智能控制研究报告 (4000字)

智能控制理论研究报告

一、绪论

随着计算机、材料、能源等现代科学技术的迅速发展和生产系统规模不断扩大 , 形成了复杂的控制系统 ,导致了控制对象、控制器、控制任务等更加复杂。与此同时 , 对自动化程度的要求也更加广泛 ,面对来自柔性控制系统 ( fms) 、智能机器人系 (irs) 、数控系统 ( cns) 、计算机集成制造系统(cims 等复杂系统的挑战 , 经典的与现代的控制理)论和技术已不适应复杂系统的控制。

智能控制是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制技术。智能控制突破了传统控制理论中必须基于数学模型的框架 ,它基本上按实际效果进行控制 ,不依赖或不完全依赖于控制对象的数学模型 ,又继承了人类思维的非线性特性。某些智能控制方法还具有在线辨识、决策或总体自寻优的能力和分层信息处理、决策的功能

二、国内外研究现状：

2.1国际

1965年，k.s.fu（傅京孙）首先提出把人工智能的直觉推理规则方法用于学校控制系统。1966年mendel进一步在空间飞行器学习系统研究中提出了人工智能控制概念。1967年，leondes等人首先正式使用“智能控制”一词。此后智能控制开始逐渐发展。1987年在费城进行的第一次国际智能控制会议，标志着智能控制开始成为一个崭新的学科。

近年来，智能控制理论与智能化系统发展十分迅速。其中代表性的理论有专家系统，模糊逻辑控制、神经网络控制、基因控制即遗传算法、混沌控制、小波理论、分层递阶控制、拟人化智能控制、博弈论等。著名的控制理论权威专家austrom在其“智能控制的方向”一文中指出：模糊逻辑控制，神经网络与专家系统是典型的智能控制方法。

2.2国内

智能技术在国内也受到广泛重视,中国自动化学会等于1993年8月在北京召开了第一届全球华人智能控制与智能自动化大会,1995年8月在天津召开了智能自动化专业委员会成立大会及首届中国智能自动化学术会议,1997年6月在西安召开了第二届全球华人智能控制与智能自动化大会。

近年来,智能控制技术在国内外已有了较大的发展,己进入工程化,实用化的阶段.但作为一门新兴的理论技术,它还处在一个发展时期.然而,随着人工智能技术,计算机技术的迅速发展,智能控制必将迎来它的发展新时期。

三、智能控制系统的分支

1.神经网络

神经元的数学模型是1943年由mccmlach和ltts两位科学家首先提出的:神经网络理论的发展经受了不平凡的历程，其真正的发展期应该是在韵年代以后_尤其在1986年发表了感知器网络的学习算法，“后，神经网络的应用前景更加开阔:同时，它也为神经网络控制创造了必要的条件:神经网络控制是模拟人脑的结构和工作机理对系统实现控制_神经网络的主要特点是具有学习能力、并行计算能力和非线性映射能力:充分利用神经网络的这些能力来解决众多非线性、强祸合和不确定性系统的控制同题是神经控制论研究的主要课题。神经网络模型的种类繁多，但在神经控制论中得到广泛应用的神经网络模型并不富有。目前主要有:多层前向传波网络{mlp)，小脑模型{gmac)、回归神经网络、径向基网络(1tbf)等下面就神经控制论的三大问题进行讨论。

2.模糊控制

模糊逻辑拉制沦于1965年由扎德教授首先提出。它的主要思想是吸取气类思维具有模糊性的特点，通过模糊逻辑推理来实现对众多不确定性系统的有效控制。如果说.传统的控制是

从被控对象的数学结构上去考虑进行控制的。那么，模糊控制是从人类智能活动的角度和基础上去考虑实施控制的.其设计的核心是模糊控制规则和隶属度函数的确定。经典的模糊逻辑控制器的隶属度函数、控制规则都是根据经验预先总结出来的。控制过程中没有对规则进行修正功能，不具备学习和适应能力。但仍然在许多场合.如炉窑控制、化工过程控制、水处理、家电等得到广泛的应用。同时。多种改进的或夏合的模糊控制器也不断涌现.如模糊日。调节器、模糊专家拧制器、模糊自适应控制器.模糊神经网络控制器等。此外，模糊系统建模、模糊控制器的稳定性分析、模糊控制器的鲁棒性设计等一些热点和难点问题也都取得了进展。模糊拄制已经进人一个新阶段。

3.专家控制

专家控制(expert control)是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。专家控制试图在传统控制的基础上“加人”一个富有经验的控制工程师，实现控制的功能，它由知识库和推理机构构成主体框架，通过对控制领域知识(先验经验、动态信息、目标等)的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。

四.神经网络的应用

bp神经网络

1986年，rumelhart等提出了误差反向传播神经网络，简称bp网络（back propagation），该网络是一种单向传播的多层前向网络。

误差反向传播的bp算法简称bp算法，其基本思想是梯度下降法。它采用梯度搜索技术，以期使网络的实际输出值与期望输出值的误差均方值为最小。

1. bp网络特点

（1）是一种多层网络，包括输入层、隐含层和输出层；

（2）层与层之间采用全互连方式，同一层神经元之间不连接；

（3）权值通过δ学习算法进行调节；

（4）神经元激发函数为s函数；

（5）学习算法由正向传播和反向传播组成；

（6）层与层的连接是单向的，信息的传播是双向的。

2.bp网络结构

含一个隐含层的bp网络结构如图所示，图中为输入层神经元，为隐层神经元，为输出层神经元。

3. bp网络的逼近

bp网络逼近的结构如图所示，图中k为网络的迭代步骤，u(k)和y(k)为逼近器的输入。bp为网络逼近器，y(k)为被控对象实际输出，yn(k)为bp的输出。将系统输出y(k)及输入u(k)的值作为逼近器bp的输入，将系统输出与网络输出的误差作为逼近器的调整信号。

五、智能控制存在的问题

智能控制以其优越的控制性能逐渐步入了工程界并得到广泛的应用。然而在智能控制的实现方面，还存在很多问题有待解决。具体表现在：(1)扩宽实际应用范围,提高实时控制能力问题。(2)解决知识获取和优化的瓶颈问题，特别是动态系统的知识获取和分类。(3)对智能控制学习研究的问题。(4)各种智能控制方法结合以及同传统控制方法结合研究问题。(5)数值和符号之间的计算问题。目前，在数值和符号之间的计算尚未有一个成型的规则。(6)智能控制的鲁棒性问题缺乏严格的数学推导。(7)如何研究解耦问题，简化控制算法。(8)研究新型智能控制硬件和软件问题。目前，智能控制的研究往往缺少较好的软件环境，