自动化概论2智能控制.ppt

2.3 最热门的控制方法 ——智能控制 主要内容 智能控制的基本概念 专家控制（Expert Control） 模糊控制（Fuzzy Control） 神经网络控制（Neural Network Control） 对智能控制的一些展望 2.3.1 智能控制的基本概念 什么是“智能”? 什么是“智能控制”？ 人与智能控制 人本身就是一个非常完美的智能控制系统，人脑及神经系统相当于智能控制器，对通过感官获取的各种信息进行综合分析、处理和决策，并利用手和脚等执行机构作出相应的反应，能适应各种复杂的控制环境，完成难度很大的任务。 传统自动控制与智能控制 智能控制的主要特点 智能控制的发展阶段： 智能控制的主要类型 专家控制 模糊控制 神经网络控制 学习控制 基于规则的仿人控制 2.3.2 专家控制（Expert Control） 专家系统、专家控制的产生及发展 专家系统是人工智能的重要内容，由美国斯坦福大学1965年提出，最初用于化学质谱分析，后广泛应用于工业、农业、医疗、教育等领域。 瑞典的?str?m于1983年首次将专家系统用于常规控制器参数的自动整定，并于1984年正式提出了专家控制的概念，目前已成功应用于机器人控制、飞机的操纵控制、故障诊断、各种工业过程控制等 。 常见的两类专家控制系统 直接型专家控制 用于取代常规的控制器，直接控制受控对象或生产过程。 例：水温调节系统的专家控制 直接型专家控制的基本思路： 水温调节系统的直接型专家控制 控制规则的具体化 关于专家控制的几点说明 专家控制要求不断地根据反馈信息迅速作出决策，对实时性要求很高，因此专家控制器的结构一般比专家系统简单，其核心是知识库和推理机构。 知识库所存储的知识既可以是定性的，也可以是定量的，并可以利用知识获取系统随时对知识进行补充、修改和更新；因此，专家控制比常规控制更加灵活，对复杂环境的适应能力更强。 如何简便有效地获取专家知识、如何在控制过程中自动修改、更新和扩充知识，并满足实时控制的快速性需求是非常关键的。 2.3.3 模糊控制（Fuzzy Control） 模糊控制的发展： 1965年美国的Zadeh提出模糊集合理论; 1974年英国的Mamdani首次将模糊理论应用于蒸汽机控制; 1985年ATT贝尔实验室研制出第一个模糊逻辑芯片; 80年代末日本将模糊控制广泛应用于家用电器（洗衣机、空调、吸尘器、电冰箱、电饭煲、微波炉、照相机等），促进了模糊控制的推广和应用; 90年代模糊逻辑及其应用形成高潮，应用范围包括工业控制、地铁、电梯、交通、汽车、空间飞行器、机器人、核反应堆、图象识别、故障诊断、污水处理、数据压缩、移动通信、财政金融等 一、模糊集合 隶属度函数: 某元素 a 属于某集合 A 的程度, 用  μ(a)=0～1 表示 ( 经典集合对应μ=0, 1 ) 例: 已知经典集合 A 为 5 的正整数中的偶数 利用隶属度函数表示该集合，则有 μ(1)=0, μ(2)=1, μ(3)=0, μ(4)=1 A = 0／1 + 1／2 + 0／3 + 1／4 A 中的分母为论域中的元素，分子为该元素所 对应的隶属度值。 例：表示温度 “冷”，“热”，“适中” 的模糊集合 二、模糊控制的基本思路与方法 说明： 模糊控制器的输入量一般取误差 e 和误差变化率 Δe , 若 e , Δe 和控制量 u 均离散化 [注] , 则可离线计算好 e , Δe 与 u 的对应关系 ( 查询表 ) , 实时控制时采用查表法 ( 计算量小, 快速 ); 模糊控制性能的好坏主要取决于如何选取 隶属度函数 模糊推理规则 清晰化方法 上例本质上等价于变参数比例调节器, 控制器输入为 e 和 Δe 时则等价于变参数PD调节器, 因此存在稳态误差，常与PID控制相结合。 以误差中等为例 2.3.4 神经元网络控制 （Neural Network Control） 人工神经元及神经网络的产生和发展： 1943年提出神经元模型 1949年 Hebb 提出神经元学习规则 （Hebb学习规则） 1958年提出基于神经网络的感知器模型 （模拟人脑的感知和学习能力） 1986年提出神经网络的反向传播学习方法（简称 BP 算法，Back Propagation ） [注] ，证明了BP神经网络能无限逼近任意输入输出函数 90年代神经网络的研究达到高潮，并成功应用于自动