9 智能控制基础.pptVIP

绪论 基于模糊推理的智能控制 人工神经网络 智能控制的基本概念 “智能控制”这个术语早在1967年由Leondes等人提出。1971年，傅京生(King-Sun Fu)通过对含有拟人控制器的控制系统和自主机器人诸方面的研究，以“智能控制”这个词概念性地强调系统的问题求解和决策能力。他把智能控制(IC)概括为自动控制(AC)和人工智能(A1)的交集。 智能控制是控制理论发展的高级阶段，它主要用来解决那些 用传统方法难以解决的复杂系统的控制问题。 例如 智能机器人系统、 计算机集成制造系统、 复杂的工业过程控制系统、 航天航空控制系统、 社会经济管理系统、 交通运输系统、 环保及能源系统等 智能控制的应用对象具备以下一些特点 ⑴不确定性的模型 ：模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。 ⑵高度的非线性 ：对于具有高度非线性的控制对象，非线性控制理论还很不成熟，而且方法比较复杂。 ⑶复杂的任务要求 智能控制系统 所谓智能系统是指具备一定智能行为的系统。具体地说，若对于—个问题的激励输入，系统具备一定的智能行为，它能够产生合适的求解问题的响应，这样的系统便称为智能系统 智能控制系统是实现某种控制任务的—种智能系统 智能行为也是一种从输入到输出的映射关系．这种映射关系并不能用数学的方法精确地加以描述，因此它可看成是—种不依赖于模型的自适应估计 在该系统中，广义对象包括通常意义下的控制对象和所处的外部环境。 传感器则包括关节位置的传感器、力传感器，还可能包括触觉传感器、视觉传感器等 感知信息处理将传感器得到的原始信息加以处理。 认知部分主要接收和储存知识、经验和数据，并对它们进行分析、推理，作出行动的决策，送至规划和控制部分。 通讯接口除建立人—机之间的联系外，也建立系统中各模块之间的联系。 规划和控制是整个系统的核心，它根据给定的任务要求、反馈的信息及经验知识，进行自动搜索、推理决策、动作规划 传统控制研究的主要目标是被控对象 智能控制研究的主要目标是控制器本身 与传统控制器相比，智能控制器不再是纯粹 的解析型数学模型，而是数学模型和知识系 统相结合的广义模型 智能控制常具有以下一种或几种基本特点 ⑴分层递阶的组织结构 智能控制系统的组织结构体现了“智能递增、精度递减”的原理。其协调层次越高，所体现的智能也越高。 ⑵多模态控制 智能控制系统常采用具有开、闭环控制结合，定性决策与定量控制结合，数学模型和非数学广义模型结合的多模态控制。 ⑶自学习能力 一个系统，如果能对一个过程或其环境的未知特征所固有的信息进行学习，并将得到的经验用于进一步的估计、分类、决策或控制，从而使系统的性能得到改善，那么就称该系统为学习控制系统。学习控制系统是智能控制系统的一种，智能控制系统的学习功能可能有低有高，低层次的学习功能主要包括对控制对象参数的学习，高层次的学习功能则包括知识的更新和遗忘。 ⑷自适应能力 智能控制系统中的智能行为实质上是一种从输入到输出之间的映射关系，它可看成是不依赖模型的自适应估计。因此它具有很好的适应性能。当系统的输入不是已经学习过的例子时，由于系统具有插补功能，从而可给出合适的输出，甚至当系统中某些部分出现故障时，系统也能够正常的工作。如果系统具有更高程度的智能，它还能自动找出故障甚至具备自修复的功能，从而体现了更强的适应性。 ⑸自组织能力 具有自组织能力的智能控制系统对于复杂的任务和分散的传感信息具有自行组织和协调的功能。该组织功能也表现为系统具有相应的主动性和灵活性，即智能控制器可以在任务要求的范围内自行决策，主动地采取行动。而当出现多目标冲突时，在一定的限制下，控制器可自行裁决。 模糊控制系统的基本原理 它的核心部分为模糊控制器，如图中虚线框中部分所示。模糊控制器的控制规律由计算机的程序实现，实现模糊控制算法的过程是这样的：微机经中断采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号(在此取单位反馈)。一般选误差信号作为模糊控制器的一个输入量。把误差信号的精确量进行模糊量化变成模糊量，误差e的模糊量可用相应的模糊语言表示。至此，得到了误差E的模糊语言集合的一个子集E (E实际上是一个模糊向量)。再由E和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量U。 模糊控制器的三个主要的功能模块。 (1)模糊化(Fuzzification) 模糊化是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程，此变量值均由对应的隶属度来定义。 (2)模糊推理(Fuzzy Inference) 模糊推理包括三个组成部分：大前提、小前提和结论。大前提是多个多维模糊条件语句，构成规则库；小