智能控制理论及应用复习总结计划.docx

智能控制理论及应用复习 （紧扣课本） 第一章 绪论 经典控制和现代控制理论的统称为传统控制， 智能控制是人工智能与控制理论交叉的产物， 是传统控制理论发展的高级阶段。智能控制是针对系统的复杂性、 非线性和不确定性 而提出来的， 传统控制和智能控制的主要区别： 传统控制方法在处理复杂化和不确定性问题方面能力很低； 智能控制在处理复杂性、不确定性方面能力较高。 智能控制系统的核心任务是控制具有复杂性和不确定性的系统， 而控制的最有效途径就是采用仿人智能控制决策。 传统控制是基于被控对象精确模型的控制方式； 智能控制的核心是基于知识进行智能决策， 采用灵活机动的决策方式迫使控制朝着期望的目标逼近。传统控制和智能控制的统一 ： 智能控制擅长解决非线性、 时变等复杂的控制问题， 而传统控制适于解决线性、时不变等相对简单的控制问题。 智能控制的许多解决方案是在传统控制方案基础上的改进， 因此，智能控制是对传统控制的扩充和发展， 传统控制是智能控制的一 个组成部分。 智能控制应用对象的特点 (1)不确定性的模型 模型未知或知之甚少； 模型的结构和参数可能在很大范围内变化。 (2)高度的非线性 (3)复杂的任务要求 例如，要求系统对一个复杂的任务具有自行规划和决策的能 力；要求除了实现对各被控物理量定值调节外， 还要实现整个系统的自动启停、故障的自动诊断以及紧急情况的自动处理等功能。 智能控制的基本特点 (1)分层递阶的组织结构 (2)多模态控制 (3)自学习能力 (4)自适应能力 (5)自组织能力 (6)优化能力 智能控制系统的主要类型 模糊控制 神经网络控制 专家控制系统 分层递阶智能控制 （该系统由组织级、协调级、执行级组成，按照自上而下精 确程度渐增、智能程度渐减的原则进行功能分配。 在这类多层智能控制系统中，智能主要体现在高层次上，其主要作用是模仿人的功能实现规划、决策、学习和任务协调等任务。 执行级仍然采用现有数学解析控制算法，对数值进行操作和运算。 ） 与常规控制方法相比，模糊控制有以下特点：①模糊控制完全是在操作人员控制经验基础上实现对系统的控制， 无需建立数学模型，是解决不确定性系统的一种有效途径。②模糊控制具有较强的鲁棒性， 被控对象参数的变化对模糊控制的影响不明显，可用于非线性、时变、时滞系统的控制。③由离线计算得到控制查询表，提高了控制系统的实时性。④控制的机理符合人们对过程控制作用的直观描述和思维逻辑， 为智能控制应用打下了基础。 人工神经网络具有几个突出的特点： ①可以充分逼近任意复杂的非线性关系； ②所有定量或定性的信息都分布贮存于网络内的各神经元的连接上， 故有很强的鲁棒性和容错性； ③采用并行分布处理方法，使得快速进行大量运算成为可能； ④可学习和自适应不知道或不确定的系统。 专家控制系统具有如下特点： ①它在一定程度上模拟人的思维活动规律， 能进行自动推理， 善于应 付各种变化，具有透明性和灵活性。 ②它可以不断监督生产过程， 实现特定性能指标下的优化控制， 能处理大量低层信息，可进行操作指导。 ③相对传统控制， 扩展了许多功能， 如复杂系统的高质量控制， 故障诊断和容错控制，参数和算法的自动修改，不同算法的组合等。④深层知识的引入， 可以弥补专家经验的不足， 可以自然地消除决策冲突。 分层递阶智能控制具有两个明显的特点：①对控制来讲，自上而下控制精度愈来愈高；②对识别来讲，自下而上信息回馈愈来愈粗略。 规则库 精确量 模糊量 模糊量 精确量 模糊化 模糊推理 逆模糊化 过程输出和状态 控制动作 被控过程 模糊控制器的一般结构 神经网络控制的 3 种典型结构 (a)PID 控制 (b)模型参考自适应控制 (c)前馈反馈控制 输入 误差 输出 专家控制器 被控对象 － 检测器 （ a）直接专家控制系 专家控制器 特征提取 输入 误差 输出 控制算法 被控对象 － 检测器 间接专家控制系 分层递阶智能控制 （图） 第二章 模糊控制 1.确定隶属函数应遵循的一些基本原则 : 1)表示隶属函数的模糊集合必须是凸模糊集合 变量所取隶属度函数通常是对称的、平衡的 隶属度函数要符合人们的语义顺序，避免不恰当的重叠 论域中每个点至少属于一个隶属函数的区域，并应属于不超过两个隶属函数的区域。 当两个隶属函数重叠时，重叠部分对两个隶属函数的最大隶属度不应有交叉。 当两个隶属函数重叠时，重叠部分的任何点的隶属函数的和应该小于或等于 1。 同时满足自反性，对称性，传递性的模糊关系称为论域上的一个模糊 等价关系 模糊语言变量 一个语言变量可定义为一个五元体 ( N , U , T ( N ), G , M ) 式中 N 为语言变量的名称； T(N) 为语言变量语言值名称的集合； U 为论域； G 为语法规则； M 为语义规则 。