智能控制研究现状讲解.docx

智能控制技术的研究现状和展望 摘　要:对近20年的智能控制技术的现状作了分析,并详细论述了模糊控制、神经网络控制、学习控制三大智能控 制技术的发展历史和研究热点。最后就智能控制技术的推广应用并结合自动化专业本科教学进行了讨论。 关　键　词:模糊控制;神经网络控制;学习控制 The Study on the Structure for the Intelligent Control Techniquein the Fields of Mechanical-Electrical Engineering Abstract: The reviews on the advance of the intelligent control technique are given.The newprogresses and research hotpoints on the fuzzy control, neural network control and learning control have been introduced in detail. Finally, the going about its future development and undergraduate education programs on intelligent control have been discussed. Key words: fuzzy control; neural control; learning control 1　引　言 自从1932年奈魁斯特提出反馈放大器稳定性理论以来,控制理论和技术已经历了单输入单输出系统的经典控制论和多输入多输出系统的现代控制论两个阶段。随着被控制对象越来越复杂化,其非线性、不确定性因素的影响也不断增强。借助于数学模型描述和分析的传统控制理论难以解决此类复杂系统的控制问题。因此,世界各国控制理论界的学者都在探索建立新一代的控制理论,以解决复杂系统的控制问题。近30年以来人工智能、知识工程、模糊逻辑、神经网络、遗传学习等学科的发展为利用人类的智能行为对复杂系统进行控制创造了有利的条件,并逐步形成和完善了智能控制的相关理论。同时,微电子技术、集成电路技术、计算机机技术的快速进展,尤其是微处理器的计算能力、实时性等方面的明显突破,为这些新理论的应用提供技术保证。可以预言,借助于数字控制技术的智能控制器已经或正在越来越多的领域替代传统模拟控制器。同时我们必须注意到,智能控制器是通过模拟人的控制行为,如自适应、学习、在确定环境下的规划、逻辑推理和判断等,来达到对复杂系统的有效控制。因此,它所涉及的领域相当广泛,如人工智能、生物科学、脑神经科学、专家系统、知识工程、控制论、模糊集理论、神经网络理论、运筹学等。目前还无法正确完整地对智能控制下定义。但是智能???制系统必须具有模拟人类学习和自适应能力的观点已经普遍接受。智能控制成为自动控制学科的前沿学科已是不争的事实。本文将对智能控制技术的发展现状、智能控制新技术给我们带来的启示进行讨论。 2　智能控制技术的国内外发展概况 智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。智能控制与传统控制的主要区别在于传统的控制方法必须依赖于被控制对象的模型,而智能控制可以解决非模型化系统的控制问题。目前,根据智能控制发展的不同历史阶段和不同的理论基础可以分为四大类: (1)基于专家系统的智能控制; (2)分层递阶智能控制; (3)模糊逻辑控制; (4)神经网络控制。 早期的智能控制(如基于专家系统的智能控制)是以傅京逊教授为代表提出的二元论(人工智能+控制论)和以Saridis为代表提出的由执行级、协调级和组织级构成的分层递阶智能控制。由于人工智能技术在实时性等方面没有取得突破性进展,基于符号逻辑推理技术为主的智能控制技术难以得到广泛应用。80年代后,智能控制技术得到迅速发展。它主要得益于模糊逻辑控制和神经网络控制理论的不断成熟。此外,90年代以来,智能控制的集成技术研究取得了重大进展,如模糊神经网络、模糊专家系统、传统PID控制器与智能控制的结合等。这些都为智能控制技术的应用提供广阔的前景。 2.1　模糊逻辑控制 模糊逻辑控制论于1965年由扎德教授[4,5]首先提出。它的主要思想是吸取人类思维具有模糊性的特点,通过模糊逻辑推理来实现对众多不确定性系统的有效控制。如果说,传统的控制是从被控对象的数学结构上去考虑进行控制的,那么,模糊控制是从人类智能活动的角度和基础上去考虑实施控制的,其设计的核心是模糊控制规则和隶属度函数的确定。经典的模糊逻辑控制器的隶属度函数、控制规则都是根据经验预先总结出来的。控制过程中没有对