工作，“等于一個貨架，四個面都能存儲商品，倉庫儲量被提升了一倍還多?！碑敊C器人缺乏電力時也會自動歸巢充電。圖6.3.2機器人倉庫圖6.3.3機器人分揀3.西門子安貝格工廠：提高效率+縮短周期+增加靈活性德國西門子公司不僅是領先全球的先進工業(yè)自動化及軟件供應商，更是德國“工業(yè)4.0”戰(zhàn)略的推動者和踐行者。西門子率先將“工業(yè)4.0”概念引入工業(yè)軟件開發(fā)和生產(chǎn)控制系統(tǒng)，其旗下的安貝格電子制造工廠，是歐洲乃至全世界最先進的數(shù)字化工廠，被認為是最接近“工業(yè)4.0”概念雛形的工廠。6.4智能控制的概念與發(fā)展智能控制是控制理論發(fā)展的高級階段，它主要用來解決那些用傳統(tǒng)控制方法難以解決的復雜系統(tǒng)的控制問題。智能控制研究對象具備以下一些特點：（1）

不確定性的模型。智能控制適合于不確定性對象的控制，其不確定性包括兩層意思：一是模型未知或知之甚少；二是模型的結構和參數(shù)可能在很大范圍內(nèi)變化。（2）

高度的非線性。采用智能控制方法可以較好地解決非線性系統(tǒng)的控制問題。（3）

復雜的任務要求。智能控制是一門交叉學科，著名美籍華人傅京孫教授于1971年首先提出智能控制是人工智能與自動控制的交叉，即二元論。美國學者G.

N.

Saridis于1977年在二元論基礎上引入運籌學，提出了三元論的智能控制概念，即式中，IC——智能控制（Intelligent

Control）；AI——人工智能（Artificial

Intelligence）；AC——自動控制（Automatic

Control）；OR——運籌學（Operational

Research）?；谌摰闹悄芸刂迫鐖D6.4.1所示。圖6.4.1基于三元論的智能控制6.5模糊控制在工程實踐中，人們發(fā)現(xiàn)，一個復雜的控制系統(tǒng)可由一個操作人員憑著豐富的實踐經(jīng)驗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計控制器，可實現(xiàn)復雜系統(tǒng)的控制，由此產(chǎn)生了模糊控制。1965年美國加州大學自動控制系L.A.Zedeh提出模糊集合理論，奠定了模糊控制的基礎；1974年倫敦大學的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，從而開創(chuàng)了模糊控制的歷史。模糊控制的發(fā)展可分為3個階段：（1）

1965-1974年，為模糊控制發(fā)展的第一階段，即模糊數(shù)學發(fā)展和形成階段；（2）

1974-1979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

至現(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。圖6.5.1模糊控制原理框圖6.5.1

模糊控制原理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專家經(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加到執(zhí)行器上。圖6.5.2模糊控制器的組成框圖模糊控制的基本原理框圖如圖6.5.1所示。它的核心部分為模糊控制器，如圖中虛線框中部分所示，模糊控制器的控制律由計算機的程序實現(xiàn)。6.5.2

模糊控制器模糊控制器的組成框圖如圖6.5.2所示。1.

模糊化接口模糊控制器的輸入必須通過模糊化才能用于控制輸出的求解，因此它實際上是模糊控制器的輸入接口。它的主要作用是將真實的確定量輸入轉換為一個模糊向量。對于一個模糊輸入變量e，其模糊子集通常可以按如下方式劃分：（1）e={負大，負小，零，正小，正大}={NB，NS，ZO，PS，PB}（2）e={負大，負中，負小，零，正小，正中，正大}={NB，NM，NS，ZO，PS，PM，PB

}（3）e={負大，負中，負小，零負，零正，正小，正中，正大}={NB，NM，NS，NZ，PZ，PS，PM，PB

}將方式（3）用三角形隸屬度函數(shù)表示，如圖6.5.3所示。圖6.5.3模糊子集和模糊化等級6.5模糊控制2．知識庫

知識庫由數(shù)據(jù)庫和規(guī)則庫兩部分構成。（1）數(shù)據(jù)庫。數(shù)據(jù)庫所存放的是所有輸入、輸出變量的全部模糊子集的隸屬度矢量值（即經(jīng)過論域等級離散化以后對應值的集合），若論域為連續(xù)域則為隸屬度函數(shù)。在規(guī)則推理的模糊關系方程求解過程中，向推理機提供數(shù)據(jù)。（2）規(guī)則庫。模糊控制器的規(guī)則是基于專家知識或手動操作人員長期積累的經(jīng)驗，它是按人的直覺推理的一種語言表示形式。模糊規(guī)則通常由一系列的關系詞連接而成，如if-then、else、also、end、or等，關系詞必須經(jīng)過“翻譯”才能將模糊規(guī)則數(shù)值化。最常用的關系詞為if-then、also，對于多變量模糊控制系統(tǒng)，還有and等。3.推理與解模糊接口

推理是模糊控制器中，根據(jù)輸入模糊量，由模糊控制規(guī)則完成模糊推理來求解模糊關系方程，并獲得模糊控制量的功能部分。在模糊控制中，考慮到推理時間，通常采用運算較簡單的推理方法。最基本的有Zadeh近似推理，它包含有正向推理和逆向推理兩類。正向推理常被用于模糊控制中，而逆向推理一般用于知識工程學領域的專家系統(tǒng)中。推理結果的獲得，表示模糊控制的規(guī)則推理功能已經(jīng)完成。但是，至此所獲得的結果仍是一個模糊矢量，不能直接用來作為控制量，還必須做一次轉換，求得清晰的控制量輸出，即為解模糊。通常把輸出端具有轉換功能作用的部分稱為解模糊接口。6.5模糊控制6.6神經(jīng)網(wǎng)絡控制神經(jīng)網(wǎng)絡的研究已經(jīng)有幾十年的歷史了。將神經(jīng)網(wǎng)絡引入控制領域就形成了神經(jīng)網(wǎng)絡控制。神經(jīng)網(wǎng)絡控制是從機理上對人腦生理系統(tǒng)進行簡單結構模擬的一種新興智能控制方法。神經(jīng)網(wǎng)絡具有并行機制、模式識別、記憶和自學習能力的特點，它能充分逼近任意復雜的非線性系統(tǒng)，能夠學習與適應不確定系統(tǒng)的動態(tài)特性，有很強的魯棒性和容錯性。神經(jīng)網(wǎng)絡控制在控制領域有著廣泛的應用。圖6.6.1單個神經(jīng)元的解剖圖6.6.1神經(jīng)網(wǎng)絡原理神經(jīng)生理學和神經(jīng)解剖學的研究表明，人腦極其復雜，由一千多億個神經(jīng)元交織在一起的網(wǎng)狀結構構成，其中大腦皮層約140億個神經(jīng)元，小腦皮層約1000億個神經(jīng)元。人腦能完成智能和思維等高級活動，為了能利用數(shù)學模型來模擬人腦的活動，引出了神經(jīng)網(wǎng)絡的研究。單個神經(jīng)元的解剖圖如圖6.6.1所示，神經(jīng)系統(tǒng)的基本構造是神經(jīng)元（神經(jīng)細胞），它是處理人體內(nèi)各部分之間相互信息傳遞的基本單元。6.6.2神經(jīng)網(wǎng)絡的分類前向網(wǎng)絡

如圖6.6.2所示，神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每一層的神經(jīng)元只接收前一層神經(jīng)元的輸入。輸入模式經(jīng)過各層的順次變換后，由輸出層輸出。在各神經(jīng)元之間不存在反饋。感知器和誤差反向傳播網(wǎng)絡采用前向網(wǎng)絡形式。網(wǎng)絡結構簡單，易于實現(xiàn)。BP網(wǎng)絡是一種典型的前向網(wǎng)絡。2.反饋網(wǎng)絡網(wǎng)絡結構如圖6.6.3所示，該網(wǎng)絡結構在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接收來自外部的輸入和來自輸出神經(jīng)元的反饋。這種神經(jīng)網(wǎng)絡是一種反饋動力學系統(tǒng)，它需要工作一段時間才能達到穩(wěn)定。Hopfield神經(jīng)網(wǎng)絡是反饋網(wǎng)絡中最簡單且應用最廣泛的模型，它具有聯(lián)想記憶的功能，如果將Lyapunov函數(shù)定義為尋優(yōu)函數(shù)，Hopfield神經(jīng)網(wǎng)絡還可以解決尋優(yōu)問題。圖6.6.4自組織神經(jīng)網(wǎng)絡圖6.6.2前饋型神經(jīng)網(wǎng)絡3.自組織網(wǎng)絡網(wǎng)絡結構如圖6.6.4所示。Kohonen網(wǎng)絡是最典型的自組織網(wǎng)絡。Kohonen認為，當神經(jīng)網(wǎng)絡在接受外界輸入時，網(wǎng)絡將會分成不同的區(qū)域，不同區(qū)域具有不同的響應特征，即不同的神經(jīng)元以最佳方式響應不同性質的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。圖6.6.3反饋型神經(jīng)網(wǎng)絡6.6.3

神經(jīng)網(wǎng)絡學習算法神經(jīng)網(wǎng)絡學習算法是神經(jīng)網(wǎng)絡智能特性的重要標志，神經(jīng)網(wǎng)絡通過學習算法，實現(xiàn)了自適應、自組織和自學習的能力。目前神經(jīng)網(wǎng)絡的學習算法有多種，按有無導師分類，可分為有教師學習（Supervised

Learning）、無教師學習（Unsupervised

Learning）和再勵學習（Reinforcement

Learning）等。在有教師的學習方式中，網(wǎng)絡的輸出和期望的輸出（即教師信號）進行比較，然后根據(jù)兩者之間的差異調(diào)整網(wǎng)絡的權值，最終使差異變小，如圖6.6.5

所示。在無教師的學習方式中，輸入模式進入網(wǎng)絡后，網(wǎng)絡按照一預先設定的規(guī)則（如競爭規(guī)則）自動調(diào)整權值，使網(wǎng)絡最終具有模式分類等功能，如圖6.6.6

所示。再勵學習是介于上述兩者之間的一種學習方式。圖6.6.5有導師指導的神經(jīng)網(wǎng)絡學習圖6.6.6

無導師指導的神經(jīng)網(wǎng)絡學習6.7專家控制6.7.1專家控制的概述與結構瑞典學者K.J.Astrom于1983年首先把人工智能中的專家系統(tǒng)引入智能控制領域，于1986年提出“專家控制”的概念，構成一種智能控制方法。專家控制是智能控制的一個重要分支，又稱專家智能控制。所謂專家控制，是將專家系統(tǒng)的理論和技術同控制理論、方法與技術相結合，在未知環(huán)境下，仿效專家的經(jīng)驗，實現(xiàn)對系統(tǒng)的控制。專家控制試圖在傳統(tǒng)控制的基礎上“加入”一個富有經(jīng)驗的控制工程師，實現(xiàn)控制的功能，它由知識庫和推理機構構成主體框架，通過對控制領域知識（先驗經(jīng)驗、動態(tài)信息、目標等）的獲取與組織，按某種策略及時地選用恰當?shù)囊?guī)則進行推理輸出，實現(xiàn)對實際對象的控制。專家控制的結構如圖6.7.1所示：圖6.7.1專家控制結構圖6.7.2專家控制的功能與分類1．功能

（1）能夠滿足任意動態(tài)過程的控制需要，尤其適用于帶有時變、非線性和強干擾的控制；（2）控制過程可以利用對象的先驗知識；（3）通過修改、增加控制規(guī)則，可不斷積累知識，改進控制性能；（4）可以定性地描述控制系統(tǒng)的性能，如“超調(diào)小”、“偏差增大”等；（5）對控制性能可進行解釋；（6）可通過對控制閉環(huán)中的單元進行故障檢測來獲取經(jīng)驗規(guī)則。2.分類

按專家控制在控制系統(tǒng)中的作用和功能，可將專家控制器分為以下兩種類型：圖6.7.2直接型專家控制器（1）直接型專家控制器

直接專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程或被控對象。具有模擬（或延伸，擴展）操作工人智能的功能。該控制器的任務和功能相對比較簡單，但是需要在線、實時控制。因此，其知識表達和知識庫也較簡單，通常由幾十條產(chǎn)生式規(guī)則構成，以便于增刪和修改。直接型專家控制器如圖6.7.2所示。（2）間接型專家控制器間接型專家控制器用于和常規(guī)控制器相結合，組成對生產(chǎn)過程或被控對象進行間接控制的智能控制系統(tǒng)。具有模擬（或延伸，擴展）控制工程師智能的功能。該控制器能夠實現(xiàn)優(yōu)化適應、協(xié)調(diào)、組織等高層決策的智能控制。按照高層決策功能的性質，間接型專家控制器可分為以下幾種類型：1）優(yōu)化型專家控制器：是基于最優(yōu)控制專家的知識和經(jīng)驗的總結和運用。通過設置整定值、優(yōu)化控制參數(shù)或控制器，實現(xiàn)控制器的靜態(tài)或動態(tài)優(yōu)化。2）適應型專家控制器：是基于自適應控制專家的知識和經(jīng)驗的總結和運用。根據(jù)現(xiàn)場運行狀態(tài)和測試數(shù)據(jù)，相應地調(diào)整控制規(guī)律，校正控制參數(shù)，修改整定值或控制器，適應生產(chǎn)過程、對象特性或環(huán)境條件的漂移和變化。3）協(xié)調(diào)型專家控制器：是基于協(xié)調(diào)控制專家和調(diào)度工程師的知識和經(jīng)驗的總結和運用。用以協(xié)調(diào)局部控制器或各子控制系統(tǒng)的運行，實現(xiàn)大系統(tǒng)的全局穩(wěn)定和優(yōu)化。4）組織型專家控制器：是基于控制工程的組織管理專家或總設計師的知識和經(jīng)驗的總結和運用。用以組織各種常規(guī)控制器，根據(jù)控制任務的目標和要求，構成所需要的控制系統(tǒng)。間接型專家控制器可以在線或離線運行。通常，優(yōu)化型、適應型需要在線、實時、聯(lián)機運行。協(xié)調(diào)型、組織型可以離線、非實時運行，作為相應的計算機輔助系統(tǒng)。間接型專家控制器的示意圖如圖6.7.3所示。圖6.7.3間接型專家控制器6.8學習控制學習是人類獲取知識的主要形式，是人類具有智能的顯著標志，是人類提高智能水平的基本途徑。因此.學習也是智能控制的重要屬性。這里主要指自學習，即自動獲取知識、積累經(jīng)驗、不斷更新和擴充知識，改善知識性能。學習控制是智能控制的一個重要的研究分支。K.S.Fu把學習控制與智能控制相提并論，從發(fā)展學習控制的角度首先提出智能控制的概念（K.S.Fu，1971）。他推崇在控制問題中引入擬人的自學習功能，研究各種機器系統(tǒng)可以實現(xiàn)的學習機制。6.8.1學習控制問題的提出智能控制的任務也可以這樣來表達：要使閉環(huán)控制系統(tǒng)在相當廣泛的運行條件范圍內(nèi)，在相當廣泛的運行事件范圍內(nèi)，保持系統(tǒng)的完善功能和期望性能，而實現(xiàn)這任務的困難是，受控對象和系統(tǒng)的性能目標具有一定的復雜性和不確定性。6.8.2學習

控制的表述學習這一概念在日常生活中使用極其廣泛，非常通俗，目前沒有公認的統(tǒng)一定義。人們從不同的學科角度、不同的理解層次來表述學習、學習控制和學習控制系統(tǒng)。Wiener從物種隨時間變異的現(xiàn)象給出了學習的最一般的定義（Wiener，1965）：其有生存能力的動物，是那些在它的個體的一生中，能被它所經(jīng)歷的環(huán)境所改造的動物：一個能繁殖的動物，至少能夠產(chǎn)生與它自己大略相似的動物，雖然這種動物不會完全相似到隨時間的推移前不再發(fā)生變化的程度；如果這種變化是自我可遺傳的，則就有了一種能受自然選擇的原料；如果這種變化以某種行為形式顯現(xiàn)出來，則只要該行為不是有害的，則這種變化就會一代接一代地繼續(xù)下去。這種從一代到下一代的變化形式就稱為種族學習或系統(tǒng)發(fā)育學習，而特定個體中發(fā)生的行為變化或行為學習，則稱為個體發(fā)育學習。6.8.3學習控制的研究狀況和分類工程上對于學習的研究起源于人工智能中對學習機制的模擬。一條途徑是基干人腦結構模型來模擬人的形象思維。40年代初，McCulloch和Pitts就提出了一種最基本的神經(jīng)元突觸模型。50多年來，已有數(shù)百種神經(jīng)模型和神經(jīng)網(wǎng)絡模型被發(fā)表。這些學習模型具有聯(lián)想和分布記憶的特征，與非線性動力學關系密切，導致了非線性問題的學習控制的發(fā)展。另一條途徑是基于人腦的外部功能來模擬人的邏輯思維。50年代末Samue