智能控制技术现状与发展课件.docVIP

摘要 ：在此我综述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发展。智能控制技术的主要方 法，介绍了智能控制在各行各业中的应用。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犷新的挑战，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 应用 自动化 浅谈智能控制技术现状及发展 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” 。 一、 智能控制的性能特点及主要方法 1.1 根据智能控制的基本控制对象的开放性， 复杂性，不确定性的特点， 一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的 系统性能应优于变化前的系统性能。 （2）适应功能：系统应具有适应受控对象动力学特性变化、环境变化 和运行条件变化的能力。这种智能行为是不依赖模型的自适应估计，较传 统的自适应控制有更广泛的意义。 （3）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。除以上功能外，智能控制系统还应具有 实时性、容错性、鲁棒性和友好的人机界面。 智能控制和传统控制在应用领域、控制方法、知识获取和加工、系统 描述、性能考核及执行等方面存在明显的不同。基于与传统控制的区别， 智能控制系统具有如下特点： （1）拟人智能化的运作模式； （2）优胜劣汰的选择机制； （3）多目标的优化过程； （4）复杂环境的学习功能。 1.2 智能控制技术的主要方法有模糊控制、 基于知识的专家控制、 神经 网络控制和集成智能控制等，以及常用优化算法有：遗传算法、蚁群算法、 免疫算法等。 （1）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。 （2）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。 （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）遗传算法学习控制 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 。 （5）迭代学习控制 迭代学习控制模仿人类学习的方法、即通过多次的训练 , 从