智能控制技术的发展现状及心得体会.doc

智能控制技术的发展现状及心得体会 摘要： 在此综述了智能控制技术的现状及发展，首先简述智能控制的性能特点及主要方法，然后介绍智能控制在各行各业中的应用现状，接着论述智能控制的国内外发展和现状。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出创新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制 模糊控制 神经网络 遗传算法 一、引言 智能控制作为当今的一种交叉前沿学科，其研究中心始终是解决传统控制理论、方法（包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等）所难以解决的不确定性问题。自智能控制概念的提出，自动控制界纷纷仿效，主流是人工智能技术引入到自动控制系统中，寻求难以精确建模的复杂系统的自动控制(自治)。 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 二、智能控制的性能特点 智能控制是自动控制发展的新的阶段，主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点 ： 较强的学习能力： 能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改进和提高自身的控制能力； 较强的自适应能力： 具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力； 较强的容错能力： 系统对各类故障具有自诊断、屏蔽和自恢复能力； 较强的鲁棒性： 系统性能对环境干扰和不确定性因素不敏感； 较强的组织功能： 对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性； 实时性好： 系统具有较强的在线实时响应能力； 人机协作性能好： 系统具有友好的人机界面，以保证人机通信、人机互助和人机协同工作。 三、智能控制的主要方法 智能控制技术的主要方法有专家控制、模糊控制、神经网络控制和遗传算法等 （1）专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合，仿效专家的经验，实现对系统控制的一种智能控制。主体由知识库和推理机构组成，通过对知识的获取与组织，按某种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率，灵活性高；可通过调整控制器的参数，适应对象特性及环境的变化，适应性好;通过专家规则，系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。 （2）模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础，以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。 （3）神经网络控制 神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。 （4）遗传算法学习 智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法，它模拟生物界生存竞争，优胜劣汰，适者生存的机制，利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法，一方面希望在宽广的空间内进行搜索，从而提高求得最优解的概率；另一方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何同时提高搜索最优解的概率和效率，是遗传算法的一个主要研究方向。 四、智能控制的应用现状 4.1工业过程中的智能控制 生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID控制器、专家控制器、神经元