第五章其它智能控制方法2.pptVIP

第六章 拟人智能控制 6.1 概述 控制系统设计的核心是求得一合适的控制律。前面讲述的模糊控制是将人的操作经验总结出来，形成控制律，然后通过模糊控制器去实现这些规则。而这些规则就体现了合适的控制律。所以总结出来那些规则的好坏，就反映了控制效果的优劣。虽然在没有成功经验的前提下，控制系统的设计者可以自定规则，然后去优化这些规则，来实现控制目的。但那些规则的结构是难以优化的，因为，结构形式是无限的，而结构确定后的参数是可以优化的，所以要在没有成功经验的前提下实现模糊控制有一定的局限性。 对于神经网络控制而言，如果有成功控制经验的输入输出的样本对，那么神经网络可以通过学习能很好地逼近样本，从而达到控制的目的。实际上当今在神经网络控制方面用得最多的还是先求取被控对象特性的逆。将此逆环节与被控对象串接起来实现抵消，从而可达到绝对理想的控制效果。因为实现抵消后，整个系统称为特性为1的环节。这时系统的输出完全复现输入。这种理想的控制系统在上世纪50年代就追求过。但当时限于物理可实现性而放弃。当前由于计算机科学的飞速进展，可以解决求取逆环节的问题。但实现抵消是要付出代价的，即要付出能量的代价。在有限能量前提下，抵消有时是无法实现的。 从上述两种智能控制方法来看都存在不足。加上控制经验和控制样本难以研究，使得智能控制的研究朝向优化的方向（例如控制规则和隶属函数的优化）发展，很少去研究控制律自身的问题。或者转向借用线性系统控制理论，例如T.S模型等。 控制律由两部分组成，一是结构，二是参数（系数）。例如PID就是一个非常好的控制律结构，当然还要有合适的Kp，KI，KD三个参数。还有全状态反馈也是一个好的控制律结构，当然要求出合适的反馈系数阵。 拟人智能控制是在这种背景下产生的。并且有下面一段经历。一级倒立摆系统如图6.1所示。由于其结构并不复杂，但摆杆是一个自然不稳定体，所以它是研究控制理论一个理想的被控对象。在摆杆上方铰接另一摆杆，则成为二级倒立摆，如图6.2（a）所示。在二级摆杆上再铰接一摆杆，则成三级倒立摆（即单电机控制的三级倒立摆系统），如图6.2（b）所示。 利用线性系统控制理论在上世纪70年代就已解决了二级倒立摆的稳定控制问题。但单电机控制的三级倒立摆直到1994年仍无法解决它的稳定控制问题，从而被认为是控制界的一个世界性难题。张明廉等人应用在1993年提出的拟人智能控制方法，于1994年8月稳定控制了三级倒立摆，解决了这个世界性难题。 拟人智能控制不是基于被控对象的数学模型，而是基于其物理模型。这个前提是不能少的。因为只有了解了对象才能对它施加合适的控制，从而达到我们期望的控制效果。具体方法是利用广义归约将一个复杂的控制问题，归约（分解）为次复杂的问题集。再一次归约为次次复杂的问题集，直至得到本原（最简单的）问题集。在解决这些本原问题时，融入了人的控制经验和知识，直接形成控制律。再将这些控制律综合起来形成总的控制律。从而得到一个定性的控制律。通过实验或优化方法来确定控制律的参数，从而将定性控制律转变为定量控制律，实现我们的控制目标。 6.2 广义归约法 归约法是人工智能中求解问题的一种方法。该方法是将要解决的复杂问题通过一系列变换转换为子问题（本原问题）的集合。 本原问题（马上可以解决的问题）有平凡解。这样解决了本原问题也就解决了要解决的复杂问题。这也是人们解决问题的常用方法。 各种变换定义各种运算符，一个运算符可以把一个问题变成几个子问题。 问题的归约由三部分组成： （1）初始问题描述；（2）变换的运算符； （3）本原问题描述。 《问题归约》 梵塔问题 求解的问题是：要将在柱1上的三个盘子移到柱2或柱3上，如图6.3所示。限制条件是： （1）每次只能移一个盘子；（2）只能搬顶部的； （3）大盘不能在小盘上面。 归约求解（把初始问题化为简单问题的集合） 这里变换 推理 推理：（1）柱3空，把C盘移到3； （2）只有移开A、B盘，才能移C，故A、B必须移到2上； （3）把C从1移到3。 由推理得到三个子问题： （1）移A、B到2的比盘问题； （2）移C到3的单盘问题（已经是本原问题），显然，这里已没有3个盘子的难题，只有双盘问题。 （3）移A、B到3的双盘难题。 可借用状态空间表示方法来描述： 采用三元组合来描述（S. F. G），其中S表示初始状态集合，F表示变换运算符集合，G表示目标状态集合 构成与或图如图6-4所示 在上述的归约过程中，各个本原问题除有先后次序外，相互之间无