智能控制理論及應(yīng)用

智能控制理論及應(yīng)用參考書目：（1）周德儉，吳斌.智能控制.重慶：重慶大學(xué)出版社，2005（2）李少遠(yuǎn)，王景成.智能控制.北京：機(jī)械工業(yè)出版社，2005（3）李人厚.智能控制理論和方法.西安：西安電子科技大學(xué)出版社，1999（4）王萬(wàn)森.人工智能原理及其應(yīng)用.北京：電子工業(yè)出版社，2000（5）蔡自興.人工智能控制.北京：化學(xué)工業(yè)出版社，2005（7）沈清，胡德文，時(shí)春.神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù).長(zhǎng)沙：國(guó)防科技大學(xué)出版社，1993（8）方崇智，蕭德云.過程辨識(shí).北京：清華大學(xué)出版社，1988（9）舒迪前.預(yù)測(cè)控制系統(tǒng)及其應(yīng)用.北京：機(jī)械工業(yè)出版社，1996（6）竇振中.模糊邏輯控制技術(shù)及其應(yīng)用.北京：北京航空航天大學(xué)出版社，1995第1章概論課程內(nèi)容：第2章分級(jí)遞階智能控制第3章基于模糊推理的智能控制系統(tǒng)第4章基于神經(jīng)網(wǎng)絡(luò)的智能控制技術(shù)第5章模糊神經(jīng)網(wǎng)絡(luò)第6章遺傳算法及其應(yīng)用第7章基于規(guī)則的仿人智能控制第1章概論1.1智能控制的基本概念1.1.1智能控制的結(jié)構(gòu)理論

智能控制（IC：IntelligentControl）是一門新興的交叉學(xué)科，具有非常廣泛的應(yīng)用領(lǐng)域。智能控制這一術(shù)語(yǔ)于1967年由Leondes和Mendel首先使用，1971年著名美籍華人科學(xué)家傅京孫（K.S.Fu）教授從發(fā)展學(xué)習(xí)控制的角度首次正式提出智能控制概念與建立智能控制學(xué)科的構(gòu)思。

傅京孫把智能控制概括為自動(dòng)控制（AC：AutomaticControl）和人工智能（AI：ArtificialIntelligence）的交集，即

這種交叉關(guān)系可用圖1.1形象地表示，它主要強(qiáng)調(diào)人工智能中“智能”的概念與自動(dòng)控制的結(jié)合。自動(dòng)控制AC人工智能AI智能控制IC圖1.1智能控制的二元結(jié)構(gòu)

薩里迪斯（Saridis）等從機(jī)器智能的角度出發(fā)，對(duì)傅京孫的二元交集結(jié)構(gòu)理論進(jìn)行了擴(kuò)展，引入了運(yùn)籌學(xué)（OR：OperationsResearch）并提出了三元交集結(jié)構(gòu)，即自動(dòng)控制AC人工智能AI智能控制IC圖1.2智能控制的三元結(jié)構(gòu)運(yùn)籌學(xué)OR

三元交集除“智能”與控制之外，還強(qiáng)調(diào)了在更高層次控制中調(diào)度、規(guī)劃、管理和優(yōu)化的作用。

我國(guó)學(xué)者蔡自興教授于1989年提出把信息論（IT：InformationTheory）包括進(jìn)智能控制結(jié)構(gòu)理論的四元論結(jié)構(gòu)（如圖1.3所示），即自動(dòng)控制AC人工智能AIIC圖1.3智能控制的四元論結(jié)構(gòu)運(yùn)籌學(xué)OR信息論IT

以上關(guān)于智能控制結(jié)構(gòu)理論的不同見解中，存在著以下幾點(diǎn)共識(shí)：

（1）智能控制是由多種學(xué)科相互交叉而形成的一門新興學(xué)科；

（2）智能控制是自動(dòng)控制發(fā)展到新階段的產(chǎn)物，它以人工智能和自動(dòng)控制的相互結(jié)合為主要標(biāo)志；

（3）智能控制在發(fā)展過程中不斷地吸收著控制論、信息論、系統(tǒng)論、運(yùn)籌學(xué)、計(jì)算機(jī)科學(xué)、模糊數(shù)學(xué)、心理學(xué)、生理學(xué)、仿生學(xué)等學(xué)科的思想、方法以及新的研究成果，目前仍在發(fā)展和完善之中。1.1.2智能控制的定義

由于智能控制是一門新興學(xué)科且正處于發(fā)展階段，所以至今尚無(wú)統(tǒng)一的定義，故有多種描述形式。

從三元交集論的角度定義智能控制：它是一種應(yīng)用人工智能的理論和技術(shù)以及運(yùn)籌學(xué)的優(yōu)化方法，并和控制理論中的方法與技術(shù)相結(jié)合，在不確定的環(huán)境中，仿效人的智能（學(xué)習(xí)、推理等），實(shí)現(xiàn)對(duì)系統(tǒng)控制的理論與方法。

從系統(tǒng)一般行為特性出發(fā)，J.S.Albus認(rèn)為：智能控制是有知識(shí)的“行為舵手”，它把知識(shí)和反饋結(jié)合起來(lái)，形成感知–交互式、以目標(biāo)為導(dǎo)向的控制系統(tǒng)。該系統(tǒng)可以進(jìn)行規(guī)劃，產(chǎn)生有效的、有目的的行為，并能在不確定的環(huán)境中，達(dá)到預(yù)期的目標(biāo)。

從認(rèn)知過程出發(fā)：智能控制是一種推理計(jì)算，它能在非完整的性能指標(biāo)下，通過一些基本的操作，如歸納(Generalization)和組合搜索(CombinatorialSearch)等，把表達(dá)不完善、不確定的復(fù)雜系統(tǒng)引向規(guī)定的目標(biāo)。

K.J.Astrom認(rèn)為：把人類具有的直覺推理和試湊法等智能加以形式化或用機(jī)器模擬，并用于控制系統(tǒng)的分析與設(shè)計(jì)中，以期在一定程度上實(shí)現(xiàn)控制系統(tǒng)的智能化，這就是智能控制。

從控制論的角度出發(fā)：智能控制是驅(qū)動(dòng)智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。或者說，智能控制是一類無(wú)需人的干預(yù)就能獨(dú)立地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動(dòng)控制方法。

以上各種描述說明：智能控制具有認(rèn)知和仿人的功能；能適應(yīng)不確定性的環(huán)境；能自主處理信息以減少不確定性；能可靠地進(jìn)行規(guī)劃，產(chǎn)生和執(zhí)行有目的的行為，以獲取最優(yōu)的控制效果。1.2智能控制的發(fā)展概況

人們將智能控制的產(chǎn)生歸結(jié)為二大主因，一是自動(dòng)控制理論發(fā)展之必然；二是人工智能的發(fā)展為其提供了機(jī)遇。1.2.1智能控制的產(chǎn)生20世紀(jì)40~50年代經(jīng)典控制理論單輸入、單輸出系統(tǒng)傳遞函數(shù)、頻域法反饋控制模擬調(diào)節(jié)器單機(jī)自動(dòng)化20世紀(jì)60~70年代現(xiàn)代控制理論多輸入、多輸出系統(tǒng)狀態(tài)方程、時(shí)域法最優(yōu)、隨機(jī)、自適應(yīng)控制電子計(jì)算機(jī)機(jī)組自動(dòng)化表1.1自動(dòng)控制理論發(fā)展階段特征階段時(shí)期理論基礎(chǔ)研究對(duì)象分析方法研究重點(diǎn)核心裝置應(yīng)用第一階段第二階段第三階段20世紀(jì)80年代至今智能控制理論多層次、多變量系統(tǒng)智能算子、多級(jí)控制大系統(tǒng)、智能控制智能機(jī)器系統(tǒng)綜合自動(dòng)化開環(huán)控制確定性反饋控制最優(yōu)控制隨機(jī)控制自適應(yīng)/魯棒控制自學(xué)習(xí)控制智能控制控制復(fù)雜性進(jìn)展方向圖1.4自動(dòng)控制的發(fā)展過程

人工智能產(chǎn)生于20世紀(jì)50年代，它是控制論、信息論、系統(tǒng)論、計(jì)算機(jī)科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)以及哲學(xué)等多種學(xué)科相互滲透的結(jié)果，也是電子計(jì)算機(jī)出現(xiàn)并廣泛應(yīng)用的結(jié)果。

早在1965年，傅京孫首先提出把基于符號(hào)操作和邏輯推理的啟發(fā)式規(guī)則用于學(xué)習(xí)控制系統(tǒng)，Mendel教授進(jìn)一步在空間飛行器的學(xué)習(xí)控制中應(yīng)用了人工智能技術(shù)。這是人工智能的符號(hào)主義（邏輯主義）學(xué)派的觀點(diǎn)首次與控制理論相結(jié)合，從而實(shí)現(xiàn)智能控制的大膽嘗試。

隨后智能控制的提出和發(fā)展歷程，一直伴隨著人工智能的發(fā)展而發(fā)展，人工智能作為智能控制的基礎(chǔ)和重要組成部分，它的每一個(gè)研究成果都對(duì)智能控制的發(fā)展起到了積極的推動(dòng)作用。1.2.2智能控制的發(fā)展1971年傅京孫提出智能控制概念，并在文章“學(xué)習(xí)控制系統(tǒng)和智能控制系統(tǒng)：人工智能與自動(dòng)控制的交叉”中歸納了3種類型的智能控制系統(tǒng)：

（1）人作為控制器的控制系統(tǒng)；

（2）人–機(jī)結(jié)合作為控制器的控制系統(tǒng)；

（3）無(wú)人參與的智能控制系統(tǒng)。

薩里迪斯對(duì)智能控制的發(fā)展做出了重要貢獻(xiàn)，在1977年出版了“隨機(jī)系統(tǒng)的自組織控制”一書，并于1979年發(fā)表了綜述文章“面向智能控制的實(shí)現(xiàn)”。他從控制理論發(fā)展的觀點(diǎn)，論述了從通常的反饋控制到最優(yōu)控制、隨機(jī)控制，再到自適應(yīng)控制、自學(xué)習(xí)控制、自組織控制，并最終向智能控制這個(gè)更高階段發(fā)展的過程。他首次提出分級(jí)遞階的智能控制結(jié)構(gòu)，并在分級(jí)遞階智能控制的理論和實(shí)踐方面做了大量的工作。

奧斯特洛姆（K.J.Astrom）對(duì)智能控制的發(fā)展也做出了重要的貢獻(xiàn)。他在1986年發(fā)表的著名文章“專家控制”中，提出了引入人工智能中專家系統(tǒng)技術(shù)的一類智能控制系統(tǒng)。它借助于專家系統(tǒng)技術(shù)，將常規(guī)PID控制、最小方差控制、自適應(yīng)控制等不同方法有機(jī)地結(jié)合在一起，根據(jù)不同情況分別采取不同的控制策略，同時(shí)該系統(tǒng)還具有許多邏輯控制功能，如：起停控制、自動(dòng)切換控制、越限報(bào)警以及故障診斷等。1985年8月，IEEE在美國(guó)紐約召開了第一屆智能控制學(xué)術(shù)研討會(huì)，會(huì)上集中討論了智能控制的原理和系統(tǒng)結(jié)構(gòu)等問題。這次會(huì)議之后不久，IEEE控制系統(tǒng)學(xué)會(huì)成立了智能控制專業(yè)委員會(huì)。1987年1月，IEEE控制系統(tǒng)學(xué)會(huì)和計(jì)算機(jī)學(xué)會(huì)在美國(guó)費(fèi)城聯(lián)合召開了智能控制的第一次國(guó)際會(huì)議，來(lái)自美、歐、日、中以及其他國(guó)家的150余位代表出席了這次學(xué)術(shù)盛會(huì)。

這次會(huì)議是一個(gè)里程碑，它表明智能控制作為一門獨(dú)立學(xué)科，正式得到國(guó)際學(xué)術(shù)界的廣泛關(guān)注和認(rèn)可。1.模糊控制的發(fā)展歷程1965年美國(guó)加州大學(xué)自動(dòng)控制系統(tǒng)專家扎德（L.A.Zadah）在《信息與控制》雜志上先后發(fā)表了“模糊集”（FuzzySets）和“模糊集與系統(tǒng)”（FuzzySets&System）等研究成果，奠定了模糊集理論和應(yīng)用研究的基礎(chǔ)；1968年扎德首次公開發(fā)表其“模糊控制算法”；1973年他又發(fā)表了語(yǔ)言與模糊邏輯相結(jié)合的系統(tǒng)建立方法；1974年倫敦大學(xué)Mamdani博士首次嘗試?yán)媚：壿嫞晒Φ亻_發(fā)了世界上第一臺(tái)模糊控制的蒸汽引擎；1979年T.J.Procky和E.H.Mamdani共同提出了自學(xué)習(xí)概念，使系統(tǒng)性能大為改善；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)商業(yè)應(yīng)用―水凈化處理；1987年該公司又在仙臺(tái)地鐵線上采用了模糊邏輯控制技術(shù)。2.神經(jīng)網(wǎng)絡(luò)控制的發(fā)展歷程

自1943年McCulloch和Pitts提出了神經(jīng)元的數(shù)學(xué)模型以來(lái)，神經(jīng)網(wǎng)絡(luò)的研究便開始了它的艱難歷程；Albus在1975年提出的CMAC神經(jīng)網(wǎng)絡(luò)模型，利用人腦記憶模型提出了一種分布式的聯(lián)想查表系統(tǒng)；20世紀(jì)50年代至70年代是神經(jīng)網(wǎng)絡(luò)研究的蕭條期，但仍有不少學(xué)者致力于神經(jīng)網(wǎng)絡(luò)模型的研究；Grossberg在1976年提出的自諧振理論（ART）解決了無(wú)導(dǎo)師指導(dǎo)下的模式分類；

到了80年代，人工神經(jīng)網(wǎng)絡(luò)進(jìn)入了發(fā)展期：1982年，Hopfield提出了HNN模型，解決了回歸網(wǎng)絡(luò)的學(xué)習(xí)問題；1986年P(guān)DP小組的研究人員提出了多層前向神經(jīng)網(wǎng)絡(luò)的BP學(xué)習(xí)算法，實(shí)現(xiàn)了有導(dǎo)師指導(dǎo)下的網(wǎng)絡(luò)學(xué)習(xí)，從而為神經(jīng)網(wǎng)絡(luò)的應(yīng)用開辟了廣闊的前景。

遺傳算法（GA：GeneticAlgorithms）由美國(guó)J.H.Holland博士在1975年提出，從80年代中期開始，隨著人工智能的發(fā)展和計(jì)算機(jī)技術(shù)的進(jìn)步逐步成熟，應(yīng)用日漸增多。

可以預(yù)見，隨著系統(tǒng)論、人工智能理論和計(jì)算機(jī)技術(shù)的發(fā)展，智能控制將會(huì)有更大的發(fā)展空間，并在實(shí)際中得到更加廣泛的應(yīng)用。

智能控制作為一門新興控制技術(shù)，目前還處于發(fā)展初期?；谶z傳算法的智能控制，基于Petri網(wǎng)理論的智能控制，遺傳算法、神經(jīng)網(wǎng)絡(luò)和模糊控制相結(jié)合的綜合優(yōu)化控制等新的智能控制理論和方法在不斷涌現(xiàn)和發(fā)展之中。3.遺傳算法的發(fā)展歷程4.智能控制的發(fā)展前景1.3智能控制的應(yīng)用場(chǎng)合和研究?jī)?nèi)容1.3.1智能控制的應(yīng)用場(chǎng)合

智能控制是自動(dòng)控制的最新發(fā)展階段，主要用于解決傳統(tǒng)控制技術(shù)與方法難以解決的控制問題。主要應(yīng)用場(chǎng)合有：

（1）具有高度非線性、時(shí)變性、不確定性和不完全性等特征，一般無(wú)法獲得精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)的控制問題；

（2）需要對(duì)環(huán)境和任務(wù)的變化具有快速應(yīng)變能力并需要運(yùn)用知識(shí)進(jìn)行控制的復(fù)雜系統(tǒng)的控制問題；

（3）采用傳統(tǒng)控制方法時(shí)，必須遵循一些苛刻的線性化假設(shè)，否則難以達(dá)到預(yù)期控制目標(biāo)的復(fù)雜系統(tǒng)的控制問題；

（4）采用傳統(tǒng)控制方法時(shí)，控制成本高、可靠性差或控制效果不理想的復(fù)雜系統(tǒng)的控制問題。1.3.2智能控制的主要研究?jī)?nèi)容

根據(jù)智能控制基本研究對(duì)象的開放性、復(fù)雜性、多層次和信息模式的多樣性、模糊性、不確定性等特點(diǎn)，其研究?jī)?nèi)容主要包括以下幾個(gè)方面。（1）智能控制基本機(jī)理的研究（2）智能控制基本理論和方法的研究

①離散事件和連續(xù)時(shí)間混雜系統(tǒng)的分析與設(shè)計(jì)；

②基于故障診斷的系統(tǒng)組態(tài)理論和容錯(cuò)控制方法；

③基于實(shí)時(shí)信息學(xué)習(xí)的規(guī)則自動(dòng)生成與修改方法；

主要對(duì)智能控制認(rèn)識(shí)論和方法論進(jìn)行研究，探索人類的感知、判斷、推理和決策等活動(dòng)的機(jī)理。主要有以下幾個(gè)方面的內(nèi)容：（3）智能控制應(yīng)用的研究⑤基于推理的系統(tǒng)優(yōu)化方法；⑥在一定結(jié)構(gòu)模式條件下，系統(tǒng)有關(guān)性質(zhì)（如穩(wěn)定性等）的分析方法等。④基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)以及軟計(jì)算的智能控制方法；

主要是智能控制在工業(yè)過程控制、計(jì)算機(jī)集成制造系統(tǒng)、機(jī)器人、航天航空等領(lǐng)域的應(yīng)用研究。1.4智能控制系統(tǒng)組成框架及其功能特點(diǎn)1.4.1智能控制系統(tǒng)的基本組成框架

智能控制系統(tǒng)的基本組成框架如圖1.5所示。通訊接口認(rèn)知感知信息處理規(guī)劃和控制傳感器執(zhí)行器廣義對(duì)象指令智能控制器被控對(duì)象圖1.5智能控制系統(tǒng)的基本組成結(jié)構(gòu)

規(guī)劃和控制部分是整個(gè)系統(tǒng)的核心，它根據(jù)給定的任務(wù)要求反饋信息及經(jīng)驗(yàn)知識(shí)，并進(jìn)行自動(dòng)搜索、推理決策、動(dòng)作規(guī)劃，以便產(chǎn)生具體的控制信號(hào)，經(jīng)執(zhí)行部件作用于被控對(duì)象。

現(xiàn)對(duì)圖1.5所示為智能控制系統(tǒng)的基本組成結(jié)構(gòu)進(jìn)行分析。

在該系統(tǒng)中，廣義對(duì)象包括通常意義下的控制對(duì)象和所處的外部環(huán)境。

感知信息處理部分將傳感器遞送的分級(jí)的、不完全的原始信息加以處理，并在學(xué)習(xí)過程中不斷加以辨識(shí)、整理和更新，以獲得有用的信息。

認(rèn)知部分主要接收和存儲(chǔ)知識(shí)、經(jīng)驗(yàn)和數(shù)據(jù)，并對(duì)它們進(jìn)行分析和歸納，還能在學(xué)習(xí)過程中不斷更新這些知識(shí)、經(jīng)驗(yàn)和數(shù)據(jù)。

通訊接口除建立人–機(jī)之間的聯(lián)系外，也建立系統(tǒng)中各模塊之間的聯(lián)系。1.4.2智能控制系統(tǒng)的主要功能特點(diǎn)

智能控制系統(tǒng)有學(xué)習(xí)功能、適應(yīng)功能、組織功能三大主要功能特點(diǎn)。（1）學(xué)習(xí)功能

智能控制系統(tǒng)的學(xué)習(xí)功能指的是對(duì)一個(gè)過程或其環(huán)境的未知特征所固有的信息進(jìn)行學(xué)習(xí)，并將得到的經(jīng)驗(yàn)用于進(jìn)一步的估計(jì)、分類、決策和控制，從而使系統(tǒng)的性能得到改善。

智能控制系統(tǒng)的學(xué)習(xí)能力有高低之分，低層次的學(xué)習(xí)主要指對(duì)控制對(duì)象參數(shù)的學(xué)習(xí)，高層次的學(xué)習(xí)則主要指對(duì)知識(shí)的更新。（2）適應(yīng)功能

智能控制系統(tǒng)的適應(yīng)功能指的是當(dāng)智能控制系統(tǒng)的輸入不是已經(jīng)學(xué)習(xí)過的樣本時(shí)，照樣可給出合適的輸出。甚至當(dāng)系統(tǒng)中某些部分出現(xiàn)故障時(shí)，系統(tǒng)仍能正常工作。（3）組織功能

智能控制系統(tǒng)的組織功能指的是對(duì)于復(fù)雜的控制任務(wù)和分散的傳感器信息，智能控制系統(tǒng)具有自行組織和協(xié)調(diào)的功能。智能控制器可以在任務(wù)要求范圍內(nèi)自行決策、主動(dòng)地采取行動(dòng)；當(dāng)出現(xiàn)多目標(biāo)沖突時(shí)，在一定條件下，控制器有權(quán)自行裁決和處理。

一個(gè)理想的智能控制系統(tǒng)，除了以上三大主要功能之外，往往還應(yīng)該具有其它一些功能：如對(duì)各類故障進(jìn)行自診斷、屏蔽和自恢復(fù)的容錯(cuò)功能；對(duì)環(huán)境干擾和不確定性因素不敏感的自適應(yīng)功能和魯棒性功能；快速的在線實(shí)時(shí)響應(yīng)功能；友好的人–機(jī)界面，保證人–機(jī)通信、人–機(jī)互助的人–機(jī)協(xié)作功能等。1.5智能控制系統(tǒng)的類型

按照智能控制系統(tǒng)構(gòu)成的原理進(jìn)行分類，大致可分為以下幾類：1.分級(jí)遞階智能控制系統(tǒng)2.

專家控制系統(tǒng)3.模糊邏輯控制系統(tǒng)4.神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)5.遺傳算法等軟計(jì)算優(yōu)化控制系統(tǒng)直接專家控制系統(tǒng)：直接輸出控制信號(hào)間接專家控制系統(tǒng)：輸出控制器的結(jié)構(gòu)和參數(shù)6.仿人智能控制系統(tǒng)7.集成智能控制系統(tǒng)

集成智能控制系統(tǒng)是指由幾種智能控制方法或控制機(jī)理融合在一起而構(gòu)成的智能控制系統(tǒng)。主要有以下幾類：

（1）模糊專家控制系統(tǒng)；

（2）模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)；

（3）神經(jīng)網(wǎng)絡(luò)專家控制系統(tǒng)。8.綜合智能控制系統(tǒng)

綜合智能控制系統(tǒng)也稱組合智能控制系統(tǒng)，它將智能控制與傳統(tǒng)控制方法有機(jī)組合、綜合應(yīng)用，取長(zhǎng)補(bǔ)短，獲取互補(bǔ)特性，提高整體優(yōu)勢(shì)，以期獲得人工智能和控制理論緊密結(jié)合的智能控制系統(tǒng)。該類控制有模糊PID控制、模糊自適應(yīng)控制、基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制等。第2章分級(jí)遞階智能控制2.1遞階智能控制基本原理2.1.1遞階控制的基本原理

分級(jí)遞階智能控制（HierachicalIntelligentControl）是在人工智能、自適應(yīng)控制以及運(yùn)籌學(xué)等理論的基礎(chǔ)上逐漸發(fā)展形成的，是智能控制最早的理論之一。（1）大系統(tǒng)的基本控制結(jié)構(gòu)

對(duì)于復(fù)雜的大系統(tǒng)，由于系統(tǒng)階次高、子系統(tǒng)相互關(guān)聯(lián)，系統(tǒng)的評(píng)價(jià)指標(biāo)多且有時(shí)相互矛盾，因此在分析大系統(tǒng)的控制問題時(shí)，一般把大系統(tǒng)的控制分為互相關(guān)聯(lián)的子系統(tǒng)的控制問題來(lái)處理。根據(jù)信息交換的方式和子系統(tǒng)關(guān)聯(lián)方式的不同，可將大系統(tǒng)控制分為以下3種基本類型：①集中控制系統(tǒng)

在集中控制系統(tǒng)中，控制中心直接控制每個(gè)子系統(tǒng)，每個(gè)子系統(tǒng)只得到整個(gè)系統(tǒng)的部分信息，控制目標(biāo)相互獨(dú)立。其優(yōu)點(diǎn)是系統(tǒng)運(yùn)行的有效性較高，便于分析與設(shè)計(jì)；缺點(diǎn)是一旦控制中心出現(xiàn)故障，則整個(gè)系統(tǒng)將癱瘓。集中控制系統(tǒng)的一般結(jié)構(gòu)如圖2.1所示?？刂浦行淖酉到y(tǒng)1子系統(tǒng)n…被控對(duì)象或過程圖2.1集中控制系統(tǒng)框圖②分散控制系統(tǒng)

在分散控制系統(tǒng)中，控制中心控制若干分散控制器，而每個(gè)分散控制器控制一個(gè)獨(dú)立的控制目標(biāo)，即具體的子系統(tǒng)。此類結(jié)構(gòu)的優(yōu)點(diǎn)在于局部故障不至于影響整個(gè)系統(tǒng)，缺點(diǎn)是全局協(xié)調(diào)運(yùn)行較困難。分散控制系統(tǒng)的一般結(jié)構(gòu)如圖2.2所示?？刂浦行姆稚⒖刂破?分散控制器i分散控制器n子系統(tǒng)1子系統(tǒng)i子系統(tǒng)n…………被控對(duì)象或過程圖2.2分散控制系統(tǒng)框圖③遞階控制系統(tǒng)

當(dāng)系統(tǒng)由若干個(gè)可分的相互關(guān)聯(lián)的子系統(tǒng)構(gòu)成時(shí)，可將系統(tǒng)所有決策單元按照一定優(yōu)先級(jí)和從屬關(guān)系遞階排列，同一級(jí)各單元受到上一級(jí)的干預(yù)，同時(shí)又對(duì)下一級(jí)單元施加影響。若同一級(jí)各單元目標(biāo)相互沖突，則由上一級(jí)單元協(xié)調(diào)。這是一種多級(jí)多目標(biāo)的結(jié)構(gòu)，各單元在不同級(jí)間遞階排列，形成金字塔形結(jié)構(gòu)。

此類結(jié)構(gòu)的優(yōu)點(diǎn)是全局與局部控制性能都較高，靈活性與可靠性好，任何子過程的變化對(duì)決策的影響都是局部性的。缺點(diǎn)是系統(tǒng)設(shè)計(jì)比較復(fù)雜。遞階控制系統(tǒng)的一般結(jié)構(gòu)如圖2.3所示。全局組織級(jí)局部協(xié)調(diào)級(jí)1局部協(xié)調(diào)級(jí)m局部控制器1局部控制器i局部控制器j局部控制器n子系統(tǒng)1子系統(tǒng)i子系統(tǒng)j子系統(tǒng)n…………………被控對(duì)象或過程……圖2.3遞階控制系統(tǒng)框圖

遞階控制系統(tǒng)主要有以下3種基本的遞階形式：①多重描述（Stratifieddescription）：主要從建模角度考慮；②多層決策（Multilayerdecision）：把一個(gè)復(fù)雜的決策問題進(jìn)行縱向分解；③多級(jí)耦合（Multilevelcoupling）：考慮各子系統(tǒng)之間的關(guān)聯(lián)，將每一層的決策問題橫向分解。（2）遞階控制的基本原理

遞階控制的基本原理是把一個(gè)總體問題P分解成若干有限數(shù)量的子問題Pi（i=1,2,…,n）?？傮w問題P的目標(biāo)是使復(fù)雜系統(tǒng)的總體性能指標(biāo)取得極值，當(dāng)不考慮各子問題之間的關(guān)聯(lián)時(shí)，有[P1,P2,…,Pn]的解P的解

這三種遞階形式可以單獨(dú)或組合存在于一個(gè)大系統(tǒng)之中。

考慮到子問題之間因存在關(guān)聯(lián)而可能產(chǎn)生沖突（即耦合作用），現(xiàn)引入一個(gè)協(xié)調(diào)參數(shù)，以解決關(guān)聯(lián)產(chǎn)生的目標(biāo)沖突。用

代替Pi，有的解P的解

遞階控制的協(xié)調(diào)問題便是選擇適當(dāng)?shù)模瑥某踔低ㄟ^迭代到達(dá)終值，使遞階控制達(dá)到最優(yōu)。

遞階系統(tǒng)協(xié)調(diào)控制的任務(wù)是使大系統(tǒng)中的各子系統(tǒng)相互協(xié)調(diào)、配合、制約、促進(jìn)。從而在實(shí)現(xiàn)各子系統(tǒng)的子目標(biāo)、子任務(wù)的基礎(chǔ)上，實(shí)現(xiàn)整個(gè)大系統(tǒng)的總目標(biāo)、總?cè)蝿?wù)。2.1.2分級(jí)遞階智能控制系統(tǒng)的基本結(jié)構(gòu)

在設(shè)計(jì)一個(gè)復(fù)雜系統(tǒng)時(shí)，都是從最下層（包括過程在內(nèi)的直接控制裝置）開始，然后再逐步增加高層的決策控制單元，以增加系統(tǒng)的復(fù)雜性并逐步擴(kuò)展其功能，一個(gè)復(fù)雜系統(tǒng)很自然地隱含了內(nèi)在的遞階形式。

由薩里迪斯提出的分級(jí)遞階智能控制理論按照“精度隨智能提高而降低”（IPDI，IncreasingPrecisionwithDecreasingIntelligence）原則分級(jí)管理系統(tǒng)，它由組織級(jí)、協(xié)調(diào)級(jí)、執(zhí)行級(jí)組成，如圖2.4所示。

在遞階控制系統(tǒng)中應(yīng)用智能控制便形成了分級(jí)遞階智能控制。分級(jí)遞階智能控制系統(tǒng)的結(jié)構(gòu)與一般的分級(jí)遞階控制系統(tǒng)的結(jié)構(gòu)形式基本相同，其差別主要在于遞階智能控制采用智能控制器，它能夠利用人工智能的原理與方法，使系統(tǒng)具有利用知識(shí)、處理知識(shí)以及自學(xué)習(xí)等能力。組織級(jí)控制器分配器協(xié)調(diào)器協(xié)調(diào)器硬件控制器硬件控制器過程過程智能遞增精度遞增第一級(jí)組織級(jí)第二級(jí)協(xié)調(diào)級(jí)第三級(jí)執(zhí)行級(jí)對(duì)象人機(jī)接口最高決策控制管理控制監(jiān)督傳感器執(zhí)行器………圖2.4分級(jí)遞階智能控制系統(tǒng)結(jié)構(gòu)示意圖（1）組織級(jí)（Organizationlevel）

組織級(jí)是遞階智能控制系統(tǒng)的最高級(jí)，是智能系統(tǒng)的“大腦”，能夠模仿人的行為功能，它具有相應(yīng)的學(xué)習(xí)能力和高級(jí)決策能力。組織級(jí)監(jiān)督并指導(dǎo)協(xié)調(diào)級(jí)和執(zhí)行級(jí)的所有行為，具有最高程度的智能。組織級(jí)能夠根據(jù)用戶對(duì)任務(wù)的不完全描述與實(shí)際過程和環(huán)境的有關(guān)信息，選擇合理的控制模式并向低層下達(dá)，以實(shí)現(xiàn)預(yù)定的控制目標(biāo)。（2）協(xié)調(diào)級(jí)（Coordinationlevel）

協(xié)調(diào)級(jí)是遞階智能控制系統(tǒng)的次高級(jí)，其任務(wù)是協(xié)調(diào)各控制器的控制作用與各子任務(wù)的執(zhí)行。

協(xié)調(diào)級(jí)可以進(jìn)一步劃分為兩個(gè)分層：控制管理分層與控制監(jiān)督分層?？刂乒芾矸謱咏o予下層的信息決定如何完成組織級(jí)下達(dá)的任務(wù)，以產(chǎn)生施加給下一層的控制指令；控制監(jiān)督分層的任務(wù)是保證、維持執(zhí)行級(jí)中各控制器的正常運(yùn)行，并進(jìn)行局部參數(shù)整定與性能優(yōu)化。

協(xié)調(diào)級(jí)一般由多個(gè)協(xié)調(diào)控制器和分配器組成，每個(gè)協(xié)調(diào)控制器既接受組織級(jí)的命令，又負(fù)責(zé)多個(gè)執(zhí)行級(jí)控制器的協(xié)調(diào)。

分配器的任務(wù)是將組織級(jí)給定的基本事件（任務(wù)）變換成面向協(xié)調(diào)器的控制指令序列，并在適當(dāng)?shù)臅r(shí)刻把它們分配給相應(yīng)的協(xié)調(diào)器。在任務(wù)完成后，分配器也負(fù)責(zé)生成反饋信息，送回給組織級(jí)。

協(xié)調(diào)級(jí)是組織級(jí)與執(zhí)行級(jí)之間的接口，運(yùn)算精度相對(duì)較低，但有較高的決策能力與一定的學(xué)習(xí)能力。（3）執(zhí)行級(jí)（Executionlevel）

執(zhí)行級(jí)是遞階智能控制系統(tǒng)的最低一級(jí)，由多個(gè)硬件控制器組成，其任務(wù)是完成具體的控制任務(wù)。執(zhí)行級(jí)控制器直接產(chǎn)生控制信號(hào)，通過執(zhí)行機(jī)構(gòu)作用于被控對(duì)象（過程）；同時(shí)執(zhí)行級(jí)也通過傳感器測(cè)量環(huán)境的相關(guān)信息，并傳遞給上一級(jí)控制器，給高層決策提供相關(guān)依據(jù)。

執(zhí)行級(jí)的智能程度最低，而控制精度最高。2.1.3遞階智能控制的熵準(zhǔn)則

對(duì)于圖2.4所示的多級(jí)遞階智能控制系統(tǒng)，從最低級(jí)執(zhí)行級(jí)

次高級(jí)協(xié)調(diào)級(jí)最高級(jí)組織級(jí)，智能要求逐步提高，越高的層次越需要高的智能，而精度則遞減，此類結(jié)構(gòu)具有以下特點(diǎn)：1）越是處于高層的控制器，對(duì)系統(tǒng)的影響也越大；2）越是處于高層，就有越多的不確定性信息，使問題的描述難于量化。

可見，遞階智能控制的智能主要體現(xiàn)在高層次上，在高層次遇到的問題往往具有不確定性。因此，在高層次上應(yīng)該采用基于知識(shí)的組織級(jí)，以便于處理信息與利用人的直覺、推理、邏輯和經(jīng)驗(yàn)。這樣分級(jí)遞階智能控制系統(tǒng)就能在最高級(jí)（組織級(jí)）的統(tǒng)一組織下，實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的優(yōu)化控制。

對(duì)于不確定性問題，通常采用熵（Entropy）函數(shù)作為衡量其性能好壞的指標(biāo)，并以熵最小為準(zhǔn)則來(lái)確定相應(yīng)的最優(yōu)控制策略。

從信息論的角度看，控制系統(tǒng)可以看作一個(gè)信息系統(tǒng)，信息是對(duì)事物不確定性的度量，增加信息是對(duì)不確定性的減少或消除。香農(nóng)（C.E.Shannon）提出采用信息負(fù)熵對(duì)信息的不確定性進(jìn)行定量描述，其定義如下：

對(duì)于離散隨機(jī)過程x，熵H(x)的定義為

對(duì)于連續(xù)隨機(jī)過程x，有式中，P[x]為x的概率密度函數(shù)；E[]為期望值。

由熵的表達(dá)式可知，熵越大就表明不確定性越大，時(shí)間序列越隨機(jī)，功率譜越平坦。而選擇對(duì)數(shù)度量信息的方便之處在于兩個(gè)信息相加的總信息量等于每個(gè)信息單獨(dú)存在時(shí)各自信息量之和。

在薩里迪斯的遞階智能控制系統(tǒng)中，對(duì)智能控制系統(tǒng)的各級(jí)采用熵作為測(cè)度。組織級(jí)是智能控制系統(tǒng)的最高層次，可以采用熵來(lái)衡量所需要的知識(shí)；協(xié)調(diào)級(jí)連接組織級(jí)與執(zhí)行級(jí)，可以采用熵測(cè)量協(xié)調(diào)的不確定性；而在執(zhí)行級(jí)，熵函數(shù)表示系統(tǒng)的執(zhí)行代價(jià)，等價(jià)于系統(tǒng)所消耗的能量。每一級(jí)的熵相加成為總熵，可以用于表示控制作用的總代價(jià)。設(shè)計(jì)和建立遞階智能控制系統(tǒng)的原則就是使系統(tǒng)各級(jí)總熵為最小。2.2遞階智能控制系統(tǒng)應(yīng)用舉例

遞階智能控制理論作為較早的智能控制理論，自20世紀(jì)70年代以來(lái)，已經(jīng)被應(yīng)用于不同設(shè)備、系統(tǒng)的專項(xiàng)研究和工業(yè)應(yīng)用。早期的遞階智能系統(tǒng)主要應(yīng)用于實(shí)驗(yàn)室機(jī)器人和核電站的控制過程。20世紀(jì)80年代以來(lái)，工業(yè)過程控制、工業(yè)機(jī)器人控制等開始逐漸采用遞階智能控制理論。（1）機(jī)械手分級(jí)遞階智能控制系統(tǒng)

美國(guó)普渡大學(xué)（PurdueUniversity）高級(jí)自動(dòng)化研究實(shí)驗(yàn)室（AARL）成功地將分級(jí)遞階智能控制理論應(yīng)用于機(jī)器人控制中，設(shè)計(jì)了一個(gè)PUMA600機(jī)械手智能控制系統(tǒng)。圖2.5給出了該機(jī)械手智能控制系統(tǒng)的三級(jí)遞階結(jié)構(gòu)。組織級(jí)控制器分配器傳感器協(xié)調(diào)器視覺協(xié)調(diào)器上臂控制器手部控制器傳感器第一級(jí)組織級(jí)第二級(jí)協(xié)調(diào)級(jí)第三級(jí)執(zhí)行級(jí)對(duì)象圖2.5機(jī)械手分級(jí)遞階智能控制系統(tǒng)結(jié)構(gòu)示意圖手臂協(xié)調(diào)器關(guān)節(jié)1~3關(guān)節(jié)4~6手指攝像機(jī)輸入指令

該機(jī)械手分級(jí)遞階智能控制系統(tǒng)的第一級(jí)為組織級(jí)；第二級(jí)協(xié)調(diào)級(jí)由一個(gè)分配器和三個(gè)協(xié)調(diào)器（視覺系統(tǒng)協(xié)調(diào)器、手臂協(xié)調(diào)器以及傳感器協(xié)調(diào)器）組成；第三級(jí)執(zhí)行級(jí)由上臂控制器與手部控制器組成，實(shí)現(xiàn)對(duì)6個(gè)關(guān)節(jié)與1個(gè)夾手的具體控制。

該機(jī)械手可以實(shí)現(xiàn)7個(gè)自由度運(yùn)動(dòng)，其中3個(gè)自由度用于上臂關(guān)節(jié)的運(yùn)動(dòng)，3個(gè)自由度用于手的定位，1個(gè)自由度用于手指的開閉動(dòng)作。該系統(tǒng)能夠?qū)崿F(xiàn)以下功能：

①人–機(jī)械手通訊功能，識(shí)別操作人員的語(yǔ)言命令，與操作人員交互作用；

②協(xié)調(diào)運(yùn)動(dòng)控制功能，自主協(xié)調(diào)位置控制與速度控制；

③與環(huán)境交互的功能，對(duì)來(lái)自攝像機(jī)和其它外部傳感器的反饋信息進(jìn)行綜合，修正控制策略與動(dòng)作序列，實(shí)現(xiàn)各種控制任務(wù)。

按照“智能遞減精度遞增”的控制原則，執(zhí)行級(jí)高精度地完成局部控制任務(wù)，滿足實(shí)時(shí)控制的局部性能指標(biāo)，但同時(shí)智能程度最低。該機(jī)械手執(zhí)行級(jí)有效地運(yùn)用了現(xiàn)代控制理論中的最優(yōu)控制算法，控制過程中所需要的精確對(duì)象模型是通過對(duì)臂關(guān)節(jié)子系統(tǒng)與手關(guān)節(jié)子系統(tǒng)建模而得到的。

協(xié)調(diào)級(jí)主要完成感覺、視覺和機(jī)械運(yùn)動(dòng)3個(gè)子任務(wù)的信息處理與控制任務(wù)，通過恰當(dāng)?shù)毓烙?jì)各個(gè)子任務(wù)的性能，來(lái)使它們協(xié)調(diào)一致地工作。協(xié)調(diào)級(jí)不需要非常精確的數(shù)學(xué)模型，但為了協(xié)調(diào)與監(jiān)督執(zhí)行級(jí)的工作，協(xié)調(diào)級(jí)應(yīng)具有一定的學(xué)習(xí)能力，以使系統(tǒng)在重現(xiàn)的控制環(huán)境中，不斷提高系統(tǒng)的性能。

語(yǔ)言組織級(jí)作為最高級(jí)，具有最高的智能程度，能夠分析隨機(jī)輸入的命令，辨別控制環(huán)境，并在缺少運(yùn)行任務(wù)的情況下給出適當(dāng)?shù)目刂品桨?。?）遞階智能集散控制系統(tǒng)

可見，典型的集散控制系統(tǒng)的結(jié)構(gòu)是一種自然的分級(jí)遞階結(jié)構(gòu)，如將智能控制理論引入到集散控制系統(tǒng)中，以裝置控制級(jí)計(jì)算機(jī)（或模擬調(diào)節(jié)器）作為執(zhí)行級(jí)，監(jiān)督級(jí)計(jì)算機(jī)作為協(xié)調(diào)級(jí)，管理級(jí)計(jì)算機(jī)作為組織級(jí)，便可構(gòu)成相應(yīng)的遞階智能集散控制系統(tǒng)。

典型的集散控制系統(tǒng)具有分級(jí)分布式控制結(jié)構(gòu)，裝置控制級(jí)計(jì)算機(jī)（或模擬調(diào)節(jié)器）完成現(xiàn)場(chǎng)的控制任務(wù)；監(jiān)督級(jí)計(jì)算機(jī)協(xié)調(diào)各裝置控制級(jí)計(jì)算機(jī)（或模擬調(diào)節(jié)器）的工作，它可以運(yùn)行各種高級(jí)控制程序與協(xié)調(diào)優(yōu)化程序，以達(dá)到過程的動(dòng)態(tài)（在線）優(yōu)化；管理級(jí)計(jì)算機(jī)通過監(jiān)督級(jí)計(jì)算機(jī)獲取過程的在線信息，完成并制定生產(chǎn)計(jì)劃，進(jìn)行產(chǎn)品管理、財(cái)務(wù)管理以及人事管理等，以實(shí)現(xiàn)生產(chǎn)過程的靜態(tài)優(yōu)化與綜合自動(dòng)化。第3章基于模糊推理的智能控制系統(tǒng)3.1模糊控制系統(tǒng)原理3.1.1模糊控制的基本思想

無(wú)論是采用經(jīng)典控制還是采用現(xiàn)代控制理論去設(shè)計(jì)一個(gè)控制系統(tǒng)，一般都需要事先知道被控對(duì)象精確的數(shù)學(xué)模型（如模型的結(jié)構(gòu)、階次、參數(shù)等），然后根據(jù)數(shù)學(xué)模型以及給定的性能指標(biāo)，選擇適當(dāng)?shù)目刂撇呗?，進(jìn)行控制器的設(shè)計(jì)。然而，大量的實(shí)踐告訴我們，被控對(duì)象的精確數(shù)學(xué)模型一般很難建立，因此很難按照上述過程完成預(yù)期的控制目標(biāo)。

與此相反，對(duì)上述難以精確建模的一些生產(chǎn)過程，有經(jīng)驗(yàn)的操作人員往往可以通過反復(fù)的手動(dòng)調(diào)整，達(dá)到較為滿意的控制效果。于是，人們開始探索對(duì)于那些無(wú)法構(gòu)造數(shù)學(xué)模型的控制系統(tǒng)，是否可以讓計(jì)算機(jī)模擬人的思維進(jìn)行控制的問題。智能控制也正是基于以上想法應(yīng)運(yùn)而生的。

模糊控制主要研究如何利用計(jì)算機(jī)來(lái)實(shí)現(xiàn)人的控制經(jīng)驗(yàn)。它采用模糊數(shù)學(xué)的方法，通過一些用模糊語(yǔ)言描述的模糊規(guī)則，建立過程變量之間的模糊關(guān)系；此后，人們可以根據(jù)某一時(shí)刻的實(shí)際情況，基于模糊規(guī)則，采用合適的模糊推理算法獲得系統(tǒng)所需的控制量。3.1.2模糊控制系統(tǒng)的原理框圖A/DD/A模糊控制器執(zhí)行機(jī)構(gòu)被控對(duì)象檢測(cè)裝置給定值輸出量圖3.1模糊控制系統(tǒng)原理框圖

模糊控制器是模糊控制系統(tǒng)的核心，也是模糊控制系統(tǒng)區(qū)別于其它自動(dòng)控制系統(tǒng)的主要標(biāo)志。模糊控制器一般通過計(jì)算機(jī)軟件編程或模糊邏輯硬件電路加以實(shí)現(xiàn)，硬件可以是單片機(jī)、工業(yè)控制機(jī)等各種類型的微型計(jì)算機(jī)；程序設(shè)計(jì)語(yǔ)言則可以是匯編語(yǔ)言、C語(yǔ)言或其它高級(jí)語(yǔ)言。

模糊控制系統(tǒng)可以從不同角度進(jìn)行分類。按輸出信號(hào)的時(shí)變特性進(jìn)行分類，有恒值模糊控制系統(tǒng)和隨動(dòng)模糊控制系統(tǒng)；按是否存在靜態(tài)誤差來(lái)分類，可以分為有差模糊控制系統(tǒng)和無(wú)差模糊控制系統(tǒng)；按系統(tǒng)輸入/輸出變量的個(gè)數(shù)來(lái)分類，可以分為單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)。3.1.3模糊控制系統(tǒng)的分類（1）恒值模糊控制系統(tǒng)和隨動(dòng)模糊控制系統(tǒng)

恒值模糊控制系統(tǒng)是指若系統(tǒng)給定值不變，要求其被控輸出量也保持恒定。該系統(tǒng)中影響被控量變化的因素只有進(jìn)入系統(tǒng)的外界擾動(dòng)，控制的目的是要求系統(tǒng)自動(dòng)克服這些擾動(dòng)，這種控制系統(tǒng)也可稱為自鎮(zhèn)定模糊控制系統(tǒng)，如溫度模糊控制系統(tǒng)、流量模糊控制系統(tǒng)等。

對(duì)于恒值模糊控制系統(tǒng)來(lái)講，由于被控對(duì)象特性和系統(tǒng)運(yùn)行狀態(tài)變化不大，所以對(duì)控制器的適應(yīng)性和魯棒性要求較高；而對(duì)于隨動(dòng)模糊控制系統(tǒng)而言，則要求有較強(qiáng)的快速跟蹤特性。

隨動(dòng)模糊控制系統(tǒng)是指系統(tǒng)給定值不再是恒定不變的，要求其被控輸出量按照一定精度要求，快速地跟蹤給定值變化。這種控制系統(tǒng)也稱為模糊跟蹤控制系統(tǒng)，如機(jī)器人關(guān)節(jié)位置隨動(dòng)系統(tǒng)、火炮雷達(dá)隨動(dòng)系統(tǒng)等。盡管這類系統(tǒng)也存在外界擾動(dòng)，但對(duì)擾動(dòng)的消除不是控制的主要目的。（2）有差模糊控制系統(tǒng)和無(wú)差模糊控制系統(tǒng)

通常的模糊控制器在設(shè)計(jì)中只考慮系統(tǒng)輸出誤差的大小及其變化，相當(dāng)于一個(gè)PD調(diào)節(jié)器，再加上模糊控制器自身所具有的多級(jí)繼電器特性，因此一般的模糊控制系統(tǒng)均存在靜態(tài)誤差，故可稱為有差模糊控制系統(tǒng)。（3）單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)

所謂單變量模糊控制系統(tǒng)是指模糊控制器的輸入和輸出都只有一個(gè)物理變量的系統(tǒng)。

多變量模糊控制系統(tǒng)是指控制器的輸入（或輸出）含有兩個(gè)或兩個(gè)以上物理變量的系統(tǒng)。

注意：這里的單變量控制系統(tǒng)和只有一個(gè)輸入、一個(gè)輸出的單入、單出控制系統(tǒng)的概念是有區(qū)別的。事實(shí)上，單變量模糊控制器的輸入可以是一維的（偏差），也可以是二維的（偏差和偏差變化），還可以是三維的（偏差、偏差變化和偏差變化的變化）。

無(wú)差模糊控制系統(tǒng)是指在模糊控制系統(tǒng)中引入積分環(huán)節(jié)，將常規(guī)模糊控制器所存在的靜差抑制到最小限度，達(dá)到模糊控制系統(tǒng)某種意義上的無(wú)靜差要求，這種系統(tǒng)稱之為無(wú)差模糊控制系統(tǒng)。3.2模糊控制器設(shè)計(jì)

模糊控制系統(tǒng)的核心就是模糊控制器，一個(gè)模糊控制系統(tǒng)性能的優(yōu)劣，主要取決于模糊控制器的結(jié)構(gòu)、所采用的隸屬函數(shù)、模糊規(guī)則、推理方法以及解模糊算法等。3.2.1模糊控制器的基本結(jié)構(gòu)

模糊控制器的結(jié)構(gòu)如圖3.2所示，由模糊化接口、推理機(jī)、解模糊接口和規(guī)則庫(kù)四部分構(gòu)成。規(guī)則庫(kù)推理機(jī)解模糊接口模糊化接口被控對(duì)象過程檢測(cè)量實(shí)際控制量圖3.2模糊控制器的基本結(jié)構(gòu)圖（1）模糊化接口

模糊控制器的輸入必須通過模糊化接口，轉(zhuǎn)化成為模糊量后，才能加載于模糊推理機(jī)構(gòu)。模糊化接口是模糊控制器的輸入接口。它首先將從傳感器得到的確定量和給定值進(jìn)行對(duì)比，計(jì)算誤差或誤差變化等輸入變量值；然后進(jìn)行標(biāo)度變換，將輸入變量轉(zhuǎn)換到相應(yīng)的模糊集論域；最后應(yīng)用模糊集對(duì)應(yīng)的隸屬函數(shù)將精確輸入量轉(zhuǎn)換為模糊值。（2）規(guī)則庫(kù)

規(guī)則庫(kù)由一組語(yǔ)言控制規(guī)則組成，表達(dá)了應(yīng)用領(lǐng)域的專家經(jīng)驗(yàn)和控制策略。（3）推理機(jī)

推理機(jī)是模糊控制系統(tǒng)的“大腦”。它根據(jù)模糊規(guī)則，運(yùn)用模糊推理算法，模擬人的決策過程，獲得模糊控制系統(tǒng)的控制策略和控制作用。（4）解模糊接口

由于對(duì)系統(tǒng)的具體控制是一個(gè)精確量，所以需要通過解模糊接口，將模糊控制器的輸出由模糊量轉(zhuǎn)換成精確量，以獲得系統(tǒng)精確的控制作用。3.2.2模糊控制器設(shè)計(jì)的基本方法（1）模糊控制器結(jié)構(gòu)的設(shè)計(jì)

模糊控制器的結(jié)構(gòu)設(shè)計(jì)是指確定模糊控制器的輸入變量與輸出變量，這在3.1節(jié)已經(jīng)介紹。根據(jù)模糊控制器輸入變量和輸出變量的個(gè)數(shù)，可以分為單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)。下面分別加以介紹：①單變量模糊控制系統(tǒng)

單變量模糊控制系統(tǒng)可以分為一維模糊控制器（輸入變量是偏差）、二維模糊控制器（輸入變量是偏差和偏差的變化）、三維模糊控制器（輸入變量是偏差、偏差的變化和偏差變化的變化）。圖3.3給出了一維模糊控制器和二維模糊控制器的基本結(jié)構(gòu)。圖3.3基本模糊控制器原理框圖（a）一維模糊控制器A/DKe模糊推理模糊判決KuD/A執(zhí)行元件被控對(duì)象檢測(cè)裝置（a）A/DKe模糊推理模糊判決KuD/A執(zhí)行元件被控對(duì)象檢測(cè)裝置（b）差分Kec（b）二維模糊控制器

由于多變量模糊控制系統(tǒng)中各個(gè)變量之間存在著強(qiáng)耦合，因此要直接設(shè)計(jì)一個(gè)多變量模糊控制器是非常困難的?？梢岳媚：刂破鞅旧淼慕怦钚裕ㄟ^模糊關(guān)系的分解，在控制器結(jié)構(gòu)上進(jìn)行解耦，將一個(gè)多輸入多輸出模糊控制器，分解成若干個(gè)多輸入單輸出的模糊控制器，如圖3.4所示。②多變量模糊控制系統(tǒng)

在圖3.3中，Ke為偏差量化因子，Kec為偏差變化的量化因子，Ku為比例因子。

從理論上講，模糊控制系統(tǒng)所選用的模糊控制維數(shù)越高，系統(tǒng)的控制精度越高。但是，維數(shù)選擇太高，模糊控制規(guī)則就會(huì)變得過于復(fù)雜，推理、求解的過程就更加困難。因此，一般采用二維模糊控制器作為模糊控制器的典型結(jié)構(gòu)。模糊控制器模糊控制器(a)(b)1m1m(c)圖3.4多變量模糊控制器解耦（a）多變量模糊控制器（b）多輸入單輸出模糊控制器（c）多輸入多輸出模糊控制器（2）輸入變量的模糊化①量化因子的選擇

為了進(jìn)行模糊化處理，必須將輸入變量從基本論域轉(zhuǎn)換到相應(yīng)的模糊集論域，這中間須將輸入變量乘以相應(yīng)的因子，這里稱為量化因子。

量化因子一般用K表示，誤差的量化因子是Ke，誤差變化的量化因子是Kec。設(shè)誤差的基本論域?yàn)閇-emax，emax]，誤差變化的基本論域?yàn)閇-ecmax，ecmax]，誤差的模糊論域?yàn)?/p>

誤差變化的論域?yàn)?/p>

則

量化因子Ke及Kec的大小對(duì)控制系統(tǒng)的動(dòng)態(tài)性能影響很大。Ke選擇較大時(shí)，系統(tǒng)的超調(diào)量也較大，過渡過程較長(zhǎng)；Kec選擇較大時(shí)，超調(diào)量減小，但系統(tǒng)的響應(yīng)速度變慢。Kec對(duì)超調(diào)的遏制作用十分明顯。

在實(shí)際工作中，精確輸入量的變化范圍一般不會(huì)在[-emax，emax]以及[-ecmax，ecmax]之間呈對(duì)稱分布，如果其范圍是在[a,b]之間的話，則可以通過變換（以n1=n2=6為例）將在[a,b]之間變化的變量x(e或ec)變換成[-6,6]之間變化的變量y。②模糊語(yǔ)言

通常情況下，模糊變量的語(yǔ)言值一般取為{負(fù)大，負(fù)小，零，正小，正大}，或{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}，或{負(fù)大，負(fù)中，負(fù)小，負(fù)零，正零，正小，正中，正大}三種。同時(shí)，還可以根據(jù)實(shí)際情況，自行設(shè)定，但所有語(yǔ)言值形成的模糊子集應(yīng)構(gòu)成模糊變量的一個(gè)模糊劃分。③語(yǔ)言值的隸屬函數(shù)

模糊語(yǔ)言值實(shí)際上是一個(gè)模糊子集，最終通過隸屬函數(shù)來(lái)描述。定義語(yǔ)言值的隸屬函數(shù)可采用鐘形、梯形和三角形，理論上說鐘形最為理想，但是計(jì)算復(fù)雜。實(shí)踐證明，用三角形和梯形隸屬函數(shù)，其性能并沒有十分明顯的差別。因此，為了簡(jiǎn)化計(jì)算，目前比較常用的是三角形，其次是梯形。

設(shè)模糊語(yǔ)言定義為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}時(shí)，其三角形隸屬函數(shù)曲線如圖3.5所示。圖3.5三角形隸屬函數(shù)（3）模糊控制規(guī)則的選取

模糊控制規(guī)則基于操作人員長(zhǎng)期積累的控制經(jīng)驗(yàn)和領(lǐng)域?qū)＜矣嘘P(guān)知識(shí)而形成的，它是對(duì)被控對(duì)象進(jìn)行控制的一個(gè)知識(shí)模型（不是數(shù)學(xué)模型）。這個(gè)模型建立的是否準(zhǔn)確，將直接決定模糊控制器控制性能的好壞。（4）模糊推理方法的確定

①M(fèi)AX—MIN法；

②模糊加權(quán)推理法；

③函數(shù)型推理法。

模糊推理有很多方法，其中比較常用的有以下三種：（5）解模糊接口的設(shè)計(jì)

經(jīng)過模糊推理的結(jié)果，一般均為模糊值，不能直接用于控制被控對(duì)象，需要先轉(zhuǎn)化成執(zhí)行機(jī)構(gòu)可以執(zhí)行的精確量，此過程稱為解模糊過程。①解模糊算法的選擇

解模糊常用的方法有：(i)最大隸屬度法；(ii)平均最大隸屬度法；②比例因子的選擇

同樣，模糊控制器輸出變量的論域和實(shí)際控制器的變化范圍一般也不會(huì)相同，故而引出比例因子。(iii)中位數(shù)法；(iv)加權(quán)平均法（重心法）。

設(shè)控制量的變化范圍為[-umax，umax]，控制量所取的模糊論域?yàn)?/p>

控制量的比例因子由下式確定

輸出比例因子Ku的大小也影響著模糊控制系統(tǒng)的特性。Ku選擇過小會(huì)使系統(tǒng)動(dòng)態(tài)響應(yīng)過程變長(zhǎng)，而Ku選擇過大會(huì)導(dǎo)致系統(tǒng)振蕩。3.3模糊控制系統(tǒng)的兩種基本類型

由于模糊控制器的知識(shí)庫(kù)中規(guī)則的形式和推理機(jī)的推理方法不同，模糊控制系統(tǒng)的具體類型是多種多樣的。通過對(duì)各種類型模糊控制器的分析，現(xiàn)有的模糊控制系統(tǒng)可以歸納為兩種基本類型：Mamdani型和Takagi-Sugeno（T-S）型，其它的類型都可視為這兩種類型的改進(jìn)或變型。3.3.1Mamdani型模糊控制系統(tǒng)的工作原理Mamdani模糊控制器是英國(guó)的Mamdani博士于1974年提出的，他第一次把模糊集合和模糊推理應(yīng)用于實(shí)際控制系統(tǒng)，是模糊控制技術(shù)發(fā)展初期普遍采用的模糊控制器模型，因而也常常被稱為傳統(tǒng)的模糊控制器。

多輸入單輸出（MISO）Mamdani模糊控制器的模糊控制規(guī)則形式為：其中，z1，z2，，zp為前件（輸入）變量，其論域分別為Z1，Z2，，Zp；（i=1,2,,p;j=1,2,,m）為前件變量zi的模糊集合；u為輸出控制變量，論域?yàn)閁；Bj為輸出變量的模糊集合。

對(duì)于模糊控制器的一組精確輸入值可得到推理結(jié)果為

采用重心法反模糊化后得到的控制器的精確輸出為其中，uj是使

取最大值的點(diǎn)，它一般也就是隸屬度函數(shù)的中心點(diǎn)。或3.3.2T-S型模糊控制系統(tǒng)的工作原理T-S模糊模型是日本學(xué)者Takagi和Sugeno于1985年首先提出來(lái)的，它采用輸入變量的函數(shù)作為if–then模糊規(guī)則的后件。T-S模糊模型可描述為：其中，z1，z2，，zp為前件（輸入）變量，其論域分別為Z1，Z2，，Zp；（i=1,2,,p;j=1,2,,m）為前件變量zi的模糊集合；u為輸出控制變量，論域?yàn)閁；fj(z1,z2,,zp)是模糊后件關(guān)于前件變量zi的線性或非線性函數(shù)。

對(duì)于一組輸入，經(jīng)過模糊推理并采用重心法反模糊化后得到的控制器輸出為其中，wj為輸入變量對(duì)第j條規(guī)則的激活度（或匹配度），它有以下兩種推理方式或

在實(shí)際應(yīng)用中，T-S模糊規(guī)則后件的函數(shù)fj(z1,z2,,zp)可采用多項(xiàng)式形式。3.4模糊控制技術(shù)應(yīng)用舉例——模糊控制全自動(dòng)洗衣機(jī)1.模糊控制全自動(dòng)洗衣機(jī)的特點(diǎn)

傳統(tǒng)的全自動(dòng)洗衣機(jī)從控制的角度看，實(shí)際上是一臺(tái)按事先設(shè)定好的程序而進(jìn)行工作的機(jī)械，它幾乎不具備什么智能，即它不能根據(jù)實(shí)際情況和工作條件的變化來(lái)改變程序中的參數(shù)。而模糊控制的洗衣機(jī)則向真正的智能化全自動(dòng)邁進(jìn)了一大步。它具有以下幾個(gè)特點(diǎn)：①可以根據(jù)所洗衣服的數(shù)量、種類和臟污程度來(lái)自動(dòng)決定用水量的多少和水流的強(qiáng)度，可以動(dòng)態(tài)地改變洗衣時(shí)間，在洗干凈衣服的前提下，盡量省電、省水、省時(shí)；②操作簡(jiǎn)單，只一個(gè)按鈕，一按就行；③可以用液晶屏將工作情況和過程顯示出來(lái)，比如已進(jìn)入洗衣的哪個(gè)階段，衣服已完成預(yù)定洗凈目標(biāo)的百分比以及還需要多長(zhǎng)時(shí)間完成洗衣任務(wù)等；④據(jù)測(cè)定，模糊控制的全自動(dòng)洗衣機(jī)與普通全自動(dòng)洗衣機(jī)相比，在條件完全相同的情況下，可提高洗凈度20%左右，其水平可達(dá)到有經(jīng)驗(yàn)主婦手工洗凈的程度。2.模糊控制全自動(dòng)洗衣機(jī)的工作原理

洗衣機(jī)的模糊推理及控制關(guān)系如圖3.6所示，這是一個(gè)多輸入、多輸出的控制系統(tǒng)。輸入量有布量、布質(zhì)、水溫、臟污程度和臟污性質(zhì)等；輸出量則包括電機(jī)轉(zhuǎn)速、水位、洗滌時(shí)間、洗滌劑投放量、脫水時(shí)間、漂洗方式、次數(shù)等，其中洗滌劑投放量、水流強(qiáng)度、水位、預(yù)設(shè)洗滌時(shí)間可以在洗滌前通過模糊推理計(jì)算得出，而洗滌修正時(shí)間、漂洗次數(shù)等則可由實(shí)時(shí)模糊控制器在線進(jìn)行調(diào)節(jié)。布量布質(zhì)臟污程度臟污性質(zhì)水溫模糊推理控制洗滌劑量水位水流強(qiáng)度洗滌時(shí)間脫水時(shí)間漂洗方式、次數(shù)圖3.6模糊洗衣機(jī)推理控制關(guān)系（1）輸入量的檢測(cè)①水位傳感器

水位傳感器是一個(gè)壓力/頻率轉(zhuǎn)換部件。在結(jié)構(gòu)上水位檢測(cè)器為一個(gè)LC振蕩器，水位的高低會(huì)使振蕩器的輸出頻率發(fā)生變化，因此由其頻率可推知水位高低。②布量和布質(zhì)檢測(cè)③溫度檢測(cè)電路

溫度檢測(cè)元件可采用熱敏電阻。④臟污程度和臟污性質(zhì)的檢測(cè)

衣物的臟污程度、臟污性質(zhì)和洗凈程度的檢測(cè)是通過紅外光電傳感器來(lái)完成的。（2）模糊控制器的設(shè)計(jì)

為了使控制效果既好又使控制過程相對(duì)簡(jiǎn)單，采取矛盾分析方法得到的具體控制策略是:①根據(jù)布質(zhì)、布量確定水位高低和水流強(qiáng)度；②根據(jù)布質(zhì)、布量和溫度確定初始的洗衣時(shí)間；③根據(jù)洗滌過程中的混濁度信息來(lái)修正實(shí)際洗滌時(shí)間的長(zhǎng)短和漂洗次數(shù)的多少。①水位設(shè)定的模糊控制（i）模糊量的定義

布質(zhì)的模糊子集為{化纖，棉布}；

布量的模糊子集為{少，中，多}；

水位的模糊子集為{少，低，中，高}。

根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)，各模糊子集的隸屬函數(shù)采用梯形與三角形隸屬函數(shù)。

其基本工作原理可簡(jiǎn)述如下。（ii）模糊控制規(guī)則的設(shè)計(jì)表3.1水位模糊控制規(guī)則表水位布質(zhì)化纖棉布少低低中中高少布量中多

根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出水位的模糊控制規(guī)則表，如表3.1所示。②水流強(qiáng)度的模糊控制表3.2水流強(qiáng)度模糊控制規(guī)則表水流強(qiáng)度布質(zhì)化纖棉布弱中中強(qiáng)強(qiáng)強(qiáng)少布量中多

水流強(qiáng)度的模糊子集定義為{弱，中，強(qiáng)}。

根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出水流強(qiáng)度的模糊控制規(guī)則表，如表3.2所示。

布質(zhì)和布量的模糊子集定義如前所述；（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)③預(yù)設(shè)洗衣時(shí)間的模糊控制

根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出預(yù)設(shè)洗衣時(shí)間的模糊控制規(guī)則表，如表3.3所示。

預(yù)設(shè)洗衣時(shí)間的模糊子集為{很短，短，較短，中，較長(zhǎng)，長(zhǎng)，很長(zhǎng)}。表3.3預(yù)設(shè)洗衣時(shí)間模糊控制規(guī)則表溫度布質(zhì)化纖棉布很短較短高較長(zhǎng)少布量中多中低高中低短較短長(zhǎng)中較長(zhǎng)很長(zhǎng)短較短長(zhǎng)短中長(zhǎng)中長(zhǎng)很長(zhǎng)（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)

布質(zhì)和布量的模糊子集定義如前所述；溫度的模糊子集為{低，中，高}；④實(shí)際洗滌時(shí)間的調(diào)整方法

洗衣過程中必須根據(jù)實(shí)際洗滌衣物的混濁度信息（臟污程度和臟污性質(zhì)），對(duì)預(yù)設(shè)洗滌時(shí)間作適當(dāng)?shù)男拚?，以保證洗凈度高，洗衣時(shí)間又不過長(zhǎng)。

臟污程度的模糊子集為{輕，中，重}；（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)表3.4所示為洗滌修正時(shí)間模糊控制規(guī)則表。臟污性質(zhì)的模糊子集為{泥性，中性，油性}；洗滌修正時(shí)間的模糊子集為{負(fù)多，負(fù)少，零，正少，正多}。（3）控制器硬件系統(tǒng)的結(jié)構(gòu)

圖3.7為一智能模糊型洗衣機(jī)控制器的硬件系統(tǒng)，系統(tǒng)采用MC68HC05B6單片機(jī)作為核心控制部件，它接收來(lái)自操作鍵和各檢測(cè)電路送來(lái)的信號(hào)，輸出相應(yīng)的顯示信號(hào)和半導(dǎo)體功率器件的驅(qū)動(dòng)信號(hào)。表3.4洗滌修正時(shí)間模糊控制規(guī)則表修正時(shí)間臟污性質(zhì)泥性中性負(fù)多負(fù)少負(fù)少零零正少輕中重油性零正少正多臟污程度（4）控制器軟件系統(tǒng)的設(shè)計(jì)

全自動(dòng)洗衣機(jī)模糊控制的軟件系統(tǒng)比較復(fù)雜，其程序設(shè)計(jì)采用模塊化結(jié)構(gòu)，由主程序、子程序和中斷服務(wù)程序組成。外接電源電源電路上電復(fù)位電路過零檢測(cè)電路鍵盤掃描電路過壓欠壓檢測(cè)安全開關(guān)檢測(cè)水位檢測(cè)電路單片機(jī)水溫檢測(cè)電路LED、數(shù)碼管顯示電路驅(qū)動(dòng)電路電機(jī)正轉(zhuǎn)電機(jī)反轉(zhuǎn)電機(jī)調(diào)速進(jìn)水閥排水閥加熱絲蜂鳴器圖3.7硬件系統(tǒng)框圖4.1基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)

多年來(lái)，對(duì)線性、非時(shí)變和具有確定參數(shù)的系統(tǒng)所進(jìn)行的辨識(shí)研究，已經(jīng)取得了很大的進(jìn)展，但被辨識(shí)對(duì)象模型結(jié)構(gòu)的選擇都是建立在線性系統(tǒng)的基礎(chǔ)上。對(duì)于大量復(fù)雜的非線性對(duì)象的辨識(shí)，一直未能很好地解決。由于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性特性和自學(xué)習(xí)能力，所以它在這一方面具有很大的潛力，為解決復(fù)雜非線性、不確定性系統(tǒng)的辨識(shí)問題開辟了一條有效的途徑?；谏窠?jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)，就是利用神經(jīng)網(wǎng)絡(luò)作為被辨識(shí)對(duì)象的模型，它可以實(shí)現(xiàn)對(duì)線性與非線性、靜態(tài)與動(dòng)態(tài)系統(tǒng)的離線或在線辨識(shí)。第4章基于神經(jīng)網(wǎng)絡(luò)的智能控制技術(shù)

一般說來(lái)，神經(jīng)網(wǎng)絡(luò)用于控制有兩種方式：一種是利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)系統(tǒng)建模，有效地辨識(shí)系統(tǒng)；另一種就是將神經(jīng)網(wǎng)絡(luò)直接作為控制器使用，以取得滿意的控制效果。4.1.1基于神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的基本概念（1）系統(tǒng)辨識(shí)的基本概念L.A.Zadeh曾給辨識(shí)下過定義：“辨識(shí)就是在輸入和輸出數(shù)據(jù)的基礎(chǔ)上，從一組給定的模型中，確定一個(gè)與所測(cè)系統(tǒng)等價(jià)的模型?！?/p>

①數(shù)據(jù)：能觀測(cè)到的被辨識(shí)系統(tǒng)的輸入/輸出數(shù)據(jù)；

根據(jù)以上關(guān)于辨識(shí)的定義可知，辨識(shí)有三大要素：

②模型類：待尋找模型的范圍；

③等價(jià)準(zhǔn)則：辨識(shí)的優(yōu)化目標(biāo)，用來(lái)衡量模型與實(shí)際系統(tǒng)的接近情況。

設(shè)一個(gè)離散非時(shí)變系統(tǒng)，其輸入和輸出分別為u(k)和y(k)，辨識(shí)問題可描述為尋求一個(gè)數(shù)學(xué)模型，使得模型的輸出與被辨識(shí)系統(tǒng)的輸出y(k)之差滿足規(guī)定的要求，如圖4.1所示。

在進(jìn)行辨識(shí)系統(tǒng)時(shí)要遵循以下幾個(gè)基本原則。②模型的選擇原則①輸入信號(hào)的選擇原則被辨識(shí)系統(tǒng)辨識(shí)模型圖4.1系統(tǒng)辨識(shí)原理圖

模型只是在某種意義下對(duì)實(shí)際系統(tǒng)的一種近似描述，它的確定要兼顧其精確性和復(fù)雜性，一般選擇能逼近原系統(tǒng)的最簡(jiǎn)模型。

為了能夠辨識(shí)實(shí)際系統(tǒng)，對(duì)輸入信號(hào)的最低要求是在辨識(shí)時(shí)間內(nèi)系統(tǒng)的動(dòng)態(tài)過程必須被輸入信號(hào)持續(xù)激勵(lì)，反映在頻譜上，要求輸入信號(hào)的頻率必須足以覆蓋系統(tǒng)的頻譜，更進(jìn)一步的要求是輸入信號(hào)應(yīng)能使給定問題的辨識(shí)模型精度足夠高。③誤差準(zhǔn)則的選擇原則其中，L為數(shù)據(jù)的長(zhǎng)度，f(?)是e(k)的函數(shù)，一般選平方函數(shù)，即根據(jù)圖4.1可知

由于e2(k)通常是關(guān)于模型參數(shù)的非線性函數(shù)。因此，在這種誤差準(zhǔn)則意義下，辨識(shí)問題可歸結(jié)為非線性函數(shù)的最優(yōu)化問題。

作為衡量模型是否接近實(shí)際系統(tǒng)的標(biāo)準(zhǔn)，誤差準(zhǔn)則通常表示為一個(gè)誤差的泛函，記作（2）神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)的特點(diǎn)

基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)，就是選擇適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)作為被控對(duì)象或生產(chǎn)過程（線性或非線性）的模型或逆模型。

與傳統(tǒng)的辨識(shí)方法相比較，神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)辨識(shí)具有以下的特點(diǎn)：

①神經(jīng)網(wǎng)絡(luò)本身作為一種辨識(shí)模型，其可調(diào)參數(shù)反映在網(wǎng)絡(luò)內(nèi)部的連接權(quán)上，因此不再要求建立實(shí)際系統(tǒng)的結(jié)構(gòu)模型，即可以省去對(duì)模型的結(jié)構(gòu)、階次（維數(shù)）辨識(shí)這一步驟；

②可以對(duì)本質(zhì)非線性系統(tǒng)進(jìn)行辨識(shí)，辨識(shí)過程在網(wǎng)絡(luò)外部表現(xiàn)為對(duì)系統(tǒng)輸入/輸出數(shù)據(jù)的擬合，而在網(wǎng)絡(luò)內(nèi)部則是通過歸納隱含在輸入/輸出數(shù)據(jù)中的系統(tǒng)特性加以完成的；

③辨識(shí)的收斂速度不依賴于待辨識(shí)系統(tǒng)的維數(shù)，只與神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及所采用的學(xué)習(xí)算法有關(guān)；傳統(tǒng)的辨識(shí)算法一般會(huì)隨模型維數(shù)的增大而變得非常復(fù)雜；

神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)可以分為在線辨識(shí)和離線辨識(shí)兩種，在線辨識(shí)是在系統(tǒng)實(shí)際運(yùn)行過程中完成的，辨識(shí)過程要求具有實(shí)時(shí)性。離線辨識(shí)是在取得系統(tǒng)的輸入/輸出數(shù)據(jù)后進(jìn)行辨識(shí)，因此，辨識(shí)過程與實(shí)際系統(tǒng)的運(yùn)行是分離的，無(wú)實(shí)時(shí)性要求。離線辨識(shí)能使網(wǎng)絡(luò)在系統(tǒng)工作前，預(yù)先完成學(xué)習(xí)，但輸入/輸出訓(xùn)練集很難覆蓋系統(tǒng)所有可能的工作范圍，而且難以反應(yīng)系統(tǒng)在工作過程中的參數(shù)變化。

在實(shí)際運(yùn)用中，一般是先進(jìn)行離線訓(xùn)練，得到網(wǎng)絡(luò)的權(quán)系數(shù)，然后再進(jìn)行在線學(xué)習(xí)，將得到的權(quán)值作為在線學(xué)習(xí)的初始權(quán)值，以便加快后者的學(xué)習(xí)過程。由于神經(jīng)網(wǎng)絡(luò)所具有的自學(xué)習(xí)能力，使得在被辨識(shí)系統(tǒng)特性變化的情況下，神經(jīng)網(wǎng)絡(luò)能通過不斷地調(diào)整權(quán)值和閾值，自適應(yīng)地跟蹤被辨識(shí)系統(tǒng)的變化。

④在辨識(shí)過程中，系統(tǒng)模型的參數(shù)對(duì)應(yīng)于神經(jīng)網(wǎng)絡(luò)中的權(quán)值、閾值，通過調(diào)節(jié)這些權(quán)值、閾值即可使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出。4.1.2基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)1.正向模型辨識(shí)

所謂正向模型是指利用多層前饋神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練或?qū)W習(xí)，使其能夠表達(dá)系統(tǒng)正向動(dòng)力學(xué)特性的模型。圖4.2給出了獲得系統(tǒng)正向模型的網(wǎng)絡(luò)結(jié)構(gòu)示意圖。其中神經(jīng)網(wǎng)絡(luò)與待辨識(shí)系統(tǒng)并聯(lián)，兩者的輸出誤差e被用作網(wǎng)絡(luò)的訓(xùn)練信號(hào)。顯然，這是一個(gè)典型的有監(jiān)督學(xué)習(xí)問題，實(shí)際系統(tǒng)作為教師，向神經(jīng)網(wǎng)絡(luò)提供學(xué)習(xí)算法所需的期望輸出。一般可選BP及其改進(jìn)算法對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。動(dòng)態(tài)系統(tǒng)NN圖4.2正向模型注意：

②輸入/輸出數(shù)據(jù)對(duì)的使用要合理；

③網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)要根據(jù)其學(xué)習(xí)能力和泛化能力共同確定。2.逆模型辨識(shí)

建立動(dòng)態(tài)系統(tǒng)的逆模型，在神經(jīng)網(wǎng)絡(luò)控制中起著關(guān)鍵的作用，并且得到了最廣泛的應(yīng)用，這在下節(jié)中將進(jìn)行詳細(xì)介紹。

下面首先討論神經(jīng)網(wǎng)絡(luò)逆建模的輸入輸出結(jié)構(gòu)，然后介紹兩類具體的逆建模方法。

①NN的輸入不僅有u(k),u(k-1),，u(k-m+1)，而且有y(k),y(k-1),,y(k-n+1)；輸出為y(k+1)，即NN要模仿的非線性關(guān)系為y(k+1)=f[y(k),,y(k-n+1);u(k),,u(k-m+1)]

假定上式中的非線性函數(shù)f可逆，則在數(shù)學(xué)層面上容易推出上式中出現(xiàn)了k+1時(shí)刻的輸出值y(k+1)。由于在k時(shí)刻不可能知道y(k+1)的值，因此一般用k+1時(shí)刻的期望輸出yd(k+1)來(lái)代替y(k+1)的值。因?yàn)閷?duì)于輸出而言，其任意時(shí)刻的期望值總可以預(yù)先求出。此時(shí)，上式變?yōu)閡(k)=f-1[y(k+1),,y(k-n+1);u(k-1),,u(k-m+1)]

如果將u(k-1),,u(k-m+1);y(k),,y(k-n+1),yd(k+1)作為網(wǎng)絡(luò)的輸入，u(k)作為網(wǎng)絡(luò)的輸出，那么利用靜態(tài)前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行逆建模過程，事實(shí)上也就變成了通過學(xué)習(xí)逼近上述非線性函數(shù)f-1(?)的過程。u(k)=f-1[y(k),,y(k-n+1),yd(k+1);u(k-1),,u(k-m+1)]（1）直接逆建模

直接逆建模也稱為廣義逆學(xué)習(xí)（GeneralizedInverseLearning），其結(jié)構(gòu)如圖4.3所示。動(dòng)態(tài)系統(tǒng)NN圖4.3直接逆建模

從原理上說，這是一種最簡(jiǎn)單的方法。由圖4.3可以看出，擬辨識(shí)動(dòng)態(tài)系統(tǒng)的輸出作為網(wǎng)絡(luò)的輸入，將網(wǎng)絡(luò)輸出與系統(tǒng)輸入進(jìn)行比較后的誤差作為訓(xùn)練信號(hào)，因而網(wǎng)絡(luò)將通過學(xué)習(xí)建立起擬辨識(shí)動(dòng)態(tài)系統(tǒng)的逆模型。注意：

①所辨識(shí)的非線性系統(tǒng)有可能是不可逆的，這時(shí)利用上述方法不可能得到一個(gè)正確的逆模型。因此，在建立系統(tǒng)的逆模型時(shí)，可逆性必須首先假定；

②建立逆動(dòng)力學(xué)神經(jīng)網(wǎng)絡(luò)模型時(shí)，網(wǎng)絡(luò)學(xué)習(xí)所需的樣本集一般很難確定，因?yàn)閷?shí)際工作時(shí)輸入信號(hào)很難先驗(yàn)給出；

③在系統(tǒng)辨識(shí)中為保證參數(shù)估計(jì)算法一致收斂，一個(gè)持續(xù)的輸入信號(hào)必須提供。盡管對(duì)傳統(tǒng)自適應(yīng)控制已經(jīng)提出了許多確保持續(xù)激勵(lì)的條件，但對(duì)神經(jīng)網(wǎng)絡(luò)，這一問題仍有待于進(jìn)一步研究。

由于實(shí)際工作范圍內(nèi)的系統(tǒng)輸入u(k)不可能預(yù)先確定，而相應(yīng)的持續(xù)激勵(lì)信號(hào)又難以設(shè)計(jì)，這就使該方法在應(yīng)用時(shí)，有可能給出一個(gè)不可靠的逆模型，為此一般采用以下建模方法。（2）正–逆建模動(dòng)態(tài)系統(tǒng)NN圖4.4正–逆建模正向模型

正–逆建模也稱為狹義逆學(xué)習(xí)（SpecializedInverseLearning），其結(jié)構(gòu)如圖4.4所示。

此時(shí)待辨識(shí)對(duì)象的逆模型（NN）位于動(dòng)態(tài)系統(tǒng)前面，并與之串聯(lián)。網(wǎng)絡(luò)的訓(xùn)練誤差或者為系統(tǒng)期望輸出yd(k)與系統(tǒng)實(shí)際輸出y(k)之差，或者為系統(tǒng)期望輸出yd(k)與已建神經(jīng)網(wǎng)絡(luò)正向模型的輸出yN(k)之差，即或其中神經(jīng)網(wǎng)絡(luò)正向模型可由前面討論的方法給出。

該方法的特點(diǎn)是：通過使用系統(tǒng)已知的正向動(dòng)力學(xué)模型，或使用已建神經(jīng)網(wǎng)絡(luò)正向模型，避免采用系統(tǒng)輸入產(chǎn)生訓(xùn)練誤差，從而使待辨識(shí)神經(jīng)網(wǎng)絡(luò)仍然根據(jù)期望輸出進(jìn)行學(xué)習(xí)。這就從根本上克服了必須使用系統(tǒng)輸入才能產(chǎn)生訓(xùn)練誤差所帶來(lái)的問題。

此外，對(duì)于系統(tǒng)不可逆的情況，利用此法也可通過學(xué)習(xí)得到一個(gè)具有期望性能的特殊逆模型。4.2基于神經(jīng)網(wǎng)絡(luò)的控制

在現(xiàn)代控制系統(tǒng)中，隨著工程研究的深入，控制理論所面臨的問題日益復(fù)雜多變，主要表現(xiàn)在控制對(duì)象、控制任務(wù)的日益復(fù)雜化，系統(tǒng)的數(shù)學(xué)模型難以建立。神經(jīng)網(wǎng)絡(luò)由于其強(qiáng)大的非線性映射能力、自學(xué)習(xí)自適應(yīng)能力、聯(lián)想記憶能力、并行信息處理能力以及優(yōu)良的容錯(cuò)能力，使得其非常適用于復(fù)雜系統(tǒng)的建模與控制，特別是當(dāng)系統(tǒng)存在不確定因素時(shí)，更體現(xiàn)了神經(jīng)網(wǎng)絡(luò)方法的優(yōu)越性，它使模型與控制的概念合二為一。

神經(jīng)網(wǎng)絡(luò)除用于系統(tǒng)辨識(shí)之外，另一個(gè)應(yīng)用領(lǐng)域就是直接作為控制器使用。4.2.1基于神經(jīng)網(wǎng)絡(luò)控制的基本原理①采用并行分布信息處理方式，具有很強(qiáng)的容錯(cuò)性。神經(jīng)網(wǎng)絡(luò)具有高度的并行結(jié)構(gòu)和并行實(shí)現(xiàn)能力，因而具有較快的總體處理能力和較好的容錯(cuò)能力，這特別適用于實(shí)時(shí)控制過程；

神經(jīng)網(wǎng)絡(luò)用于控制的優(yōu)越性主要表現(xiàn)在以下幾個(gè)方面：②神經(jīng)網(wǎng)絡(luò)的本質(zhì)是非線性映射，它可以逼近任意非線性函數(shù)，這一特性給非線性控制問題帶來(lái)了新的希望；③通過對(duì)訓(xùn)練樣本的學(xué)習(xí)，可以處理難以用模型或規(guī)則描述的過程和系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)是根據(jù)系統(tǒng)過去的歷史數(shù)據(jù)進(jìn)行訓(xùn)練的，一個(gè)經(jīng)過適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力。因此，神經(jīng)網(wǎng)絡(luò)能夠解決那些用控制算法或控制規(guī)則難以處理的控制問題；④硬件實(shí)現(xiàn)發(fā)展迅速，為提高神經(jīng)網(wǎng)絡(luò)的應(yīng)用開辟了廣闊的前景。神經(jīng)網(wǎng)絡(luò)不僅能通過軟件，而且可借助于硬件電路實(shí)現(xiàn)并行處理。近年來(lái)，由一些超大規(guī)模集成電路實(shí)現(xiàn)的硬件已經(jīng)面市，這使得神經(jīng)網(wǎng)絡(luò)快速、大規(guī)模處理信息的能力進(jìn)一步得到提高。

顯然，神經(jīng)網(wǎng)絡(luò)自身所具有的自學(xué)習(xí)和自適應(yīng)、自組織以及大規(guī)模并行信息處理等特點(diǎn)，使其在自動(dòng)控制領(lǐng)域具有廣闊的應(yīng)用前景。（1）神經(jīng)網(wǎng)絡(luò)前饋控制的基本原理

圖4.5給出了一般反饋控制系統(tǒng)的原理圖。控制器被控對(duì)象圖4.5一般反饋控制系統(tǒng)框圖神經(jīng)網(wǎng)絡(luò)被控對(duì)象圖4.6神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)框圖采用神經(jīng)網(wǎng)絡(luò)作為前饋控制器的系統(tǒng)如圖4.6所示。

設(shè)被控對(duì)象的輸入u和系統(tǒng)輸出y之間滿足如下非線性函數(shù)關(guān)系

控制的目的是確定最佳的控制量輸入u，使系統(tǒng)的實(shí)際輸出y等于期望的輸出r。在該系統(tǒng)中，可把神經(jīng)網(wǎng)絡(luò)的功能看作輸入輸出的某種映射，或稱函數(shù)變換，并設(shè)它的函數(shù)關(guān)系為

為了滿足系統(tǒng)輸出y等于期望的輸出r，由以上兩式可得

顯然，當(dāng)時(shí)，滿足y=r的要求。

由于要采用神經(jīng)網(wǎng)絡(luò)控制的被控對(duì)象一般是復(fù)雜的且大多具有不確定性，因此非線性函數(shù)一般都難以建立。盡管未知，但可以利用神經(jīng)網(wǎng)絡(luò)所具有的逼近任意非線性函數(shù)的能力來(lái)模擬。通過系統(tǒng)的實(shí)際輸出y與期望輸出r之間的誤差來(lái)調(diào)整神經(jīng)網(wǎng)絡(luò)中的連接權(quán)值，即通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，使誤差趨近于零的過程，實(shí)際上就是神經(jīng)網(wǎng)絡(luò)模擬的過程，它實(shí)際上是對(duì)被控對(duì)象的一種求逆過程，由神經(jīng)網(wǎng)絡(luò)建立被控對(duì)象的逆模型，就是神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)直接控制的基本原理。（2）神經(jīng)網(wǎng)絡(luò)在控制系統(tǒng)中的作用