智能控制第二版教学课件ppt作者李少远王景成Chapter9课件.pptxVIP

第九章智能控制的进一步发展：自适应与学习智能控制的进一步发展：自适应与学习反馈控制原理在一定范围内能较好地处理不确定性问题，但对于复杂的和具有很大不确定性的对象，就要求控制系统能调整自身的结构和参数，以适应这种变化。本书前面几章已经介绍了模糊控制、神经网络控制、专家控制等智能控制算法，本章将进一步介绍自适应控制和学习控制，并在最后的总结中将两者进行比较以便读者更好地了解两者各自的优缺点。9.1自适应控制在日常生活中，所谓自适应是指生物能改变自身习性以适应新环境的一种特征或能力。要设计一个性能良好的控制系统，要掌握被控过程的数学模型。然而，实际上有一些被控对象或过程的数学模型难以确知，或者它们的数学模型存在时变不确定特性。对于这类对象，使用常规控制往往难以取得良好的控制效果。自适应控制就是为了解决此类问题而发展起来的一种高级控制方法。研究对象是具有一定程度不确定性的系统。 9.2 学习控制智能控制的任务可以这样来表示：要使闭环控制系统在相当广泛的运行条件范围和运行时间范围内保持系统的完善功能和期望性能。而实现这一任务的困难是被控对象和系统的性能目标具有一定的复杂性和不确定性。学习控制的作用是为了解决主要由于被控对象的非线性和系统建模不良所造成的不确定性问题，即努力降低这种缺乏必要的先验知识给系统控制带来的困难。研究对象是在一定环境条件下实际上是确定的，而不是不确定的，只是在于事先并不清楚，但随着过程的进展可以设法弄清楚的系统。 9.2 学习控制 学习控制的一般特点1. 有一定的自主性。学习控制系统的性能是自我改进的2. 是一种动态过程。学习控制系统的性能随时间而变3. 有记忆功能。学习控制系统需要积累经验改进其性能4. 有性能反馈。学习控制系统需要明确其当前性能与某个目标性能之间的差距并施加改进操作 9.3 学习控制和自适应控制的关系 学习控制和自适应控制的相似点自学习系统是自适应系统的发展和延伸：自适应控制系统能在不确定的环境下进行有条件的决策；自学习系统能按照运行过程中的“经验”和“教训”（某种控制对应的效果）来不断改进算法（知识），更广泛地模拟高级的推理、决策和模式识别等人类优秀行为和功能。自适应控制和学习控制都是解决系统不确定性问题的方法，且它们处理不确定性问题都基于在线的参数调整算法，都要使用与环境、对象闭环交互得到的实验信息。 9.3 学习控制和自适应控制的关系 学习控制和自适应控制的不同点自适应控制着眼于瞬时观点，它的目标是针对干扰和动态特性随时间变化的情况，维持某种期望的闭环性能。它的控制器是缺乏记忆的，即使是时不变的非线性特性，而且是以前经历过的特性，它也要重新适应，补偿所有的瞬时变化。学习控制要求把过去的经验与过去的控制局势相联系，能针对一定的控制局势来调用适当的经验。学习控制强调记忆，而且记忆的是控制作用表示为运动状态的函数的经验信息。 9.3 学习控制和自适应控制的关系 总结从智能控制的观点看，适应过程与学习过程各具特色，功能互补。自适应过程是用于缓慢的时变特性以及新型的控制局势，而对于非线性严重的问题则往往失效。学习控制适合于建模不良的非线性特性，但不宜用于时变动态特性。有一种看法主张控制系统实际上需要三个子系统组成：一个先验的补偿器（常规反馈环），一个自适应环，一个学习环。