智能控制报告

《智能控制报告》由会员分享，可在线阅读，更多相关《智能控制报告（9页珍藏版）》请在装配图网上搜索。

1、智能控制报告姓名 xxx班级 xxx学号 xxxxxxxxxx智能控制的产生及发展 一、智能控制的产生 以经典控制理论和现代控制理论为代表的传统控制理论曾在一段时期成为 控制的、解决现实问题的主导。但随着科技的进步，人们为探索自然，需要面对 更为复杂的对象及高度非线性，不确定的对象。这是传统控制理论无法给予解决 的，所以必须发展新的概念，理论和方法才能适社会应快速发展的需要。智能控 制在这个大的背景下孕育而生。二、智能控制的发展1966 年 J.M.Medal 首先提出将人工智能应用于飞船控制系统的设计；1971 年傅京逊首次提出智能控制这一概念，并归纳了三中类型的智能控制系统：（1）人作为控

2、制器的控制系统，具有自学习性，自组织性，自适应性功能（2）人机结合作为控制器的控制系统。机器完成需要快速完成的常规任务， 人则完成认为分配决策等。（3）无人参与的自主控制系统。为多层的智能控制系统，需要完成问题建模， 求解和规划，如自主机器人。1985 年 IEEE 在美国纽约召开了第一届智能控制研讨会，随后成立了 IEEE 智能 控制专业委员会。1987 年在美国举行第一届国际智能控制大会，标志着智能控 制领域的形成 。20 世纪 90 年底至今，智能控制进入了新的发展时期，随着对 象规模的扩大以人工智能技术、信息论、系统论和控制论的发展，人们试从高层 次研究智能控制，这不仅形成了智能控制的

3、多元化，而且在应用实践方面取得了 重大进展。我国智能控制也兴起于这一时期。智能控制的主要内容1. 什么是专家控制系统？并给出说明。概括说明专家系统（1）专家控制系统：主要指的是一个智能计算机程序系统，其内部含有大 量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经 验方法来处理该领域的高水平难题。也就是说，专家系统是一个具有大量的专门 知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或 多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便 解决那些需要人类专家才能处理好的复杂问题。简而言之，专家系统是一种模拟 人类专家解决领域问题的计算

4、机程序系统。说明：专家控制（Expert Control）是智能控制的一个重要分支，又称专家 智能控制。将专家系统的理论和技术同控制理论的方法与技术相结合，在未知环 境下，仿效专家的经验，实现对系统的控制。专家控制试图在传统控制的基础上 “加入”一个富有经验的控制工程师，实现控制的功能。由知识库和推理机构构 成主体框架，获取与组织控制领域知识（先验经验、动态信息、目标等），某种 策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。1、专家控制的结构如图所示2功能（1）能够满足任意动态过程的控制需要，尤其适用于带有时变、非线性和 强干扰的控制；（2）控制过程可以利用对象的先验知识；（3）

5、通过修改、增加控制规则，可不断积累知识，改进控制性能；（4）可以定性地描述控制系统的性能，如“超调小”、“偏差增大”等；（5）对控制性能可进行解释；（6）可通过对控制闭环中的单元进行故障检测来获取经验规则。3. 分类按专家控制在控制系统中的作用和功能，可将专家控制器分为以下两种类型：（1）直接型专家控制器直接专家控制器用于取代常规控制器，直接控制生产过程或被控对象。 具有模拟（或延伸，扩展）操作工人智能的功能。该控制器的任务和功能相对比 较简单，但是需要在线、实时控制。因此，其知识表达和知识库也较简单，通常 由几十条产生式规则构成，以便于增删和修改。直接型专家控制器的示意图见图中的虚线所示。(

6、2)间接型专家控制器间接型专家控制器用于和常规控制器相结合，组成对生产过程或被控对象 进行间接控制的智能控制系统。具有模拟(或延伸，扩展)控制工程师智能的功 能。该控制器能够实现优化适应、协调、组织等高层决策的智能控制。按照高层 决策功能的性质，间接型专家控制器可分为以下几种类型： 优化型专家控制器：是基于最优控制专家的知识和经验的总结和运用。 通过设置整定值、优化控制参数或控制器，实现控制器的静态或动态优化。 适应型专家控制器：是基于自适应控制专家的知识和经验的总结和运用。 根据现场运行状态和测试数据，相应地调整控制规律，校正控制参数，修改整定 值或控制器，适应生产过程、对象特性或环境条件的

7、漂移和变化。 协调型专家控制器：是基于协调控制专家和调度工程师的知识和经验的 总结和运用。用以协调局部控制器或各子控制系统的运行，实现大系统的全局稳 定和优化。 组织型专家控制器：是基于控制工程的组织管理专家或总设计师的知识 和经验的总结和运用。用以组织各种常规控制器，根据控制任务的目标和要求， 构成所需要的控制系统。间接型专家控制器可以在线或离线运行。通常，优化型、适应型需要在线、 实时、联机运行。协调型、组织型可以离线、非实时运行，作为相应的计算机辅 助系统。间接型专家控制器的示意图如图所示专家控制的特点（1）灵活性：根据系统的工作状态及误差情况，可灵活地选取相应的控制 律；（2）适应性：

8、能根据专家知识和经验，调整控制器的参数，适应对象特性 及环境的变化；（3）鲁棒性：通过利用专家规则，系统可以在非线性、大偏差下可靠地工 作。模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控 制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该方 法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊 化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输 出量加到执行器上。模糊控制系统特点是设计模糊控制器（Fuzzy ControllerFC）模糊控制系统的性能优劣：模糊控制器的结构，模糊规则，合成推理算法， 模糊决策模糊控制

9、的特点为：1）提供了一种实现基于自然语言描述规则的控制规律的新机制。2）提供了一种非线性控制器，这种控制器一般用于控制含有不确定性和难 以用传统非线性理论处理的场合。模糊控制的设计模糊控制器图 1 模糊控制系统示意图 凡采用模糊控制器的系统称为模糊控制系统，对于模糊控制器，是通过定义模糊 变量、模糊集合及相应的隶属度函数，采用一组模糊条件句来描述输入与输出之 间的映射关系。模糊控制器的设计主要包括以下三部分：（1）控制器输入/输出规范化的比例因子设计，实现精确量的模糊化，把语言 变量的语言值化为适当论域上的模糊子集；（2）模糊控制算法的设计，通过一组模糊条件语句构成模糊控制规则，计算 出模糊控

10、制规则确定的模糊关系，并通过模糊推理，给出模糊控制器的 输出模糊集合；（3）控制器输出模糊集合的模糊判决，并通过由（1）确定的输出比例因子确 定出精确的控制量。在控制器实现阶段，要对输入值和输出变量的隶属函数进行定义，建立 控制，进行运算子的确立和选择清晰化方法，然后根据它们进行模糊化、 模糊推理和清晰化操作，从而实现模糊控制。最后进行离线仿真研究和 在线实时模拟实验，检验所设计的模糊控制器是否达到预定的控制目标。 如果没有达到要求，就要对控制器的结构、隶属函数、推理方法等进行 重新设计或调整。设计时要调整的参数有：1）控制的结构；2）隶属函 数的形状位置；3）规则和置信度；4）模糊推理的运算

11、子；5）清晰化方 法。模糊控制器的分类模糊控制的类型有（1）基本模糊控制器：一旦模糊控制表确定之后，控制规则就固定不变了;自适应模糊控制器：在运行中自动修改、完善和调整规则，使被控过程的控制 效果不断提高，达到预期的效果；(3)智能模糊控制器：它把人、人工智能和神经网络三者联系起来， 实现综合信息处理，使系统既具有灵活的推理机制、启发性知识与产生式规则 表示，又具有多种层次、多种类型的控制规律选择三、神经网络控制人工神经网络(简称神经网络，NeuralNetwork)是模拟人脑思维方式的数学 模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人 类大脑神经网络的结构和行为，它

12、从微观结构和功能上对人脑进行抽象和简化， 是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并行信息 处理、学习、联想、模式分类、记忆等。神经网络模型用于模拟人脑神经活动的过程， 其中包括信息的加工处理、存 储和搜索等过程。神经网络是以对信息的分布式存储和并行处理为基础， 它具有 自组织、自学习的功能， 在许多方面更接近人对信息的处理方法， 它具有模拟人 的形象思维的能力， 反映了人脑功能的若干特性。神经网络的研究经历了三十余 年的曲折发展历史。80 年代以来， 神经网络的研究取得了异常迅速的发展， 提 出了许多神经网络理论及其模型。模糊神经网络有如下三种形式： 1逻辑模糊神经网络

13、 2算术模糊神经网络 3混合模糊神经网络四、遗传算法遗传算法简称GA(GeneticAlgorithms)，是1962年由美国Michigan大学H011and 教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜 索最优化方法。遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是：将 待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交 叉 变异 繁殖等操作获得待优化函数的最优或近似最优解 在智能控制中，遗传 算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多 变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题 遗传

14、算法具有可扩展性，可以。同专家系统 模糊控制和神经网络结合，为智能 控制的研究注、入新的活力 如可用遗传算法对模糊控制的控制规则和隶属度函 数进行优化，对神经网络的权值进行优化等。遗传算法的操作过程:遗传算法的特点为:（1）遗传算法是对参数的编码进行操作，而非对参数本身，这就是使得我们在 优化计算过程中可以借鉴生物学中染色体和基因等概念，模仿自然界中生物的遗 传和进化等机理；（2）遗传算法同时使用多个搜索点的搜索信息。传统的优化方法往往是从解空 间的单个初始点开始最优解的迭代搜索过程，单个搜索点所提供的信息不多，搜 索效率不高，有时甚至使搜索过程局限于局部最优解而停滞不前。遗传算法从由 很多个

15、体组成的一个初始群体开始最优解的搜索过程，而不是从一个单一的个体 开始搜索，这是遗传算法所特有的一种隐含并行性，因此遗传算法的搜索效率较 高。（3）遗传算法直接以目标函数作为搜索信息。传统的优化算法不仅需要利用目 标函数值，而且需要目标函数的导数值等辅助信息才能确定搜索方向。而遗传算 法仅使用由目标函数值变换来的适应度函数值，就可以确定进一步的搜索方向和 搜索范围，无需目标函数的导数值等其他一些辅助信息。遗传算法可应用于目标 函数无法求导数或导数不存在的函数的优化问题，以及组合优化问题等。（4）遗传算法使用概率搜索技术。遗传算法的选择、交叉、变异等运算都是以 一种概率的方式来进行的，因而遗传算

16、法的搜索过程具有很好的灵活性。随着进 化过程的进行，遗传算法新的群体会更多地产生出许多新的优良的个体。（5）遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索；（6）遗传算法对于待寻优的函数基本无限制，它既不要求函数连续，也不要求 函数可微，既可以是数学解析式所表示的显函数，又可以是映射矩阵甚至是神经 网络的隐函数，因而应用范围较广；（7）遗传算法具有并行计算的特点，因而可通过大规模并行计算来提高计算速 度，适合大规模复杂问题的优化。总结通过一学期智能控制的学习，让我对自动化这门学科有了更深层次的了解， 学习了模糊控制专家控制和神经网络控制这些经典的智能控制方法。展现了控制 学科

17、对人类思考和记忆能力的模拟方面的研究成果。无论是模拟遗传还是模拟模 糊选择模拟专家知识，这些想法和成就都让人兴奋。我们主要了解了不论什么样 的控制系统都是首先要模拟现实的环境，然后设计出对应不同状况的处理方式来 达到想要实现的目标，这种模型是控制系统最主要的部分。有了主要的控制方式 后，就要有数据的采集模块将现实中的数据或状况输入到模型中进行控制处理， 再将结果输出。了解了控制系统的一般设计结构，控制问题，控制系统的表现形 式，控制系统的分类。感谢老师在课余时间给我们分享的成长经验和人生感悟， 让我对大学的学习和生活有了更深刻的认识，让我受益匪浅。智能控制现已得到了广泛的应用，它将随着基础理论的不断丰富和实际应用 的不断成熟而得到更为广泛的应用，智能控制在21世纪必会得到迅猛的发展。智 能控制这种将包含感知、 思维等各种智能集于一身的技术， 将为并正在为人 类做着巨大贡献，人类对它的研究更加透彻也将更加全面，各种还未涉及 或研究并不成熟的人工智能将被开发，使人工智能技术更趋于成熟，使被 赋予人工智能的机器们更趋于生命化，或者说，人类化。这些机器，拥有 高等的智能，并有强大的运算能力。拥有这种机器，不仅可以替代许多人 类的工作，并且可以由它们做超越人类能力的工作。