智能控制在过程控制中的应用讲解
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
去等效模糊系统中的各个模糊功能块；第三类是把模糊系统
理模糊信息的能力；第二类是利用神经网络功能及映射能力，
和神经网络集成在一个系统中，以发挥各自的优势。
5
专家系统是符号逻辑人工智能中一个最重要、最活跃 的分支，但存在知识获取的困难，而神经网络方法具有很
强的自学习能力和自适应能力，能够实现快速推理。因此
特性，因此基于神经网络的模糊控制近年来逐渐成为
研究的热点。模糊控制和神经网络二者各自的优势在 于：模糊控制易于获得由语言表达的专家知识，能有
效的控制难以建立精确模型而凭经验可控制的系统，
而神经网络则由于其仿生特性更能有效利用系统本身 的信息，并能映射任意函数关系，具有并行处理和自 学习能力，容错能力也很强。 4
第8章 智能控制在过程控制中的应用
1
8.1 概述
工业生产过程的自动控制在很多工业领域占有重要位 置，控制效果的优劣直接影响到产品的质量、产量和生
产设备的运行寿命，影响到生产的安全、稳定和工人的
劳动强度，先进控制方法的研究具有明显的经济和社会 意义。对于简单过程系统，采用传统的经典或现代控制 理论方法，可以获得满意的控制效果。而对于复杂过程 系统，由于其具有非线性、时变、纯滞后、不确定等特 性，采用传统的控制方法难以取得好的控制效果，因此， 其智能控制方法成为研究热点。 2
Integrated Process System ，CIPS) 是工业过程控制进入计
算机时代的产物，以连续生产过程为研究对象，其目标是 实现计算机集成综合自动化。 12
虽然计算机在系统中起很大作用，但仍然是辅助工具，
人在监控级总体闭环中仍然起着不可取代的关键作用。这
包括人在内的系统，实质上是一种人机智能系统，在协同 作用过程中将展现出超过人的智力和才能的能力。但关键 在于加强控制理论同生产实际密切结合，注意引入智能化 方法和智能技术以及知识工程方法，逐步形成不同形式的 既简单又实用的控制结构和算法，使控制理论智能化和工 程化，以加快复杂工业过程控制的智能化进程。
已在不同领域中取得了一些相当成功的应用，但这些方法
在单独模拟人类智能活动时，又存在着各自的局限性。因 此，许多学者试图综合几种方法的优点，以克服各自的局
限性。
3
实际上，智能活动既有感知（直观、形象）活动， 又有认知（逻辑）活动，两者是密切相关的，而且又 是可以互相转换的，也是符合生理和心理现象的，神 经网络计算和模糊逻辑推理恰恰反映了这两种活动的
件很多或非常大且其关系复杂，则称之为大系统工业过程； 若在其中子过程的种类不太多且关系又比较简单，一般可用
线性或易于表达的非线性关系描述，则称为简单大系统工业
过程；若在其中子过程种类很多且关系复杂，递阶层次结构 复杂，子过程间又耦合很紧，一般又不可用线性或易于表达 的非线性关系描述，则称为复杂大系统工业过程。
杂性的有效理解及其表达。但在实际工程中，有些专家认 为，若工业过程受行为变量影响很弱且过程主要由状态变 量描述，可认为是一个简单系统，即复杂工业过程的关键 是由行为变量所致。
8
按系统科学理论，工业过程有多种分类方法：若组成工 业过程系统的子过程或元部件比较少且其关系比较单纯，则
称为简单的工业过程；若组成工业过程系统的子过程或元部
在集成大系统中，神经网络可用于处理低层感知数据， 模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊系统
均属于无模型控制器和非线性动力学系统，但神经网络适合
模糊神经网络控制大致可分为三类，第一类是直接在神经网
Байду номын сангаас
处理非结构化信息，而模糊系统对处理结构化的知识更有效。
络的学习模型中引入模糊逻辑推理的方法，使其具有直接处
13
8.3 复杂过程智能控制方法的研究现状
程。
11
从现阶段发展趋势看，在工业过程控制中控制策略的 智能化，决策支持的“专家”化已成为必然。通过知识工 程方法，将有关对象的定性知识、人的经验知识与技巧和 启发式逻辑推理有效地集成起来，从而构成知识库系统，
以支持系统控制策略和算法的优选及运行状态的优化，已
成为复杂工业过程控制的重要技术手段。其实质是对人的 能力放大和增强。计算机集成过程系统(Computer
智能控制理论是继经典控制理论、现代控制理论之后
发展起来的，是控制理论发展新阶段的产物，其建立和发
展是以众多新兴学科为基础的。智能控制的基本出发点是 采用人工智能方法对复杂、不确定性系统进行有效控制。 智能控制方法包括专家系统控制、模糊控制、神经网络控 制和仿人智能控制等，这几种方法各有其不同的特点，并
过程智能控制方法的研究，以便对智能控制的应用方法有 一个比较完整的了解。
7
8.2 复杂工业过程控制的研究现状
关于复杂工业过程，目前尚无统一定义。其复杂性 可概括为两个方面：客观复杂性和认识复杂性。前者是指 客观工业过程中某种运动或性态跨越层次后整合的、不可
还原的新性态和相互关系；后者是指对客观工业过程中复
9
传统的经典控制或现代控制理论在解决复杂工业过程的控 制方面，有很大局限性，主要表现如下：
(1) 不确定性问题
(2) 高度非线性问题 (3) 半结构化与非结构化问题 (4) 不可确定性的问题 (5) 可靠性问题
10
复杂工业过程的控制问题期盼着用新的理论与方法来 实实在在地解决工业现场的实际问题。人们研究的复杂工
业过程是一个具有高度复杂、不可确定、多层次、网络性
系统，在一个层次上是不可能把工业过程完全弄清楚，对 其研究需要在多个层次上进行。所谓复杂工业过程乃是工 业过程中带有根本性的、普遍性的又是远远没有解决的问 题。这就需要我们在未来研究中，运用复杂系统理论提供 的新概念、新方法及新成果，结合已经形成的复杂工业过 程特有的概念体系和方法学，通过多个层次以及对多个层 次的综合集成研究，最终在个体层面上解答和揭示工业过
将专家系统和神经网络方法集成应用，将能发挥他们的综 合优势。 在一些大型复杂系统中，采用单一的某种智能控制方 法往往不能满足控制要求，这时应考虑综合应用模糊控制、
神经网络控制和专家系统控制等方法的集成智能控制方法。
6
本章首先讨论复杂工业过程控制发展及其智能控制方
法的研究现状，然后具体介绍具有典型意义的氧乐果合成
理模糊信息的能力；第二类是利用神经网络功能及映射能力，
和神经网络集成在一个系统中，以发挥各自的优势。
5
专家系统是符号逻辑人工智能中一个最重要、最活跃 的分支，但存在知识获取的困难，而神经网络方法具有很
强的自学习能力和自适应能力，能够实现快速推理。因此
特性，因此基于神经网络的模糊控制近年来逐渐成为
研究的热点。模糊控制和神经网络二者各自的优势在 于：模糊控制易于获得由语言表达的专家知识，能有
效的控制难以建立精确模型而凭经验可控制的系统，
而神经网络则由于其仿生特性更能有效利用系统本身 的信息，并能映射任意函数关系，具有并行处理和自 学习能力，容错能力也很强。 4
第8章 智能控制在过程控制中的应用
1
8.1 概述
工业生产过程的自动控制在很多工业领域占有重要位 置，控制效果的优劣直接影响到产品的质量、产量和生
产设备的运行寿命，影响到生产的安全、稳定和工人的
劳动强度，先进控制方法的研究具有明显的经济和社会 意义。对于简单过程系统，采用传统的经典或现代控制 理论方法，可以获得满意的控制效果。而对于复杂过程 系统，由于其具有非线性、时变、纯滞后、不确定等特 性，采用传统的控制方法难以取得好的控制效果，因此， 其智能控制方法成为研究热点。 2
Integrated Process System ，CIPS) 是工业过程控制进入计
算机时代的产物，以连续生产过程为研究对象，其目标是 实现计算机集成综合自动化。 12
虽然计算机在系统中起很大作用，但仍然是辅助工具，
人在监控级总体闭环中仍然起着不可取代的关键作用。这
包括人在内的系统，实质上是一种人机智能系统，在协同 作用过程中将展现出超过人的智力和才能的能力。但关键 在于加强控制理论同生产实际密切结合，注意引入智能化 方法和智能技术以及知识工程方法，逐步形成不同形式的 既简单又实用的控制结构和算法，使控制理论智能化和工 程化，以加快复杂工业过程控制的智能化进程。
已在不同领域中取得了一些相当成功的应用，但这些方法
在单独模拟人类智能活动时，又存在着各自的局限性。因 此，许多学者试图综合几种方法的优点，以克服各自的局
限性。
3
实际上，智能活动既有感知（直观、形象）活动， 又有认知（逻辑）活动，两者是密切相关的，而且又 是可以互相转换的，也是符合生理和心理现象的，神 经网络计算和模糊逻辑推理恰恰反映了这两种活动的
件很多或非常大且其关系复杂，则称之为大系统工业过程； 若在其中子过程的种类不太多且关系又比较简单，一般可用
线性或易于表达的非线性关系描述，则称为简单大系统工业
过程；若在其中子过程种类很多且关系复杂，递阶层次结构 复杂，子过程间又耦合很紧，一般又不可用线性或易于表达 的非线性关系描述，则称为复杂大系统工业过程。
杂性的有效理解及其表达。但在实际工程中，有些专家认 为，若工业过程受行为变量影响很弱且过程主要由状态变 量描述，可认为是一个简单系统，即复杂工业过程的关键 是由行为变量所致。
8
按系统科学理论，工业过程有多种分类方法：若组成工 业过程系统的子过程或元部件比较少且其关系比较单纯，则
称为简单的工业过程；若组成工业过程系统的子过程或元部
在集成大系统中，神经网络可用于处理低层感知数据， 模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊系统
均属于无模型控制器和非线性动力学系统，但神经网络适合
模糊神经网络控制大致可分为三类，第一类是直接在神经网
Байду номын сангаас
处理非结构化信息，而模糊系统对处理结构化的知识更有效。
络的学习模型中引入模糊逻辑推理的方法，使其具有直接处
13
8.3 复杂过程智能控制方法的研究现状
程。
11
从现阶段发展趋势看，在工业过程控制中控制策略的 智能化，决策支持的“专家”化已成为必然。通过知识工 程方法，将有关对象的定性知识、人的经验知识与技巧和 启发式逻辑推理有效地集成起来，从而构成知识库系统，
以支持系统控制策略和算法的优选及运行状态的优化，已
成为复杂工业过程控制的重要技术手段。其实质是对人的 能力放大和增强。计算机集成过程系统(Computer
智能控制理论是继经典控制理论、现代控制理论之后
发展起来的，是控制理论发展新阶段的产物，其建立和发
展是以众多新兴学科为基础的。智能控制的基本出发点是 采用人工智能方法对复杂、不确定性系统进行有效控制。 智能控制方法包括专家系统控制、模糊控制、神经网络控 制和仿人智能控制等，这几种方法各有其不同的特点，并
过程智能控制方法的研究，以便对智能控制的应用方法有 一个比较完整的了解。
7
8.2 复杂工业过程控制的研究现状
关于复杂工业过程，目前尚无统一定义。其复杂性 可概括为两个方面：客观复杂性和认识复杂性。前者是指 客观工业过程中某种运动或性态跨越层次后整合的、不可
还原的新性态和相互关系；后者是指对客观工业过程中复
9
传统的经典控制或现代控制理论在解决复杂工业过程的控 制方面，有很大局限性，主要表现如下：
(1) 不确定性问题
(2) 高度非线性问题 (3) 半结构化与非结构化问题 (4) 不可确定性的问题 (5) 可靠性问题
10
复杂工业过程的控制问题期盼着用新的理论与方法来 实实在在地解决工业现场的实际问题。人们研究的复杂工
业过程是一个具有高度复杂、不可确定、多层次、网络性
系统，在一个层次上是不可能把工业过程完全弄清楚，对 其研究需要在多个层次上进行。所谓复杂工业过程乃是工 业过程中带有根本性的、普遍性的又是远远没有解决的问 题。这就需要我们在未来研究中，运用复杂系统理论提供 的新概念、新方法及新成果，结合已经形成的复杂工业过 程特有的概念体系和方法学，通过多个层次以及对多个层 次的综合集成研究，最终在个体层面上解答和揭示工业过
将专家系统和神经网络方法集成应用，将能发挥他们的综 合优势。 在一些大型复杂系统中，采用单一的某种智能控制方 法往往不能满足控制要求，这时应考虑综合应用模糊控制、
神经网络控制和专家系统控制等方法的集成智能控制方法。
6
本章首先讨论复杂工业过程控制发展及其智能控制方
法的研究现状，然后具体介绍具有典型意义的氧乐果合成