智慧型控制[自動控制技術術語]

智慧型控制[自動控制技術術語]

智慧型控制(intelligent controls)是在無人干預的情況下能自主地驅動智慧型機器實現控制目標的自動控制技術。控制理論發展至今已有100多年的歷史,經歷了“經典控制理論”和“現代控制理論”的發展階段,已進入“大系統理論”和“智慧型控制理論”階段。智慧型控制理論的研究和套用是現代控制理論在深度和廣度上的拓展。20世紀80年代以來,信息技術、計算技術的快速發展及其他相關學科的發展和相互滲透,也推動了控制科學與工程研究的不斷深入,控制系統向智慧型控制系統的發展已成為一種趨勢。

簡介

自1971年傅京孫教授提出“智慧型控制”概念以來,智慧型控制已經從二元論(人工智慧和控制論)發展到四元論(人工智慧、模糊集理論、運籌學和控制論),在取得豐碩研究和套用成果的同時,智慧型控制理論也得到不斷的發展和完善。智慧型控制是多學科交叉的學科,它的發展得益於人工智慧、認知科學、模糊集理論和生物控制論等許多學科的發展,同時也促進了相關學科的發展。智慧型控制也是發展較快的新興學科,儘管其理論體系還遠沒有經典控制理論那樣成熟和完善,但智慧型控制理論和套用研究所取得的成果顯示出其旺盛的生命力,受到相關研究和工程技術人員的關注。隨著科學技術的發展,智慧型控制的套用領域將不斷拓展,理論和技術也必將得到不斷的發展和完善。

基本概念

智慧型控制:intelligentcontrols,在無人干預的情況下能自主地驅動智慧型機器實現控制目標的自動控制技術

智慧型控制的定義一:智慧型控制是由智慧型機器自主地實現其目標的過程.而智慧型機器則定義為,在結構化或非結構化的,熟悉的或陌生的環境中,自主地或與人互動地執行人類規定的任務的一種機器.

定義二:K.J.奧斯托羅姆則認為,把人類具有的直覺推理和試湊法等智慧型加以形式化或機器模擬,並用於控制系統的分析與設計中,以期在一定程度上實現控制系統的智慧型化,這就是智慧型控制.他還認為自調節控制,自適應控制就是智慧型控制的低級體現.

定義三:智慧型控制是一類無需人的干預就能夠自主地驅動智慧型機器實現其目標的自動控制,也是用計算機模擬人類智慧型的一個重要領域.

定義四:智慧型控制實際只是研究與模擬人類智慧型活動及其控制與信息傳遞過程的規律,研製具有仿人智慧型的工程控制與信息處理系統的一個新興分支學科。

智慧型控制的核心在高層控制,即組織控制。高層控制是對實際環境或過程進行組織、決策和規劃,以實現問題求解。為了完成這些任務,需要採用符號信息處理、啟發式程式設計、知識表示、自動推理和決策等有關技術。這些問題求解過程與人思維過程有一定的相似性,即具有一定程度的“智慧型”。對許多複雜的系統,難以建立有效的數學模型和用常規的控制理論去進行定量計算和分析

智慧型控制智慧型控制鍵盤
,而必須採用定量方法與定性方法相結合的控制方式。定量方法與定性方法相結合的目的是,要由機器用類似於人的智慧和經驗來引導求解過程。因此,在研究和設計智慧型系統時,主要注意力不放在數學公式的表達、計算和處理方面,而是放在對任務和現實模型的描述、符號和環境的識別以及知識庫和推理機的開發上,即智慧型控制的關鍵問題不是設計常規控制器,而是研製智慧型機器的模型。隨著人工智慧和計算機技術的發展,已經有可能把自動控制和人工智慧以及系統科學中一些有關學科分支(如系統 工程、系統學、運籌學資訊理論)結合起來,建立一種適用於複雜系統的控制理論和技術。智慧型控制正是在這種條件下產生的。它是自動控制技術的最新發展階段,也是用計算機模擬人類智慧型進行控制的研究領域。1965年,傅京孫首先提出把人工智慧的啟發式推理規則用於學習控制系統。1985年,在美國首次召開了智慧型控制學術討論會。1987年又在美國召開了智慧型控制的首屆國際學術會議,標誌著智慧型控制作為一個新的學科分支得到承認。智慧型控制具有交叉學科和定量與定性相結合的分析方法和特點。

發展歷史

自1932年奈魁斯特(H.Nyquist)的有關反饋放大器穩定性論文發表以來,控制理論的發展已走過了60多年的歷程。一般認為,前30年是經典控制理論的發展和成熟階段,後30年是現代控制理論的形成和發展階段。隨著研究的對象和系統越來越複雜,藉助於數學模型描述和分析的傳統控制理論已難以解決複雜系統的控制問題。智慧型控制是針對控制對象及其環境、目標和任務的不確定性和複雜性而產生和發展起來的。

從20世紀60年代起,計算機技術和人工智慧技術迅速發展,為了提高控制系統的自學習能力,控制界學者開始將人工智慧技術套用於控制系統。

1965年,美籍華裔科學家傅京孫教授首先把人工智慧的啟發式推理規則用於學習控制系統,1966年,Mendel進一步在空間飛行器的學習控制系統中套用了人工智慧技術,並提出了“人工智慧控制”的概念。0967年,Leondes和Mendel首先正式使用“智慧型控制”一詞。

20世紀70年代初,傅京孫、Glofis0和Saridis等學者從控制論角度總結了人工智慧技術與自適應、自組織、自學習控制的關係,提出了智慧型控制就是人工智慧技術與控制理論的交叉的思想,並創立了人機互動式分級遞階智慧型控制的系統結構。

20世紀70年代中期,以模糊集合論為基礎,智慧型控制在規則控制研究上取得了重要進展。1974年,Mamdani提出了基於模糊語言描述控制規則的模糊控制器,將模糊集和模糊語言邏輯用於工業過程控制,之後又成功地研製出自組織模糊控制器,使得模糊控制器的智慧型化水平有了較大提高。模糊控制的形成和發展,以及與人工智慧的相互滲透,對智慧型控制理論的形成起了十分重要的推動作用。

20世紀80年代,專家系統技術的逐漸成熟及計算機技術的迅速發展,使得智慧型控制和決策的研究也取得了較大進展。1986年,K.J.Astrom發表的著名論文《專家控制》中,將人工智慧中的專家系統技術引入控制系統,組成了另一種類型的智慧型控制系統——專家控制。目前,專家控制方法已有許多成功套用的實例。

特點

一個系統如果具有感知環境、不斷獲得信息以減小不確定性和計畫、產生以及執行控制行為的能力,即稱為智慧型控制系統. 智慧型控制技術是在向人腦學習的過程中不斷發展起來的,人腦是一個超級智慧型控制系統,具有實時推理、決策、學習和記憶等功能,能適應各種複雜的控制環境。
智慧型控制與傳統的或常規的控制有密切的關係,不是相互排斥的. 常規控制往往包含在智慧型控制之中,智慧型控制也利用常規控制的方法來解決“低級”的控制問題,力圖擴充常規控制方法並建立一系列新的理論與方法來解決更具有挑戰性的複雜控制問題.

智慧型控制智慧型家居報警系統

1. 傳統的自動控制是建立在確定的模型基礎上的,而智慧型控制的研究對象則存在模型嚴重的不確定性,即模型未知或知之甚少者模型的結構和參數在很大的範圍內變動,比如工業過程的病態結構問題、某些干擾的無法預測,致使無法建立其模型,這些問題對基於模型的傳統自動控制來說很難解決.

2. 傳統的自動控制系統的輸入或輸出設備與人及外界環境的信息交換很不方便,希望製造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置,能夠更加深入而靈活地和系統進行信息交流,同時還要擴大輸出裝置的能力,能夠用文字、圖紙、立體形象、語言等形式輸出信息. 另外,通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況. 為擴大信息通道,就必須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器,即文字、聲音、物體識別裝置. 可喜的是,近幾年計算機及多媒體技術的迅速發展,為智慧型控制在這一方面的發展提供了物質上的準備,使智慧型控制變成了多方位“立體”的控制系統.

3. 傳統的自動控制系統對控制任務的要求要么使輸出量為定值(調節系統) ,要么使輸出量跟隨期望的運動軌跡(跟隨系統) ,因此具有控制任務單一性的特點,而智慧型控制系統的控制任務可比較複雜,例如在智慧型機器人系統中,它要求系統對一個複雜的任務具有自動規劃和決策的能力,有自動躲避障礙物運動到某一預期目標位置的能力等. 對於這些具有複雜的任務要求的系統,採用智慧型控制的方式便可以滿足.

4. 傳統的控制理論對線性問題有較成熟的理論,而對高度非線性的控制對象雖然有一些非線性方法可以利用,但不盡人意. 而智慧型控制為解決這類複雜的非線性問題找到了一個出路,成為解決這類問題行之有效的途徑. 工業過程智慧型控制系統除具有上述幾個特點外,又有另外一些特點,如被控對象往往是動態的,而且控制系統線上運動,一般要求有較高的實時回響速度等,恰恰是這些特點又決定了它與其它智慧型控制系統如智慧型機器人系統航空航天控制系統交通運輸控制系統等的區別,決定了它的控制方法以及形式的獨特之處.

5. 與傳統自動控制系統相比,智慧型控制系統具有足夠的關於人的控制策略、被控對象及環境的有關知識以及運用這些知識的能力。

智慧型控制智慧型控制電動襯氟蝶閥

6. 與傳統自動控制系統相比,智慧型控制系統能以知識表示的非數學廣義模型和以數學表示的混合控制過程,採用開閉環控制和定性及定量控制結合的多模態控制方式.

7. 與傳統自動控制系統相比,智慧型控制系統具有變結構特點,能總體自尋優,具有自適應、自組織、自學習和自協調能力.

8. 與傳統自動控制系統相比,智慧型控制系統有補償及自修復能力和判斷決策能力.

總之,智慧型控制系統通過智慧型機自動地完成其目標的控制過程,其智慧型機可以在熟悉或不熟悉的環境中自動地或人─機互動地完成擬人任務。

主要技術方法

智慧型控制是以控制理論、計算機科學人工智慧運籌學等學科為基礎,擴展了相關的理論和技術,其中套用較多的有模糊邏輯、神經網路、專家系統、遺傳算法等理論和自適應控制、自組織控制、自學習控制等技術。

專家系統

專家系統是利用專家知識對專門的或困難的問題進行描述. 用專家系統所構成的專家控制,無論是專家控制系統還是專家控制器,其相對工程費用較高,而且還涉及自動地獲取知識困難、無自學能力、知識面太窄等問題. 儘管專家系統在解決複雜的高級推理中獲得較為成功的套用,但是專家控制的實際套用相對還是比較少。

模糊邏輯

模糊邏輯用模糊語言描述系統,既可以描述套用系統的定量模型也可以描述其定性模型. 模糊邏輯可適用於任意複雜的對象控制. 但在實際套用中模糊邏輯實現簡單的套用控制比較容易. 簡單控制是指單輸入單輸出系統(SISO) 或多輸入單輸出系統(MISO) 的控制. 因為隨著輸入輸出變數的增加,模糊邏輯的推理將變得非常複雜。

遺傳算法

遺傳算法作為一種非確定的擬自然隨機最佳化工具,具有並行計算、快速尋找全局最優解等特點,它可以和其他技術混合使用,用於智慧型控制的參數、結構或環境的最優控制。

神經網路

神經網路是利用大量的神經元按一定的拓撲結構和學習調整方法. 它能表示出豐富的特性:並行計算、分布存儲、可變結構、高度容錯、非線性運算、自我組織、學習或自學習等. 這些特性是人們長期追求和期望的系統特性. 它在智慧型控制的參數、結構或環境的自適應、自組織、自學習等控制方面具有獨特的能力. 神經網路可以和模糊邏輯一樣適用於任意複雜對象的控制,但它與模糊邏輯不同的是擅長單輸入多輸出系統和多輸入多輸出系統的多變數控制. 在模糊邏輯表示的SIMO 系統和MIMO 系統中,其模糊推理、解模糊過程以及學習控制等功能常用神經網路來實現.模糊神經網路技術和神經模糊邏輯技術:模糊邏輯和神經網路作為智慧型控制的主要技術已被廣泛套用. 兩者既有相同性又有不同性. 其相同性為:兩者都可作為萬能逼近器解決非線性問題,並且兩者都可以套用到控制器設計中. 不同的是:模糊邏輯可以利用語言信息描述系統,而神經網路則不行;模糊邏輯套用到控制器設計中,其參數定義有明確的物理意義。

智慧型控制智慧型變送器掌上編程器

因而可提出有效的初始參數選擇方法;神經網路的初始參數(如權值等) 只能隨機選擇. 但在學習方式下,神經網路經過各種訓練,其參數設定可以達到滿足控制所需的行為. 模糊邏輯和神經網路都是模仿人類大腦的運行機制,可以認為神經網路技術模仿人類大腦的硬體,模糊邏輯技術模仿人類大腦的軟體. 根據模糊邏輯和神經網路的各自特點,所結合的技術即為模糊神經網路技術和神經模糊邏輯技術. 模糊邏輯、神經網路和它們混合技術適用於各種學習方式 智慧型控制的相關技術與控制方式結合或綜合交叉結合,構成風格和功能各異的智慧型控制系統和智慧型控制器是智慧型控制技術方法的一個主要特點。

傳統控制的關係

傳統控制(Conventionalcontrol):經典反饋控制和現代理論控制.它們的主要特徵是基於精確的系統數學模型的控制.適於解決線性,時不變等相對簡單的控制問題.智慧型控制(Intelligentcontrol)以上問題用智慧型的方法同樣可以解決.智慧型控制是對傳統控制理論的發展,傳統控制是智慧型控制的一個組成部分,在這個意義下,兩者可以統一在智慧型控制的框架下.

研究對象

智慧型控制的研究對象具備以下的一些特點:

1.不確定性的模型

智慧型控制的研究對象通常存在嚴重的不確定性。這裡所說的模型不確定性包含兩層意思:一是模型未知或知之甚少;二是模型的結構和參數可能在很大範圍內變化。 

2.高度的非線性

對於具有高度非線性的控制對象,採用智慧型控制的方法往往可以較好地解決非線性系統的控制問題。

3.複雜的任務要求

對於智慧型控制系統,任務的要求往往比較複雜。

主要套用存在的情況

實際系統由於存在複雜性、非線性、時變性、不確定性和不完全性等,一般無法獲得精確的數學模型。 套用傳統控制理論進行控制必須提出並遵循一些比較苛刻的線性化假設,而這些假設在套用中往往與實際情況不相吻合。對於某些複雜的和飽含不確定性的控制過程,根本無法用傳統數學模型來表示,即無法解決建模問題。為了提高控制性能,傳統控制系統可能變得很複雜,從而增加了設備的投資,減低了系統的可靠性。

各行各業的套用

1.工業過程中的智慧型控制

水族箱智慧型控制器 魚缸控制器水族箱智慧型控制器 魚缸控制器

生產過程的智慧型控制主要包括兩個方面:局部級和全局級。局部級的智慧型控制是指將智慧型引入工藝過程中的某一單元進行控制器設計,例如智慧型PID控制器、專家控制器、神經元網路控制器等。研究熱點是智慧型PID控制器,因為其在參數的整定和線上自適應調整方面具有明顯的優勢,且可用於控制一些非線性的複雜對象。全局級的智慧型控制主要針對整個生產過程的自動化,包括整個操作工藝的控制、過程的故障診斷、規划過程操作處理異常等。

2. 機械製造中的智慧型控制

在現代先進制造系統中,需要依賴那些不夠完備和不夠精確的數據來解決難以或無法預測的情況,人工智慧技術為解決這一難題提供了有效的解決方案。智慧型控制隨之也被廣泛地套用於機械製造行業,它利用模糊數學、神經網路的方法對製造過程進行動態環境建模,利用感測器融合技術來進行信息的預處理和綜合。可採用專家系統的“Then-If”逆向推理作為反饋機構,修改控制機構或者選擇較好的控制模式和參數。利用模糊集合和模糊關係的魯棒性,將模糊信息集成到閉環控制的外環決策選取機構來選擇控制動作。利用神經網路的學習功能和並行處理信息的能力,進行線上的模式識別,處理那些可能是殘缺不全的信息。

3.電力電子學研究領域中的智慧型控制

電力系統中發電機、變壓器、電動機等電機電器設備的設計、生產、運行、控制是一個複雜的過程,國內外的電氣工作者將人工智慧技術引入到電氣設備的最佳化設計、故障診斷及控制中,取得了良好的控制效果。遺傳算法是一種先進的最佳化算法,採用此方法來對電器設備的設計進行最佳化,可以降低成本,縮短計算時間,提高產品設計的效率和質量。套用於電氣設備故障診斷的智慧型控制技術有:模糊邏輯、專家系統和神經網路。在電力電子學的眾多套用領域中,智慧型控制在電流控制PWM技術中的套用是具有代表性的技術套用方向之一,也是研究的新熱點之一。

集成或者(複合)混合控制

幾種方法和機制往往結合在一起,用於一個實際的智慧型控制系統或裝置,從而建立起混合或集成的智慧型控制系統.

分級遞階控制系統 :分級遞階智慧型控制是在自適應控制和自組織控制基礎上,由美國普渡大學Saridis提出的智慧型控制理論.分級遞階智慧型控制(Hierarchical Intelligent Control)主要由三個控制級組成,按智慧型控制的高低分為組織級,協調級,執行級,並且這三級遵循"伴隨智慧型遞降精度遞增"原則。

組織級(organization level):組織級通過人機接口和用戶(操作員)進行互動,執行最高決策的控制功能,監視並指導協調級和執行級的所有行為,其智慧型程度最高.

協調級(Coordination level):協調級可進一步劃分為兩個分層:控制管理分層和控制監督分層.

執行級(executive level):執行級的控制過程通常是執行一個確定的動作.

專家控制系統(Expert System)

15寸kvm智慧型控制平台15寸kvm智慧型控制平台

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通常源於豐富的經驗,以及他們處理問題的詳細專業知識.

專家系統主要指的是一個智慧型電腦程式系統,其內部含有大量的某個領域專家水平的知識與經驗,能夠利用人類專家的知識和解決問題的經驗方法來處理該領域的高水平難題.它具有啟發性,透明性,靈活性,符號操作,不一確定性推理等特點.套用專家系統的概念和技術,模擬人類專家的控制知識與經驗而建造的控制系統,稱為專家控制系統.

專家系統是利用專家知識對專門的或困難的問題進行描述. 用專家系統所構成的專家控制,無論是專家控制系統還是專家控制器,其相對工程費用較高,而且還涉及自動地獲取知識困難、無自學能力、知識面太窄等問題. 儘管專家系統在解決複雜的高級推理中獲得較為成功的套用,但是專家控制的實際套用相對還是比較少。

人工神經網路控制系統

神經網路是指由大量與生物神經系統的神經細胞相類似的人工神經元互連而組成的網路;或由大量象生物神經元的處理單元並聯互連而成.這種神經網路具有某些智慧型和仿人控制功能.

學習算法是神經網路的主要特徵,也是當前研究的主要課題.學習的概念來自生物模型,它是機體在複雜多變的環境中進行有效的自我調節.神經網路具備類似人類的學習功能.一個神經網路若想改變其輸出值,但又不能改變它的轉換函式,只能改變其輸人,而改變輸人的唯一方法只能修改加在輸人端的加權係數.

神經網路的學習過程是修改加權係數的過程,最終使其輸出達到期望值,學習結束.常用的學習算法有:Hebb學習算法,widrow Hoff學習算法,反向傳播學習算法一BP學習算法,Hopfield反饋神經網路學習算法等。

神經網路是利用大量的神經元按一定的拓撲結構和學習調整方法. 它能表示出豐富的特性:並行計算、分布存儲、可變結構、高度容錯、非線性運算、自我組織、學習或自學習等. 這些特性是人們長期追求和期望的系統特性. 它在智慧型控制的參數、結構或環境的自適應、自組織、自學習等控制方面具有獨特的能力. 神經網路可以和模糊邏輯一樣適用於任意複雜對象的控制,但它與模糊邏輯不同的是擅長單輸入多輸出系統和多輸入多輸出系統的多變數控制. 在模糊邏輯表示的SIMO 系統和MIMO 系統中,其模糊推理、解模糊過程以及學習控制等功能常用神經網路來實現.模糊神經網路技術和神經模糊邏輯技術:模糊邏輯和神經網路作為智慧型控制的主要技術已被廣泛套用. 兩者既有相同性又有不同性. 其相同性為:兩者都可作為萬能逼近器解決非線性問題,並且兩者都可以套用到控制器設計中. 不同的是:模糊邏輯可以利用語言信息描述系統,而神經網路則不行;模糊邏輯套用到控制器設計中,其參數定義有明確的物理意義,因而可提出有效的初始參數選擇方法;神經網路的初始參數(如權值等) 只能隨機選擇. 但在學習方式下,神經網路經過各種訓練,其參數設定可以達到滿足控制所需的行為. 模糊邏輯和神經網路都是模仿人類大腦的運行機制,可以認為神經網路技術模仿人類大腦的硬體,模糊邏輯技術模仿人類大腦的軟體. 根據模糊邏輯和神經網路的各自特點,所結合的技術即為模糊神經網路技術和神經模糊邏輯技術. 模糊邏輯、神經網路和它們混合技術適用於各種學習方式 智慧型控制的相關技術與控制方式結合或綜合交叉結合,構成風格和功能各異的智慧型控制系統和智慧型控制器是智慧型控制技術方法的一個主要特點.

模糊控制系統

所謂模糊控制,就是在被控制對象的模糊模型的基礎上,運用模糊控制器近似推理手段,實現系統控制的一種方法.模糊模型是用模糊語言和規則描述的一個系統的動態特性及性能指標.

模糊控制的基本思想是用機器去模擬人對系統的控制.它是受這樣事實而啟發的:對於用傳統控制理論無法進行分析和控制的複雜的和無法建立數學模型的系統,有經驗的操作者或專家卻能取得比較好的控制效果,這是因為他們擁有日積月累的豐富經驗,因此人們希望把這種經驗指導下的行為過程總結成一些規則,並根據這些規則設計出控制器.然後運用模糊理論,模糊語言變數和模糊邏輯推理的知識,把這些模糊的語言上升為數值運算,從而能夠利用計算機來完成對這些規則的具體實現,達到以機器代替人對某些對象進行自動控制的目的。

模糊邏輯用模糊語言描述系統,既可以描述套用系統的定量模型也可以描述其定性模型. 模糊邏輯可適用於任意複雜的對象控制. 但在實際套用中模糊邏輯實現簡單的套用控制比較容易. 簡單控制是指單輸入單輸出系統(SISO) 或多輸入單輸出系統(MISO) 的控制. 因為隨著輸入輸出變數的增加,模糊邏輯的推理將變得非常複雜。 學習控制系統

學習是人類的主要智慧型之一,人類的各項活動也需要學習.在人類的進化過程中,學習功能起著十分重要的作用.學習控制正是模擬人類自身各種優良的控制調節機制的一種嘗試. 所謂學習是一種過程,它通過重複輸人信號,並從外部校正該系統,從而使系統對特定輸人具有特定回響.學習控制系統是一個能在其運行過程中逐步獲得受控過程及環境的非預知信息,積累控制經驗,並在一定的評價標準下進行估值,分類,決策和不斷改善系統品質的自動控制系統。

(1)遺傳算法學習控制 智慧型控制是通過計算機實現對系統的控制,因此控制技術離不開最佳化技術。快速、高效、全局化的最佳化算法是實現智慧型控制的重要手段。遺傳算法是模擬自然選擇和遺傳機制的一種搜尋和最佳化算法,它模擬生物界/生存競爭,優勝劣汰,適者生存的機制,利用複製、交叉、變異等遺傳操作來完成尋優。遺傳算法作為最佳化搜尋算法,一方面希望在寬廣的空間內進行搜尋,從而提高求得最優解的機率;另一方面又希望向著解的方向儘快縮小搜尋範圍,從而提高搜尋效率。如何同時提高搜尋最優解的機率和效率,是遺傳算法的一個主要研究方向。遺傳算法作為一種非確定的擬自然隨機最佳化工具,具有並行計算、快速尋找全局最優解等特點,它可以和其他技術混合使用,用於智慧型控制的參數、結構或環境的最優控制。

(2)疊代學習控制 疊代學習控制模仿人類學習的方法、即通過多次的訓練,從經驗中學會某種技能,來達到有效控制的目的。疊代學習控制能夠通過一系列疊代過程實現對二階非線性動力學系統的跟蹤控制。整個控制結構由線性反饋控制器和前饋學習補償控制器組成,其中線性反饋控制器保證了非線性系統的穩定運行、前饋補償控制器保證了系統的跟蹤控制精度。它在執行重複運動的非線性機器人系統的控制中是相當成功的。

發展趨勢

智慧型控制是自動控制理論發展的必然趨勢。人工智慧為智慧型控制的產生提高了機遇。

自動控制理論是人類在征服自然,改造自然的鬥爭中形成和發展的.控制理論從形成發展至今,已經經歷多年的歷程,分為三個階段.第一階段是以上世紀40年代興起的調節原理為標誌,稱為經典控制理論階段;第二階段以60年代興起的狀態空間法為標誌,稱為現代控制理論階段;第三階段則是80年代興起的智慧型控制理論階段.

傅京孫在1971年指出,方了解決智慧型控制的問題,用嚴格的數學方法研究發展新的工具,對複雜的"環境-對象"進行建模和識別,以實現最優控制,或者用人工智慧的啟發式思想建立對不能精確定義的環境和任務的控制設計方法.這兩者都值得一試,而更重要的也許還是把這兩種途徑緊密地結合起來,協調地進行研究.也就是說,對於複雜的環境和複雜的任務,如何,將人工智慧技術中較少依賴模型的問題的求解方法與常規的控制方法相結合,這正是智慧型控制所要解決的問題.

Saridis在學習控制系統研究的基礎上,提出了分級遞階和智慧型控制結構,整個結構自上而下分為組織級,協調級和執行級三個層次,其中執行級是面向設備參數的基礎自動化級,在這一級不存在結構性的不確定性,可以用常規控制理論的方法設計.協調級實際上是一個離散事件動態系統,主要運用運籌學的方法研究.組織級涉及感知環境和追求目標的高層決策等類似於人類智慧型的功能,可以借鑑人工智慧的方法來研究.因此,Saridis將傅京孫關於智慧型控制是人工智慧與自動控制相結合的提法發展為:智慧型控制是人工智慧,運籌學和控制系統理論三者的結合.

1985年8月,IHE在美國紐約召開了第一屆智慧型控制學術討論會,智慧型控制原理和智慧型控制系統的結構這一提法成為這次會議的主要議題.這次會議決定,在IEEE控制系統學會下設立一個IEEE智慧型控制專業委員會.這標誌著智慧型控制這一新興學科研究領域的正式誕生.智慧型控制作為一門獨立的學科,己正式在國際上建立起來.智慧型技術在國內也受到廣泛重視,中國自動化學會等於1993年8月在北京召開了第一屆全球華人智慧型控制與智慧型自動化大會,1995年8月在天津召開了智慧型自動化專業委員會成立大會及首屆中國智慧型自動化學術會議,1997年6月在西安召開了第二屆全球華人智慧型控制與智慧型自動化大會.

近年來,智慧型控制技術在國內外已有了較大的發展,己進入工程化,實用化的階段.但作為一門新興的理論技術,它還處在一個發展時期.然而,隨著人工智慧技術,計算機技術的迅速發展,智慧型控制必將迎來它的發展新時期.

相關書籍

基本信息

教材封面教材封面

作 者:劉金琨編著

出版社:電子工業出版社

出版時間:2005-5-1

字 數:378000

版 次:1

頁 數:223

紙 張:膠版紙

ISBN:9787121011184

包 裝:平裝

所屬分類:圖書>>計算機/網路>>人工智慧定價:¥21.00

內容簡介

本書全面地敘述智慧型控制的基本理論、方法和套用。全書共10章,主要內容為:專家控制的基本原理和套用;模糊控制的基本原理和套用;神經網路控制的基本原理和套用;遺傳算法及其套用等。 

本書系統性強,突出理論聯繫實際,敘述深入淺出,書中給出了一些智慧型算法的Matlab仿真程式,並配有一定數量的習題和上機操作題。 

本書可作為高等院校自動化、計算機套用、電子工程等專業研究生和高年級本科生的教材,也可供從事自動化領域工俄工程技術人員閱讀和參考。

目錄

第1章結論

1.1智慧型控制的發展過程

1.2智慧型控制的幾個重要分支

1.3智慧型控制的特點、研究工具

思考題與習題

第2章專家控制

2.1專家系統

2.2專家控制

2.3專家PID控制

思考題與習題

第3章模糊控制的理論基礎

3.1概述

3.2模糊集合

3.3隸屬函式

3.4模糊關係及其運算

3.5模糊推理

思考題與習題

附錄(程式代碼)

第4章模糊控制

4.1模糊控制的基本原理

4.2模糊控制系統分類

4.3模糊控制器的設計

4.4模糊控制套用實例——洗衣機的模糊控制

4.5模糊自適應整定PID控制

4.6sugeno模糊模型

4.7基於Sugeno模糊模型的倒立擺模糊控制

4.8模糊控制的套用

4.9模糊控制發展概況

思考題與習題

附錄(程式代碼)

第5章自適應模糊控制

5.1模糊逼近

5.2間接自適應模糊控制

5.3直接自適應模糊控制

思考題與習題

附錄(程式代碼)

第6章神經網路的理論基礎

6.1神經網路發展簡史

6.2神經網路原理

6.3神經網路的分類

6.4神經網路學習算法

6.5神經網路的特徵及要素

6.6神經網路控制的研究領域

思考題與習題

第7章 典型神經網路

7.1單神經元網路

7.2BP神經網路

7.3RBF神經網路

7.4回歸神經網路

思考題

附錄(程式代碼)

第8章高級神經網路

8.1模糊RBF網路

8.2pi-sigma神經網路

8.3小腦模型神經網路

8.4Hopfield網路

思考題與習題

附錄(程式代碼)

第9章神經網路控制

9.1概述

9.2神經網路控制的結構

9.3單神經元自適應控制

9.4RBF網路監督控制

9.5RBF網路自校正控制

9.6基於RBF網路直接模型參考自適應控制

思考題與習題附錄(程式代碼)

第10章遺傳算法及其套用

10.1遺傳算法的基本原理

10.2遺傳算法的特點

10.3遺傳算法的發展及套用

10.4遺傳算法的最佳化設計

10.5遺傳算法求函式極大值

10.6基於遺傳算法最佳化的RBF網路逼近

思考題與習題

附錄(程式代碼)

參考文獻

相關詞條

熱門詞條

聯絡我們