第一章 绪论09-10-11.ppt

智能控制理论及应用 绪论 1.1 什么是智能控制 经典控制和现代控制理论的统称为传统控制，其理论体系比较完整，解决了系统的可观、可控和稳定性问题，但只适用于被控对象可用数学模型描述的线性定常系统。 智能控制是人工智能与控制理论交叉的产物，是传统控制理论发展的高级阶段。智能控制是针对系统的复杂性、非线性和不确定性而提出来的，因此对于这一类系统，其解决问题的能力和水平明显高于传统控制。 1.1 什么是智能控制 传统控制和智能控制的主要区别： 传统控制方法在处理复杂化和不确定性问题方面能力很低； 智能控制在处理复杂性、不确定性方面能力较高。 智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。 传统控制是基于被控对象精确模型的控制方式； 智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。 1.1.1传统控制和智能控制 传统控制和智能控制的统一： 智能控制擅长解决非线性、时变等复杂的控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。 智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。 在这个意义上，传统控制和智能控制可以统一在智能控制的框架下，而不是被智能控制所取代。 1.1 什么是智能控制 1.1.1传统控制和智能控制 (1)不确定性的模型 模型未知或知之甚少； 模型的结构和参数可能在很大范围内变化。 (2)高度的非线性 (3)复杂的任务要求 例如，要求系统对一个复杂的任务具有自行规划和决策的能力；要求除了实现对各被控物理量定值调节外，还要实现整个系统的自动启停、故障的自动诊断以及紧急情况的自动处理等功能。 1.1 什么是智能控制 1.1.2智能控制应用对象的特点 (1)分层递阶的组织结构 (2)多模态控制 (3)自学习能力 (4)自适应能力 (系统的行为) (5)自组织能力(系统的内部结构,能减小系统先验不确定性) (6)优化能力 1.1.3智能控制的基本特点 1.1 什么是智能控制 模糊控制器的一般结构 1.2 智能控制系统的主要类型 1.2.1模糊控制 为了部分地表现出人脑的某些智能特性，人们从结构和信息处理机制模拟的角度建立了生物神经网络的模型，即人工神经网络。 人工神经网络虽然反映了人脑功能的基本特性，但远不是自然神经网络的逼真描写，而只是它的某种简化、抽象和模拟。 1.2.2神经网络控制 1.2 智能控制系统的主要类型 人工神经网络具有几个突出的特点： ①可以充分逼近任意复杂的非线性关系； ②所有定量或定性的信息都分布贮存于网络内的各神经元的连接上，故有很强的鲁棒性和容错性； ③采用并行分布处理方法，使得快速进行大量运算成为可能； ④可学习和自适应不知道或不确定的系统。 1.2 智能控制系统的主要类型 1.2.2神经网络控制 神经网络控制的3种典型结构 (a)PID控制 (b)模型参考自适应控制 (c)前馈反馈控制 1.2 智能控制系统的主要类型 1.2.2神经网络控制 1.2 智能控制系统的主要类型 专家系统是人工智能应用领域最成功的分支之一，始于60年代中期。随着应用的不断成功，专家系统技术越来越受人们的重视。 80年代专家系统的概念和方法被引入控制领域，促进了专家控制系统的研究和应用，它在控制领域的应用已涉及到控制系统辅助设计、分析和专家控制等方面。 1.2.3专家控制系统 1.2 智能控制系统的主要类型 1.2.3专家控制系统 专家控制系统具有如下特点： ①它在一定程度上模拟人的思维活动规律，能进行自动推理，善于应付各种变化，具有透明性和灵活性。 ②它可以不断监督生产过程，实现特定性能指标下的优化控制，能处理大量低层信息，可进行操作指导。 ③相对传统控制，扩展了许多功能，如复杂系统的高质量控制，故障诊断和容错控制，参数和算法的自动修改，不同算法的组合等。 ④深层知识的引入，可以弥补专家经验的不足，可以自然地消除决策冲突。 直接专家控制系统框图 (b)间接专家控制系统框图 1.2 智能控制系统的主要类型 1.2.3专家控制系统 1.2 智能控制系统的主要类型 分层递阶智能控制是在研究学习控制系统的基础上，从工程控制出发，总结人工智能与自适应控制、自学习控制及自组织控制的关系后逐渐形成的。 G．N．Saridis(萨里迪斯)最早提出了分层递阶智能控制。 1.2.4 分层递阶智能控制 1.