智能控制读书笔记.doc

第1章 绪论 智能控制的研究对象具备的特点： 不确定性的模型：模型不确定性包含两层含义：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。 高度的非线性 复杂的任务要求 智能控制系统 智能行为：可看成是一种不依赖于模型的自适应估计。实质上是一种从输入到输出的映射关系。 智能控制系统的主要功能特点：学习功能、适应功能、组织功能（系统具有相应的主动性和灵活性） 智能控制研究的数学工具的几种形式 符号推理与数值计算的结合 离散事件系统与连续时间系统分析的结合 介于两者之间的方法：神经元网络、模糊集合论 智能控制系统所包含的理论 自适应、自组织和自学习控制 知识工程 信息熵：熵是采用概率模型时不确定性的一个度量。 Petri网 人-机系统理论 形式语言与自动机 大系统理论 神经网络理论 模糊集合论：是介于逻辑计算和数值计算之间的一种数学工具。 优化理论 第2章 模糊逻辑控制 2．1概述 如第1章所述，由人作为控制器的控制系统是典型的智能控制系统，其中包含了人的高级智能活动。模糊控制在一定程度上模仿了人的控制，它不需要有准确的控制对象模型。因此它是一种智能控制的方法。 1模糊集合与模糊数学 笼统地说，模糊集合是一种特别定义的集合，它可用来描述模糊现象。有关模糊集合、模糊逻辑等的数学理论，称之为模糊数学。 模糊性也是一种不确定性，但它不同于随机性，所以模糊理论不同于概率论。模糊性通常是指对概念的定义以及语言意义的理解上的不确定性。例如，“老人”、“温度高”、“数量大”等所含的不确定性即为模糊性。可见，模糊性主要是人为的主观理解上的不确定性，而随机性则主要反映的是客观上的自然的不确定性，或者是事件发生的偶然性。偶然性与模糊性具有本质上的不同，它们是不同情况下的不确定性。 2．1． 3 模糊控制的发展和应用概况 美国教授查德(L．A．Zandeh)1965年首先提出了模糊集合的概念，由此开创了模糊数学及其应用的新纪元。模糊控制是模糊集合理论应用的一个重要方面。1974年英国教授马丹尼(E．H．Mamdani)首先将模糊集合理论应用于加热器的控制，其后产生下许多应用的例子。其中比较典型的有：热交换过程的控制，暖水工厂的控制，污水处理过程控制，交通路口控制，水泥窑控制，飞船飞行控制，机器人控制，模型小车的停靠和转弯控制，汽车速度控制，水质净化控制，电梯控制，电流和核反应堆的控制，并且生产出厂专用的模糊芯片和模糊计算机。在模糊控制的应用方面，日本走在了前列。日本在国内建立了专门的模糊控制研究所．日本仙台的一条地铁的控制系统采用了模糊控制的方法取得了很好的效果。日本还率先将模糊控制应用到日用家电产品的控制，如照相机、吸尘器、洗衣机等，模糊控制的应用在日本已经相当普及。 模糊控制无论从理论和应用方面均己取得了很大的进展，但与常规控制理论相比．仍然显得很不成熟，当己知系统的模型时，已有比较成熟的常规控制理论和方法来分析和设计系统。但是目前尚未建立起有效的方法来分析和设计模糊系统，它还主要依靠经验和试凑。因此现在有许多人正在进行研究，试图把许多常规控制的理论和概念推广到模糊控制系统，如能控性、稳定性等。近来的另外一个研究方向则是如何使模糊控制器具有学习能力。在这方面，模糊逻辑与神经网络相结合是一个值得注意的动向，两者的结合既可以模拟人的控制功能．又可以如人那样具有较强的对环境变化的适应能力和学习能力。这是一个很有前途的发展方向。 2．2模糊集合及其运算 定义：给定论域X，A＝是X中的模糊集合的含义是 : X[0,1] 这样的隶属度函数表示其特征的集合。若(x)接近1, 表示X属于A的程度高, 若(x)接近0,表示X属于A的程度低。 隶属度函数反映了模糊集合中的元素属于该集合的程度。 台集、a截集、正则模糊集合、凸模糊集合、分界点、单点模糊集合 2．6 模糊控制的基本原理(52) 第3章 神经网络控制 神经网络控制是一种基本上不依赖于模型的控制方法，它比较适用于那些具有不确定性或高度非线性的控制对象，并具有较强的适应和学习功能，因而神经网络控制是智能控制的一个重要分支领域。 3．1 慨 述 3．1．1 神经元模型 1生物神经元模型 2人工神经元模型 3．1．2人工神经网络 人工神经网络是生物神经网络的一种模拟和近似。它主要从两个方面进行模拟：一种是从结构和实现机理方面进行模拟，它涉及到生物学、生理学、心理学、物理及化学等许多基础学科。由于生物神经网络的结构和机理相当复杂，现在距离完全认识它们还相差甚远；另外一种是从功能上加以模拟，即尽量使得人工神经网络具有生物神经网络的某些功能特性，如学习、识别、控制等功能。 3．2前馈神经网络 总括起来，BP网络的主要优点是： ·只要有足够多的隐层和隐