模糊控制技术第1章绪论.ppt

　　　　　　　 1.1 概 述　　1. 自适应控制　　自适应控制可以看做是一个能根据环境变化智能调节自身特性的反馈控制系统，以使系统按照一些设定的标准工作在最优状态。目前所研究的自适应控制系统最基本的有两大类，即参考模型自适应控制系统和具有被控对象数学模型在线辨识的自适应控制系统。一般地说，自适应控制在航空、导弹和空间飞行器的控制中很成功，但在工业过程控制应用中，传统的自适应控制并不尽如人意。 　　2. 鲁棒控制　　鲁棒控制是一种着重控制算法可靠性研究的控制器设计方法。鲁棒性一般定义为在实际环境中为保证安全，要求控制系统最小必须满足的要求。鲁棒控制方法是指对时间域或频率域来说，一般假设过程动态特性的信息和它的变化范围。一些算法不需要精确的过程模型，但需要一些离线辨识。鲁棒控制系统的设计以一些最差的情况为基础，因此一般系统并不工作在最优状态。鲁棒控制方法适用于以稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。过程控制应用中，某些控制系统也可以用鲁棒控制方法设计，特别是那些比较关键且不确定因素变化范围大、稳定裕度小的对象。鲁棒控制系统的设计要由高级专家完成，一旦设计成功，就不需太多的人工干预。另一方面，如果要升级或作重大调整，系统就要重新设计。 　　3. 最优控制　　最优控制是现代控制理论的一个重要组成部分，成功应用于航天航空和军事领域，在许多方面改变了人们的生活。一个典型的最优控制问题描述如下：被控系统的状态方程和初始条件给定，同时给定目标函数，然后寻找一个可行的控制方法使系统从输出状态过渡到目标状态，并达到最优的性能指标。动态规划、最大值原理和变分法是最优控制理论的基本内容和常用方法。庞特里亚金极大值原理和贝尔曼动态规划是在约束条件下获得最优解的两个强有力的工具，应用于大部分最优控制问题。在实际应用中，最优控制很适用于航天航空和军事等领域，例如空间飞行器的登月、火箭的飞行控制和防御导弹的导弹封锁。工业系统中也有一些最优控制的应用，例如生物工程系统中细菌数量的控制等。然而，绝大多数过程控制问题都和流量、压力、温度及液位的控制有关，用传统的最优控制技术来控制它们并不合适。 　　4. 智能控制　　智能控制是现代控制技术的又一个重要领域。关于智能控制有不同的定义。智能控制可以包括如下几种方法：学习控制，专家系统，模糊控制，神经网络控制，混合控制方法。　　 (1) 学习控制。学习控制采用模式识别技术获得控制回路当前的状态，然后根据回路状态、储存的历史信息和经验知识做出控制决定。由于学习控制受储存的知识的限制，因而它至今还没有得到广泛的应用。　　(2) 专家系统。专家系统将专家系统的理论与技术同控制理论方法与技术相结合，在未知环境下，仿效专家的智能，实现对系统的控制。专家控制系统使用一个知识库来做出控制决定，知识库由专家的经验知识、在线获得的系统信息和推理机组成。专家系统适用于生产计划、调度和故障诊断等决策问题，但不适用于解决连续控制问题。 　　(3) 模糊控制。与学习控制和专家系统不同，模糊控制以模糊集合论、模糊语言变量及模糊逻辑推理为基础，模拟人的近似推理和决策过程。目前，在工业上投入运行的模糊控制器大都由一组模糊规则组成，通过一定的模糊推理机制确定控制作用。大量的工程实践表明，模糊控制主要适用于那些具有非线性和其建模复杂系统的控制。与采用精确数学模型的控制方法相比，模糊控制在处理不精确、控制具有高度不确定性的复杂系统时具有突出的优越性。虽然模糊控制已得到了广泛的应用，但模糊控制理论研究远未达到完善和成熟的地步，对于自适应模糊控制的稳定性、鲁棒性和全局性缺乏有效的数学分析手段。因此，在未来的研究工作中，有必要继续深入研究模糊控制和辨识的基本理论问题。 　　 (4) 神经网络控制。神经网络控制是一种使用人工神经网络的控制方法。以非线性、大规模并行处理为主要特征的神经网络以生物神经网络为模拟基础，试图模拟人的形象思维以及学习和获取知识的能力。它具有学习、记忆、联想、容错、并行处理等多种能力，已在控制领域得到广泛的应用。目前提出的基于神经网络的控制方案有多种，主要包括：神经网络系统辨识、神经网络监督与评价学习控制、神经网络非线性控制、神经网络自适应控制等。 　　(5) 混合控制方法。专家系统、模糊逻辑、神经网络、遗传算法及其他技术的结合或混合、交叉结合为智能控制的设计方法提供了丰富的手段。混合控制方法有：模糊专家控制、神经网络专家控制、模糊神经网络专家控制等。 　　　　　1.2 模糊控制的起源及发展　　模糊控制（Fuzzy Control）是近代控制理论中建立在模糊集合上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。 　 20世纪中叶以来，在