智能控制考试论文.doc

南昌大学实验报告 智能控制技术 南昌大学实验报告 学生姓名： 郑军 学号： 6100311106 专业班级： 自动化111班 一、智能控制的发展及由来 1.智能控制的提出 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制问题，难以解决对复杂系统的控制。在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点： （1）实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，无法获得精确的数学模型。 （2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。 （3）针对实际系统往往需要进行一些比较苛刻的线性化假设，而这些假设往往与实际系统不符合。 （4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。 在生产实践中，复杂控制问题可通过熟练操作人员的经验和控制理论相结合去解决，由此，产生了智能控制。智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性。 2.智能控制的概念 智能控制是一门交叉学科，著名美籍华人傅京逊教授1971年首先提出智能控制是人工智能与自动控制的交叉，既二元论。美国学者G.N.Saridis1997年在此基础上引入运筹学，提出了三元论的智能控制概念。 1985年8月，IEEE在美国纽约召开了第一届智能控制学术讨论会，随后成立了IEEE智能控制专业委员会；1987年一月，在美国举行第一次国际智能控制大会，标志着智能控制领域的形成。 智能控制的三个主要分支为专家控制、神经网络控制和模糊控制。 二、专家控制 瑞典学者K.J.Astrom在1983年首先把人工智能中的专家系统引入智能控制领域，于1986年提出“专家控制”的概念，构成一种智能控制方法。 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。所谓专家控制，是将专家系统的理论和技术同控制理论、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，它由知识库和推理机构构成主体框架，通过对控制领域知识（先验经验、动态信息、目标等）的获取与组织，按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。 专家控制的基本原理 ： 1．结构 专家控制的基本结构如图2.2所示 知识库 实时 推理机 A/D 被控 对象 D/A 控制 算法库 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）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。 专家控制的关键技术及特点 1．专家控制的关键技术 (1) 知识的表达方法； (2)从传感器中识别和获取定量的控制信号； (3)将定性知识转化为定量的控制信号； (4)控制知识和控制规则的获取。 2．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：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。 专家控制仿真实例 求三阶传递函数的阶跃响应，其中对象采样时间为1ms。 采用专家PID设计控制器。在仿真过程中， 取0.001，程序中的五条规则与控制算法的五种情况相对应。实验所得曲线如下： 三、神经网络控制 神经网络从从人恼的生理学和心理学着手，通过人工模拟人脑的工作机理来实现机器的部分智能行为。 人工神经网络（简称神经网络，Neural Network）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。神经网络反映了人脑功能的基本特征，如并行信息处理、学习、联想、模式分类、记忆等。 20世纪80年代以来，人工神经网络（ANN，Artificial Neural Network）研究所取得的突破性进展。神经网络控制是将神经网络与控制理论相结合而发展起来的智能控制方法。它已成为智能控制的一个新的分支，为解决复杂的非线性、不确定、未知系统的控制问题开辟了新途径。 神经网络原理 神经生理学和神经解剖学的研究表明，人脑极其复杂，由一千多亿个神经元交织在一起的网状结