智能控制论文-智能CAD系统.docVIP

智能CAD系统 前言 本文主要探讨智能控制技术的主要方法，并介绍了智能控制在各行各业中的应用以及发展现状，主要针对智能CAD系统进行分析。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在虚拟设计中的应用，以解决用传统的方法难以解决的复杂软件的功能。 智能控制理论的创立和发展是对计算机科学、人工智能、知识工程、模式识别、系统论、信息论、控制论、模糊集合论、人工神经网络、进化论等多种前沿学科、先进技术和科学方法的高度综合集成。 智能CAD是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某种程度人工智能的CAD系统。专家系统主要有开发良好的专家系统的软件工程环境，提高专家系统的开放性和运行效率，以及专家系统的商品化工作。 一、智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有遗传算法、蚁群算法、免疫算法等。1.1  模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。1.2 专家控制CAD是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某种程度人工智能的CAD系统。 专家系统(EXPERT SYSTEM)是一个能在某个特定领域内，用人类专家的知识、经验和能力去解决该领域中复杂困难问题的计算机程序系统。它不同于通常的问题求解系统，其基本思想是使计算机的工作过程能尽量模拟领域专家解决实际问题的过程。专家系统在CAD作业中适时给出智能化提示，告诉设计人员下一步该做什么，当前设计存在的问题，建议解决问题的几何途径；或模拟人的智慧，根据出现的问题提出合理的解决方案。专家系统是基于知识的系统，专家系统技术是知识获取、处理和运用的技术。知识工程是专家系统技术的基础。专家系统通常由知识库、推理机、知识获取系统、解释机构和一些界面组成。 1.3 神经网络控制神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 人工神经网络具有下列特征：①它包含大量的人工神经元，提供了大量可供调节的变量；②信息是分布式存储的，从而提供了联想与全息记忆的能力；③具有高度的自适应能力，高度的容错能力，很强的计算能力以及自组织能力。人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较成功的应用，在工程设计中的应用正在不断地研究发展，如基于人工神经网络的机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的原理在机械工程中的应用等。目前，神经网络和专家系统有联合起来的趋势，神经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系统在知识获取、并行推理、适应性学习、联想推理、容错能力方面明显优于传统的专家系统1.4 学习控制1. 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。2.迭代学习控制迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。二、2.1 工业过程中的智能控制生产过程的智能控制主要包括两个方面局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象 。全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、