智能控制技术的现状与发展研讨.pptVIP

智能控制技术的现状与发展 报告人 许丽佳 报告时间 2005-12-2 智能控制技术的发展概况 基于专家系统的智能控制 分层递阶智能控制 模糊逻辑控制 神经网络控制 学习控制 　智能控制技术的体系结构 智能控制的概念 智能控制的概念主要是针对被控系统的高度复杂性、高度不确定性及人们要求越来越高的控制性能提出来的 智能控制至今尚无一个公认的统一定义。 智能控制二元交集论 傅京孙(Ｋ.Ｓ.Ｆｕ)于1971年提出智能控制二元交集论。他把智能控制概括为自动控制与人工智能的交集 ＩＣ=ＡＣ∩ＡＩ ＩＣ：智能控制(intelligent control) ＡＣ：自动控制(automatic control) ＡＩ：人工智能(artificial intelligence) 强调的是人工智能中“仿人”的概念与自动控制的结合。 智能控制二元交集论 　智能控制三元交集论 Ｓａｒｉｄｉｓ等人于1977年提出了智能控制三元交集论。认为智能控制是人工智能、自动控制和运筹学的交集 ＩＣ=ＡＣ∩ＡＩ∩ＯＲ ＯＲ表示运筹学(ｏｐｅｒａｔｉｏｎｒｅｓｅａｒｃｈ) 在三元交集论中除“智能”与“控制”之外,还强调了更高层次控制中调度、规划和管理的作用。 智能控制三元交集论 　智能控制四元交集论 近年来蔡自兴提出了智能控制四元交集论，认为智能控制是人工智能、自动控制、信息论及运筹学的交集 智能控制概述 可以看出,智能控制是一类无需(或仅需很少的)人的干预就能够独立的驱动智能机器实现其目标的自动控制。 三个基本要素是:智能信息、智能反馈、智能决策 [智能信息]∩[智能反馈]∩[智能决策] ∈ 智能控制 自动控制使人们从繁重的体力劳动中解放出来；智能控制将人们从复杂的脑力劳动中解放出来 智能控制的性能 学习能力 系统对一个未知环境提供的信息进行识别、记忆、学习,并利用积累的经验进一步改善自身性能的能力 适应功能 具有适应受控对象动力学特性变化、环境变化和运行条件变化的能力 组织功能 对于复杂任务和分散的传感信息具有自组织和协调功能,使系统具有主动性和灵活性 　智能控制的特点 应能对复杂系统(如非线性、快时变、复杂多变量、环境扰动等)进行有效的全局控制,并具有较强的容错能力 定性决策和定量控制相结合其基本目的是从系统的功能和整体优化的角度来分析和综合系统,以实现预定的目标,并应具有自组织能力 同时具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程 智能控制系统的类型 ①分级递阶智能控制系统 ②专家控制系统 ③模糊控制系统 ④神经网络控制系统 ⑤基于规则的仿人智能控制系统 ⑥学习控制系统 ⑦集成智能控制系统 ⑧组合智能控制系统。 智能控制的一般结构 　分级递阶智能控制结构 是智能控制的最早理论之一 递阶控制系统是指系统的各个子系统的控制作用是由按照一定优先级和从属关系安排的决策单元实现的 同级的各决策单元可以同时平行工作并对下级施加作用,它们又要受到上级的干预 子系统可通过上级互相交换信息。 分级递阶智能控制 当系统由若干个可分的相互关联的子系统组成时,可按所有决策单元按一定支配关系递阶排列 同一级各单元要受上一级单元的干预,同时又对下一级决策单元施加影响 多层描述是对一个复杂系统的决策问题纵向分解,按任务复杂程度分成若干子决策层 多级描述则考虑到各子系统的关联,将决策问题进行横向分解 模糊逻辑控制 不需要被控过程的数学模型,因而可省去传统控制方法的建模过程, 依赖控制经验。 模糊模型优点 集成专家控制经验,以if-then规则的形式表示,具有知识表达的特点 局部线性化模型可采用现代控制理论方法进行系统设计和分析 Mamdani和Sugeno模型都可根据系统的输入输出数据进行辨识,具有定量和定性知识集成的特点 模糊逻辑控制的发展 将模糊控制与预测控制相结合 用遗传算法对隶属度函数进行参数优化 模糊理论与神经网络相结合 神经网络控制 神经网络的发展史 神经元的数学模型是1943年由ＭｃＣｍｌｏｃｈ和Ｐｉｔｔｓ两位科学家首先提出的。神经网络理论真正的发展期应该是在80年代以后。尤其在1986年发表了感知器网络的学习算法后,神经网络的应用前景更加开阔。同时,它也为神经网络控制创造了必要的条件。 神经网络控制是模拟人脑的结构和工作机理对系统实现控制 神经网络的特点 具有较强的自学习能力 能够充分逼近任意复杂的非线性系统 能够学习和适应严重不确定性系统的动态特性 有很强的鲁棒性和容错性 采用并行分布处理方法,能快速进行大量运算 主要的神经网络及算法 多层前向传波网络 小脑模型 回归神经网络 径向基网络(ＲＢＦ) 常用算法：BP算法 神经网络建模 神经网络建模以其独特的非传统表达方式和