第九章 仿人智能控制v2 PPT
合集下载
《智能控制基础》第5章仿人智能控制-清华大学出版社
仿人智能控制在结构上具有分级递阶的控制结构，遵循“智能增加 而相应精度降低”（IPDI）原则。不同于Saridis的分级递阶结构理论， 仿人智能控制认为：其最低层运行控制级不仅仅由常规控制器构成，还 要具有一定的智能，以满足实时、高速、高精度的控制要求。正如1992 年美国国家自然科学基金会与美国电力科学研究院联合发起的研究智能 控制倡议书中所强调那样：“研究工作应开辟新途径去提出问题，去设 计智能控制器，而不是把传统的控制方法（如较低层的PID控制器）与 高层的以规则为基础的控制器简单而松散地联系在一起”。
传统控制中以经典的时域性能指标和最优控制
的误差泛函积分评价指标系统进行的设计非常重要， e
但也存在着很大的局限性。经典的时域性能指标非
常直观，但不能直接用于设计，只能作为设计结束
后的评价。传统的单模态控制方式在设计时无法兼
顾所有的指标。最优控制的误差泛函积分评价指标
t
虽然可直接参与设计，但只能在各经典的时域性能
如图5-6中曲线（a）+（b）表明了一个
e
理想的定值控制过程；曲线（b）则为一个
理想的伺服控制的动态过程。如果以这样的
(a)
运动轨迹作为设计智能控制器的目标，理想
的情况就是，控制器迫使系统的动态特性在
该轨迹上滑动。但由于被控对象具有不确定
性和未知性，实际上运动的轨迹只可能处在
这条理想曲线周围的一曲柱中（对（e e ）
5.2.2 仿人智能控制的设计方法
控制系统的设计是在离线的情况下进行的。建立什么样的模型、以何种程 度反映实际被控对象来进行控制器的设计，是控制系统设计方法首先应当解决 的关键问题之一。然而，大多数的实际被控对象都具有非线性、时变性和不确 定性，要建立准确而又便于智能控制设计方法利用的模型非常困难。但是，控 制系统数学模型的“类等效”模型简化方法为设计者提供了一个十分有效的途 径。
传统控制中以经典的时域性能指标和最优控制
的误差泛函积分评价指标系统进行的设计非常重要， e
但也存在着很大的局限性。经典的时域性能指标非
常直观，但不能直接用于设计，只能作为设计结束
后的评价。传统的单模态控制方式在设计时无法兼
顾所有的指标。最优控制的误差泛函积分评价指标
t
虽然可直接参与设计，但只能在各经典的时域性能
如图5-6中曲线（a）+（b）表明了一个
e
理想的定值控制过程；曲线（b）则为一个
理想的伺服控制的动态过程。如果以这样的
(a)
运动轨迹作为设计智能控制器的目标，理想
的情况就是，控制器迫使系统的动态特性在
该轨迹上滑动。但由于被控对象具有不确定
性和未知性，实际上运动的轨迹只可能处在
这条理想曲线周围的一曲柱中（对（e e ）
5.2.2 仿人智能控制的设计方法
控制系统的设计是在离线的情况下进行的。建立什么样的模型、以何种程 度反映实际被控对象来进行控制器的设计，是控制系统设计方法首先应当解决 的关键问题之一。然而，大多数的实际被控对象都具有非线性、时变性和不确 定性，要建立准确而又便于智能控制设计方法利用的模型非常困难。但是，控 制系统数学模型的“类等效”模型简化方法为设计者提供了一个十分有效的途 径。
人工智能控制技术课件：神经网络控制
进行的，这种排列往往反映所感受的外部刺激的某些物理特征。
例如，在听觉系统中，神经细胞和纤维是按照其最敏感的频率分
布而排列的。为此，柯赫仑（Kohonen）认为，神经网络在接受外
界输入时，将会分成不同的区域，不同的区域对不同的模式具有
不同的响应特征，即不同的神经元以最佳方式响应不同性质的信
号激励，从而形成一种拓扑意义上的有序图。这种有序图也称之
,
,
⋯
,
)
若 输 入 向 量 X= ( 1
， 权 值 向 量
2
W=(1 , 2 , ⋯ , ) ，定义网络神经元期望输出 与
实际输出 的偏差E为：
E= −
PERCEPTRON学习规则
感知器采用符号函数作为转移函数，当实际输出符合期
望时，不对权值进行调整，否则按照下式对其权值进行
单神经元网络
对生物神经元的结构和功能进行抽象和
模拟，从数学角度抽象模拟得到单神经
元模型，其中 是神经元的输入信号，
表示一个神经元同时接收多个外部刺激；
是每个输入所对应的权重，它对应
于每个输入特征，表示其重要程度；
是神经元的内部状态； 是外部输入信
号； 是一个阈值（Threshold）或称为
第三代神经网络：
2006年，辛顿（Geofrey Hinton）提出了一种深层网络模型——深度
置信网络（Deep Belief Networks，DBN），令神经网络进入了深度
学习大发展的时期。深度学习是机器学习研究中的新领域，采用无
监督训练方法达到模仿人脑的机制来处理文本、图像等数据的目的。
控制方式，通过神经元及其相互连接的权值，逼近系统
例如，在听觉系统中，神经细胞和纤维是按照其最敏感的频率分
布而排列的。为此，柯赫仑（Kohonen）认为，神经网络在接受外
界输入时，将会分成不同的区域，不同的区域对不同的模式具有
不同的响应特征，即不同的神经元以最佳方式响应不同性质的信
号激励，从而形成一种拓扑意义上的有序图。这种有序图也称之
,
,
⋯
,
)
若 输 入 向 量 X= ( 1
， 权 值 向 量
2
W=(1 , 2 , ⋯ , ) ，定义网络神经元期望输出 与
实际输出 的偏差E为：
E= −
PERCEPTRON学习规则
感知器采用符号函数作为转移函数，当实际输出符合期
望时，不对权值进行调整，否则按照下式对其权值进行
单神经元网络
对生物神经元的结构和功能进行抽象和
模拟，从数学角度抽象模拟得到单神经
元模型，其中 是神经元的输入信号，
表示一个神经元同时接收多个外部刺激；
是每个输入所对应的权重，它对应
于每个输入特征，表示其重要程度；
是神经元的内部状态； 是外部输入信
号； 是一个阈值（Threshold）或称为
第三代神经网络：
2006年，辛顿（Geofrey Hinton）提出了一种深层网络模型——深度
置信网络（Deep Belief Networks，DBN），令神经网络进入了深度
学习大发展的时期。深度学习是机器学习研究中的新领域，采用无
监督训练方法达到模仿人脑的机制来处理文本、图像等数据的目的。
控制方式，通过神经元及其相互连接的权值，逼近系统
人工智能9智能控制_PPT幻灯片
（2）采用不精确的和不完全的装置分层(级)模型 。 （3）含有由多传感器递送的分级和不完全的外系统知识 ，并在学习过程中不断加以辨识、整理和更新 。 （4）把任务协商作为控制系统以及控制过程的一部分来 考虑 。
9.4 智能控制的特点与系 用户
统一般结构
1
接口
1——智能控制系统 2——多层控制器 3——多传感系统
9.5 智能控制系统
9.5.4 学习控制系统
学习控制系统是一个能在其运行过程中逐步获得受控过 程及环境的非预知信息，积累控制经验，并在一定的评价标 准下进行估值、分类、决策和不断改善系统品质的自动控制 系统。
9.5 智能控制系统
9.5.5 神经控制系统
基于人工神经网络的控制(ANN based control)，简称神 经控制(neurolcontrol)，是智能控制的一个崭新研究方向，可 能成为智能控制的“后起之秀”。
9.5 智能控制系统
9.5.2 专家控制系统
专家控制的主要形式有二，即专家控制系统和专家式控 制器。前者系统结构复杂，研制代价高，目前应用较少。后 者结构简单，研制代价明显低于前者，性能又能满足工业过 程控制的一般要求，因而获得日益广泛的应用。
9.5 智能控制系统
9.5.3 模糊控制系统
模糊控制是一类应用模糊集合理论的控制方法。一方面 ，模糊控制提供一种实现基于知识（规则）的甚至语言描述 的控制规律的新机理。另一方面，模糊控制为非线性控制器 提出一个比较容易的设计方法。
9.1 智能控制概述
传统控制面临的难题：
（1）实际系统存在复杂性、非线性、时变性、不确定性 和不完全性等，一般无法获得精确的数学模型。
（2）为研究这类系统提出并遵循的一些假设在应用中与 实际不符。
9.4 智能控制的特点与系 用户
统一般结构
1
接口
1——智能控制系统 2——多层控制器 3——多传感系统
9.5 智能控制系统
9.5.4 学习控制系统
学习控制系统是一个能在其运行过程中逐步获得受控过 程及环境的非预知信息，积累控制经验，并在一定的评价标 准下进行估值、分类、决策和不断改善系统品质的自动控制 系统。
9.5 智能控制系统
9.5.5 神经控制系统
基于人工神经网络的控制(ANN based control)，简称神 经控制(neurolcontrol)，是智能控制的一个崭新研究方向，可 能成为智能控制的“后起之秀”。
9.5 智能控制系统
9.5.2 专家控制系统
专家控制的主要形式有二，即专家控制系统和专家式控 制器。前者系统结构复杂，研制代价高，目前应用较少。后 者结构简单，研制代价明显低于前者，性能又能满足工业过 程控制的一般要求，因而获得日益广泛的应用。
9.5 智能控制系统
9.5.3 模糊控制系统
模糊控制是一类应用模糊集合理论的控制方法。一方面 ，模糊控制提供一种实现基于知识（规则）的甚至语言描述 的控制规律的新机理。另一方面，模糊控制为非线性控制器 提出一个比较容易的设计方法。
9.1 智能控制概述
传统控制面临的难题：
（1）实际系统存在复杂性、非线性、时变性、不确定性 和不完全性等，一般无法获得精确的数学模型。
（2）为研究这类系统提出并遵循的一些假设在应用中与 实际不符。
第九章-仿人智能控制v2幻灯片
then u(k)=U,t0(k)= K2 t0(k-1) （6）if |e(k)|<E, e(k)>0, Δe(k)<0
第九章 仿人智能控制
9.1 仿人智能控制的原理 9.1.1 基本思想 9.1.2 仿人智能控制行为的特征变量 9.1.3 系统特性的模式识别
9.2 几种仿人智能控制方案 9.2.1 仿人智能开关控制 9.2.2 仿人比例控制 9.2.3 仿人智能积分控制
9.3 专家PID控制
2020/6/24
1
智能控制的一个重要研究方向
2020/6/24
6
9.1.2 仿人智能控制行为的特征变量
图9.1 二阶系统的单位阶跃相应曲线
2020/6/24
7
2020/6/24
8
几个不同点的分析
点a,b,F的值均等于y，但动态特征不同
点a: 系统偏差有偏离平衡点的趋势； 点b: 系统偏差有趋于平衡点的趋势； 点F:系统偏差恰好达到极值。
then
u(k)=U,t0(k)=0（全关） (3) if e(k)=0, e(k-1)<0 then
u(k)=U,t0(k)=K1 t0(k-1)
2020/6/24
24
（4）if e(k)=0 ，e(k-1)>0 then
u(k)=U,t0(k)= t0(k-1) （5）if |e(k)|<E, e(k)>0, Δe(k)>0
传统PID调节器无自适应能力。 研究专家PID或者智能PID十分必要。
2020/6/24
3
9.1.1 基本思想
PID －比例，积分和微分控制器 反馈控制，按偏差调节
控制器作用
人脑
P: 比例，线性放大缩小 I: 积分，细调 D: 微分，变化趋势
第九章 仿人智能控制
9.1 仿人智能控制的原理 9.1.1 基本思想 9.1.2 仿人智能控制行为的特征变量 9.1.3 系统特性的模式识别
9.2 几种仿人智能控制方案 9.2.1 仿人智能开关控制 9.2.2 仿人比例控制 9.2.3 仿人智能积分控制
9.3 专家PID控制
2020/6/24
1
智能控制的一个重要研究方向
2020/6/24
6
9.1.2 仿人智能控制行为的特征变量
图9.1 二阶系统的单位阶跃相应曲线
2020/6/24
7
2020/6/24
8
几个不同点的分析
点a,b,F的值均等于y，但动态特征不同
点a: 系统偏差有偏离平衡点的趋势； 点b: 系统偏差有趋于平衡点的趋势； 点F:系统偏差恰好达到极值。
then
u(k)=U,t0(k)=0（全关） (3) if e(k)=0, e(k-1)<0 then
u(k)=U,t0(k)=K1 t0(k-1)
2020/6/24
24
（4）if e(k)=0 ，e(k-1)>0 then
u(k)=U,t0(k)= t0(k-1) （5）if |e(k)|<E, e(k)>0, Δe(k)>0
传统PID调节器无自适应能力。 研究专家PID或者智能PID十分必要。
2020/6/24
3
9.1.1 基本思想
PID －比例，积分和微分控制器 反馈控制，按偏差调节
控制器作用
人脑
P: 比例，线性放大缩小 I: 积分，细调 D: 微分，变化趋势
仿人智能控制基本原理
五 仿人智能控制基本原理源自在仿人智能控制原型算法中，控制策略与控制模 态的选择和确定，是依据误差变化趋势的特征进 行的，而这些确定误差变化趋势特征的集合，反 映在误差相平面上的全部特征，构成了整个控制 决策的依据，我们称之为特征模型。这与人控制 器拥有并依据先验知识进行控制的方式类似。 依据特征模型选择确定控制模态，这种决策推理 和信息处理的行为与人的直觉推理过程，即从 “认知到判断”再从“判断到操作”的决策推理 过程十分接近。
图3-3 仿人智能控制器 原形的动态特性
它表明了当系统受到 阶跃干扰的作用，输出响 应偏离给定值时，仿人智 能控制器在误差输入的作 用下，产生的控制输出与 误差响应的对应关系。 。
em3 em2
em1 e
t
u01 u02
u
t
B)抑制系数k偏小
五 仿人智能控制基本原理
2.2 动态特性分析
当抑制系数k取得偏大时，如图a）所示，误 差的动态响应将呈现过零的衰减振荡形式。 控制器相应的输出则呈现出以保持值u0i为中 心的反转锯齿状。当误差向偏离给定值的方 向变化时，控制器输出将在保持值u0i上叠加 一个与误差成比例的控制增量，即u = u0i + Kp e。当误差的变化指向给定值时，控制器 输出保持值u0i，随着误差曲线的衰减，保持 值u0i将趋向于一个稳定的值。
2.1 基本算法和静特性
图a）为保持模态中抑制系数k偏大时控制器的 静特性图 oa段—比例控制模式 ab段—增益抑制 bc段—开环保持模式 cd→df→fg段—第2个控制周期
五 仿人智能控制基本原理
2.1 基本算法和静特性
图b）为保持模态中抑制系数k偏小时控制 器的静特性图， oa→ab→bc段—第1个控制周期 cd→df→fg段—第2个控制周期 抑制系数k取得恰倒好处时
智能控制 第4章 专家控制仿人智能控制PPT课件
特征模型
❖利用特征状态对误差信息空间的划分 ，是
所有特征状态i的集合 。
Φ{1,2, ,n} i
关系矩阵
❖特征模型和特征基元集Q之间的关系，也可 由关系矩阵P来描述 ：
=P⊙Q
i [p i 1 ( q 1 ) ( p i2 q 2 ) ( p im q m )]
1 取反
p ij
0
取零
1
取正
q~1:ee0 pi1*q1 无约束
q1:ee0
pi1 1 pi1 0 pi1 1
举例
❖特征状态1对应的关系向量在ee 中可表示
为：
p 1 j [ 1 , 1 , 1 ,0 ,0 ,0 ,0 ,0 ,0 , 1 , ,0 ]
❖在 et中可表示为：
p1j [1,1,1,0,0,0]
如果出现误差增大的失控现象，对应于区域⑦，此时，为 了使误差尽快回头，可采用PD模态控制。
控制模态集
❖11： usgne)(uma磅x －磅控制模态 ❖12：uKpeKde PD控制模态
❖13： u uH
保持控制模态
直觉推理的实现
第一阶段：
❖特征模型到控制模态的映射，即
Ω:ΦΨ Ω {1,2, ,s}
若误差减小的过程中，误差变化速度高于预定的速度，则 对应于区域③和⑤，需在比例模态的基础上引入微分模态， 形成PD模态控制，压低误差变化率。
如果引入微分模态仍不能减小误差变化的速度至预设的范 围，则进入区域④，此时应引入正反馈抑制误差变化速度。
若误差和误差的变化率都很小，已满足要求，则对应于区 域⑥，可采用保持模态控制，使之自行衰减达到平衡。
误差时平面
特征状态
❖特征基元的特定组合，可以将误差信息空间 划分为一些区域，每一个区域代表了一种 系统运行特征的状态，称为特征状态。
人工智能控制技术课件：模糊控制
直接输出精确控制，不再反模糊化。
模糊集合
模糊控制是以模糊集合论作为数学基础。经典集合一般指具有某种属性的、确定的、
彼此间可以区别的事物的全体。事物的含义是广泛的,可以是具体元素也可以是抽象
概念。在经典集合论中,一个事物要么属于该集合,要么不属于该集合,两者必居其一,
没有模棱两可的情况。这表明经典集合论所表达概念的内涵和外延都必须是明确的。
1000
1000
9992
9820
的隶属度 1 =
= 1，其余为： 2 =
= 0.9992， 3 =
=
1000
1000
1000
9980
9910
0.982， 4 =
= 0.998， 5 =
= 0.991，整体模糊集可表示为：
1000
1000
1
0.9992
0.982
0.998
《人工智能控制技术》
模糊控制
模糊空基本原理
模糊控制是建立在模糊数学的基础上，模糊数学是研究和处理模糊性现
象的一种数学理论和方法。在生产实践、科学实验以及日常生活中，人
们经常会遇到模糊概念(或现象)。例如，大与小、轻与重、快与慢、动与
静、深与浅、美与丑等都包含着一定的模糊概念。随着科学技术的发展，
度是2 ，依此类推，式中“+”不是常规意义的加号，在模糊集中
一般表示“与”的关系。连续模糊集合的表达式为：A =
)( /其中“” 和“/”符号也不是一般意义的数学符号，
在模糊集中表示“构成”和“隶属”。
模糊集合
假设论域U = {管段1，管段2，管段3，管段4，管段5}，传感器采
1+|
模糊集合
模糊控制是以模糊集合论作为数学基础。经典集合一般指具有某种属性的、确定的、
彼此间可以区别的事物的全体。事物的含义是广泛的,可以是具体元素也可以是抽象
概念。在经典集合论中,一个事物要么属于该集合,要么不属于该集合,两者必居其一,
没有模棱两可的情况。这表明经典集合论所表达概念的内涵和外延都必须是明确的。
1000
1000
9992
9820
的隶属度 1 =
= 1，其余为： 2 =
= 0.9992， 3 =
=
1000
1000
1000
9980
9910
0.982， 4 =
= 0.998， 5 =
= 0.991，整体模糊集可表示为：
1000
1000
1
0.9992
0.982
0.998
《人工智能控制技术》
模糊控制
模糊空基本原理
模糊控制是建立在模糊数学的基础上，模糊数学是研究和处理模糊性现
象的一种数学理论和方法。在生产实践、科学实验以及日常生活中，人
们经常会遇到模糊概念(或现象)。例如，大与小、轻与重、快与慢、动与
静、深与浅、美与丑等都包含着一定的模糊概念。随着科学技术的发展，
度是2 ，依此类推，式中“+”不是常规意义的加号，在模糊集中
一般表示“与”的关系。连续模糊集合的表达式为：A =
)( /其中“” 和“/”符号也不是一般意义的数学符号，
在模糊集中表示“构成”和“隶属”。
模糊集合
假设论域U = {管段1，管段2，管段3，管段4，管段5}，传感器采
1+|
仿人智能控制
仿人智能控制仿人智能控制是仿效人的政行为而进行控制和决策，即在宏观结构上和功能上对人的控制进行模拟。
开展仿人智能控制的研究，是目前智能控制的一个重要研究方向。
1.仿人智能控制的原理1.1 仿人智能控制的基本思想传统的PID控制是一种反馈控制，存在着按偏差的比例、积分和微分三种控制作用。
比例：偏差一产生，控制器就有控制作用，使被控量想偏差减小的方向变化，器控制作用的强弱取决于比例系数Kp积分：它能对偏差进行记忆并积分，有利于消除静差，但作用太强，既Ti太大会是控制的动态性能变差，以至使系统不稳定。
微分：能敏感出偏差的变化趋势， To大可加快系统响应（使超调减小），但又会使系统抑制干扰的能力降低。
下面来分析一下PID控制中的三种控制作用的是指以及他们的功能与人的控制思维的某种智能差异，从而看出控制规律的智能化发展趋势。
1）比例；PID中实质是一种线性放大或缩小的作用，它类似于人的想象能力，可以把一个量想得大一些或小一些，但人的想象力是非线性的是变的，可根据情况灵活变化。
2）积分作用：对偏差信号的记忆功能（积分），人脑的记忆功能是人类的一种基本智能，人脑的记忆是具有某种选择性的。
可以记住有用的信息，而遗忘无用或长时间的信息，而PID中的积分是不加选择的长期记忆，其中包括对控制不利的信息，同比PID中不加选择的积分作用缺乏智能性。
3）微分：体现了信号的变化趋势，这种作用类似于人的预见性，但PID中的微分的预见性缺乏人的远见卓识，且对变化快的信号敏感，对变化慢的信号预见性差仿人智能控制的基本思想是指：在控制过程中利用计算机模拟人的控制行为能力，最大限度的识别和利用控制系统动态过程所提供的特征信息进行启发和直觉推理，从而实现对缺乏精确数学模型的对象进行有效的控制1.2 仿人智能行为的特征变量对系统动态特征的模式识别，主要是对动态模式的分类，根据系统偏差e及偏差变化△e以及由它们相应的组合的特征变量来划分动态特征模式，通过这些特征模式刻画动态系统的动态行为特征，以便作为智能控制决策的依据。
人工智能智能控制PPT
AI IC AC
智能控制的二元结构
三元结构
萨里迪斯(Saridis)认为，二
元交集的两元互相支配无助于智
能控制的有效和成功应用，必须 把远筹学的概念引入智能控制，
AI
使它成为三元交集中的一个子集。
对这一问题的争论，在IEEE第
一次智能控制国际讨论会上达到
高潮。
OR IC
CT
萨里迪斯还提出分级智能控 制系统，由3个智能(感知)级组 成：组织级、协调级、执行级。
（4）把任务协商作为控制系统以及控制过程的一 部分来考虑。
在上述讨论的基础上，我们能够给出智能控 制器的一般结构，如下图 所示。
不完全任务描述
任务协商
混合知识表示
多传感器 感知系统
各种传感器
高层规划/控制 常规控制过程
各种驱动器
世界（环境）
智能控制器的一般结构
3. 智能控制的特点
（1）同时具有以知识表示的非数学广义模型 和以数学模型表示的混合控制过程。
智能控制的三元结构
知识组织器
协调器1 硬件控制器1
协调器n 硬件控制器n
组织级 协调级 执行级
过程1
过程n
分级智能控制系统
四元结构 在研究了前述各种智
能控制的结构理论和各相 关学科的关系之后，蔡自 兴提出四元智能控制结构， 把智能控制看做人工智能、 自动控制、运筹学和信息 论四个学科的交集。
AI
1967年，Leondes和Mendel首先正式使用 “智能控制”一词。
智能控制的产生和发展
1985年，在美国首次召开了智能控制学 术讨论会。
1987年又在美国召开了智能控制的首届 国际学术会议，标志着智能控制作为一个 新的学科分支得到承认。
人工智能-第九章仿人智能控制v2 精品
7
2020/8/11
Manlike IC
8
几个不同点的分析
点a,b,F的值均等于y，但动态特征不同
点a: 系统偏差有偏离平衡点的趋势； 点b: 系统偏差有趋于平衡点的趋势； 点F:系统偏差恰好达到极值。
2020/8/11
Manlike IC
9
9.1.3 系统特性的模式识别
根据输出偏差e和偏差变化Δe以及它们的 组合的特征变量，划分动态特征模式，特 征模式作为智能控制决策的依据。
第九章 仿人智能控制
9.1 仿人智能控制的原理 9.1.1 基本思想 9.1.2 仿人智能控制行为的特征变量 9.1.3 系统特性的模式识别
9.2 几种仿人智能控制方案 9.2.1 仿人智能开关控制 9.2.2 仿人比例控制 9.2.3 仿人智能积分控制
9.3 专家PID控制
2020/8/11
Manlike IC
>0
>0
<0
en*Δen <0
>0
<0
>0
<0
2020/8/11
Manlike IC
11
en*Δen表征动态偏差变化情况
en*Δen>0 偏差加大, 偏差的绝对值逐渐增大 en*Δen<0 偏差减小, 偏差的绝对值逐渐减小
2020/8/11
Manlike IC
12
Δen*Δen-1 表征极值
Δen*Δen-1>0 无极值 Δen*Δen-1<0 有极值 B点： Δen*Δen-1<0 ; en*Δen>0 C’点： Δen*Δen-1<0 ; en*Δen<0 B点之后，偏差趋于减小，C’点之后，偏差
智能控制基础总结ppt课件
j
❖ 通常假设yi=f(Neti)，而f为激励函数。
27/46
激励函数类型
❖ 阈值型
f
1
xf
1
(Nwei1ti
)
0ui
Neti 0 Neti 0
x2
wi2
yi
i
❖ 分段线性型
1
0
Neti
图3—1—3 阀值函数
f
xn
f (Neti )
winkNeti
0
si Neti Neti0 Neti0 Neti
智能控制问题的提出
❖ 传统控制理论，包括经典反馈控制和现代控制理论， 由于研究对象的不确定性、高度非线性以及复杂的 任务要求等，在应用中遇到不少难题。多年来，自 动控制一直在寻找新的出路。现在看来，出路之一 就是实现控制系统的智能化，以期解决面临的难题。 智能控制作为一门新兴的理论技术，现在还处于发 展初期。
❖ 智能控制的概念主要是针对控制对象及其环境、目 标和任务的不确定性和复杂性而提出来的。
❖ 是由于实现大规模复杂系统的控制需要。 ❖ 是由于现代计算机技术、人工智能和微电子学等学
科的高速发展，带来的革命性变化。
1/46
智能控制问题的提出
❖ 智能控制应用对象的特点：
(1) 不确定性模型。传统控制是基于模型的控制，认 为模型已知或者经过辨识可以得到；而智能控制的 对象通常存在严重的不确定性。 (2) 高度的非线性。传统控制理论虽然也有一些非线 性控制方法，但总的说来不够成熟，而且方法复杂， 而智能控制理论可以很好地解决非线性控制问题。 (3) 复杂的任务要求。现代工业系统很多是高度复杂 的系统。对于这些复杂系统均可用智能控制系统控 制。
❖ 规划和控制：它是整个系统
❖ 通常假设yi=f(Neti)，而f为激励函数。
27/46
激励函数类型
❖ 阈值型
f
1
xf
1
(Nwei1ti
)
0ui
Neti 0 Neti 0
x2
wi2
yi
i
❖ 分段线性型
1
0
Neti
图3—1—3 阀值函数
f
xn
f (Neti )
winkNeti
0
si Neti Neti0 Neti0 Neti
智能控制问题的提出
❖ 传统控制理论，包括经典反馈控制和现代控制理论， 由于研究对象的不确定性、高度非线性以及复杂的 任务要求等，在应用中遇到不少难题。多年来，自 动控制一直在寻找新的出路。现在看来，出路之一 就是实现控制系统的智能化，以期解决面临的难题。 智能控制作为一门新兴的理论技术，现在还处于发 展初期。
❖ 智能控制的概念主要是针对控制对象及其环境、目 标和任务的不确定性和复杂性而提出来的。
❖ 是由于实现大规模复杂系统的控制需要。 ❖ 是由于现代计算机技术、人工智能和微电子学等学
科的高速发展，带来的革命性变化。
1/46
智能控制问题的提出
❖ 智能控制应用对象的特点：
(1) 不确定性模型。传统控制是基于模型的控制，认 为模型已知或者经过辨识可以得到；而智能控制的 对象通常存在严重的不确定性。 (2) 高度的非线性。传统控制理论虽然也有一些非线 性控制方法，但总的说来不够成熟，而且方法复杂， 而智能控制理论可以很好地解决非线性控制问题。 (3) 复杂的任务要求。现代工业系统很多是高度复杂 的系统。对于这些复杂系统均可用智能控制系统控 制。
❖ 规划和控制：它是整个系统
第九章 智能控制技术基础(一)
智能控制系统是实现某种控制任务的—种智能 系统 智能行为也是一种从输入到输出的映射关 系．这种映射关系并不能用数学的方法精确地加以 描述，因此它可看成是—种不依赖于模型的自适应 估计。
⒈智能控制系统的结构
图9.3 智能控制系统的结构图
在该系统中，广义对象包括通常意义下的控制对 象和所处的外部环境。 传感器则包括关节位置的传感器、力传感器，还 可能包括触觉传感器、视觉传感器等 感知信息处理将传感器得到的原始信息加以处理。 认知部分主要接收和储存知识、经验和数据，并 对它们进行分析、推理，作出行动的决策，送至规划 和控制部分。 通讯接口除建立人—机之间的联系外，也建立系 统中各模块之间的联系。 规划和控制是整个系统的核心，它根据给定的任 务要求、反馈的信息及经验知识，进行自动搜索、推 理决策、动作规划
9.2.2 模糊数学基础
众所周知，经典数学是以精确性为特征的，然而，与 精确性相悖的模糊性并不完全是消极的、没有价值的。 甚至可以说，有时模糊性比精确性还要好。 例如： 要你去车站接一个“大胡子、高个子、长头发、戴宽边 黑色眼镜的中年男士”。 尽管这里只提供了一个精确信息——男性， 但其他信息——大胡子、高个子、长头发、戴宽边黑色 眼镜、中年等都是模糊概念。 但是，你将这些模糊概念经过头脑的综合分析判断，就 可以找到这个人。
9.2.2 模糊数学基础
在科学技术、经济管理领域中，模糊概念（或 现象）也无处不在，例如： 感冒、胃病、心脏病、动物、植物、微生物、通货 膨胀、经济繁荣、贫困、温饱、小康、富有等。 当代科技发展的趋势之一，就是各个学科领域 都要求定量化、数学化。 当然也迫切要求将模糊概念（或现象）定量化、 数学化，这就促使人们必须寻找一种研究和处理模 糊概念（或现象的数学方法）
智能控制理论及应用PPT课件
智能控制理论及应用PPT课件
目 录
• 智能控制理论概述 • 智能控制基础理论 • 智能控制技术与方法 • 智能控制系统设计与实现 • 智能控制在工业领域应用案例 • 智能控制在非工业领域应用案例 • 智能控制发展趋势与挑战
01
智能控制理论概述
智能控制定义与发展
定义
智能控制是模拟人类智能，具有自 学习、自适应、自组织等能力，能 够处理复杂、不确定和非线性系统 的控制方法。
模糊控制器设计 介绍模糊控制器的结构、设计步骤及优化方法， 包括输入输出变量的选择、模糊化方法、模糊规 则制定等。
神经网络基础
01
神经元模型与神经网络结构
阐述神经元模型的基本原理，介绍常见的神经网络结构，如前馈神经网
络、循环神经网络等。
02
神经网络学习算法
介绍神经网络的学习算法，包括监督学习、无监督学习和强化学习等，
发展历程
从经典控制理论到现代控制理论， 再到智能控制理论，经历了数十年 的发展，目前已成为控制领域的研 究热点。
智能控制与传统控制比较
控制对象
控制性能
传统控制主要针对线性、时不变系统， 而智能控制则面向复杂、非线性、时 变系统。
传统控制在稳定性和精确性方面表现 较好，而智能控制则在适应性和鲁棒 性方面更具优势。
智能家居系统架构
包括传感器、控制器、执行器等 组成部分，实现家庭环境的智能 感知与控制。
智能家居应用场景
如智能照明、智能安防、智能家 电等，提高家居生活的便捷性和 舒适性。
智能家居系统实现
技术
包括物联网技术、云计算技术、 人工智能技术等，实现家居设备 的互联互通和智能化控制。
智能交通信号控制策略优化
模糊控制在生产调度中的应用
目 录
• 智能控制理论概述 • 智能控制基础理论 • 智能控制技术与方法 • 智能控制系统设计与实现 • 智能控制在工业领域应用案例 • 智能控制在非工业领域应用案例 • 智能控制发展趋势与挑战
01
智能控制理论概述
智能控制定义与发展
定义
智能控制是模拟人类智能，具有自 学习、自适应、自组织等能力，能 够处理复杂、不确定和非线性系统 的控制方法。
模糊控制器设计 介绍模糊控制器的结构、设计步骤及优化方法， 包括输入输出变量的选择、模糊化方法、模糊规 则制定等。
神经网络基础
01
神经元模型与神经网络结构
阐述神经元模型的基本原理，介绍常见的神经网络结构，如前馈神经网
络、循环神经网络等。
02
神经网络学习算法
介绍神经网络的学习算法，包括监督学习、无监督学习和强化学习等，
发展历程
从经典控制理论到现代控制理论， 再到智能控制理论，经历了数十年 的发展，目前已成为控制领域的研 究热点。
智能控制与传统控制比较
控制对象
控制性能
传统控制主要针对线性、时不变系统， 而智能控制则面向复杂、非线性、时 变系统。
传统控制在稳定性和精确性方面表现 较好，而智能控制则在适应性和鲁棒 性方面更具优势。
智能家居系统架构
包括传感器、控制器、执行器等 组成部分，实现家庭环境的智能 感知与控制。
智能家居应用场景
如智能照明、智能安防、智能家 电等，提高家居生活的便捷性和 舒适性。
智能家居系统实现
技术
包括物联网技术、云计算技术、 人工智能技术等，实现家居设备 的互联互通和智能化控制。
智能交通信号控制策略优化
模糊控制在生产调度中的应用
- 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)。
逐渐加大。
e / e 偏差变化的姿态
与en*Δen联合使用，细化系统特征 例如，曲线BC(DE)中间一段，偏差变化较大
且偏差较大。 具体数值满足
en*Δen<0且b< e / e <a
Δen/Δen-1 表征偏差局部变化趋势
Δen/Δen-1比值大,前期控制效果差
Δ(Δe) 表征偏差变化的变化率 Δ(Δe)>0 超调阶段 ABC段 Δ(Δe)<0 回调阶段 CDE段
调节器参数的自动整定问题
PID需要试验加试凑方法整定。需要熟练的技 巧，并且相当费时。
传统PID调节器无自适应能力。 研究专家PID或者智能PID十分必要。
9.1.1 基本思想
PID －比例，积分和微分控制器 反馈控制，按偏差调节
控制器作用
人脑
P: 比例，线性放大缩小 I: 积分，细调 D: 微分，变化趋势
9.1.2 仿人智能控制行为的特征变量
图9.1 二阶系统的单位阶跃相应曲线
大家应该也有点累了，稍作休息
大家有疑问的，可以询问和交流
几个不同点的分析
点a,b,F的值均等于y，但动态特征不同
点a: 系统偏差有偏离平衡点的趋势； 点b: 系统偏差有趋于平衡点的趋势； 点F:系统偏差恰好达到极值。
then
u(k)=U,t0(k)=0（全关） (3) if e(k)=0, e(k-1)<0 then
u(k)=U,t0(k)=K1 t0(k-1)
（4）if e(k)=0 ，e(k-1)>0 then
u(k)=U,t0(k)= t0(k-1) （5）if |e(k)|<E, e(k)>0, Δe(k)>0
9.2 几种仿人智能控制方案
9.2.1 仿人智能开关控制(Bang-Bang)控制 开关（on-off)控制—bang-bang控制，简单，
易于实现。 电加热炉的控制中常常应用。 问题：精度较低，系统振荡幅度较大。 分析：常规方法， 两态： 开、关；没有人工控
制根据变化趋势调节的特点。
人工控制，可以根据误差和误差变化率选择开关 接通的时间。
特征变量是对系统动态特性的一种定性与定量相 结合的描述，它体现了对人的形象思维的一种 模拟。
9.1.3 仿人智能控制器的结构
图9.3 多变量仿人智能控制器的结构
其中，A,B是解析式、逻辑关系式和阈值集 的集合;F,H是以IF(特征)THEN(控制模式) 的形式写成的直觉推理规则集;V,W是以各 种线性、非线性函数写成的模式集，分别 存放于RB和DB中。ST产生的M进入DB 取代原有的控制参数集, MC产生输出u*， 经K输出u=Ku*，去控制被控对象G。
en*Δen表征动态偏差变化情况
en*Δen>0 偏差加大, 偏差的绝对值逐渐增大 en*Δen<0 偏差减小, 偏差的绝对值逐渐减小
Δen*Δen-1 表征极值
Δen*Δen-1>0 无极值 Δen*Δen-1<0 有极值 B点： Δen*Δen-1<0 ; en*Δen>0 C’点： Δen*Δen-1<0 ; en*Δen<0 B点之后，偏差趋于减小，C’点之后，偏差
想象功能，具有非线性放大能力 记忆功能，选择性记忆能力 预见功能，远见卓识的预见能力
PID控制作用是优良控制的必要条件，非充分条件。
PID的改进：
1．变增益控制（增益适应） 2. 智能积分（非线性积分） 3．智能采样控制等等
仿人控制基本思想： 利用计算机模拟人的控制行为功能，
最大限度地识别过程特征信息，进行启发 和自觉推理，对缺乏精确数学模型的对象 实现有效的控制 。
9.1.3 系统特性的模式识别
根据输出偏差e和偏差变化Δe以及它们的 组合的特征变量，划分动态特征模式，特 征模式作为智能控制决策的依据。
偏差: en=r-yn 偏差变化: Δen=en – en-1
3) e*Δe
e*Δe的符号，表征动态偏差变化情况. >0, 离开平衡点 <0, 趋于平衡点
表9－1 特征变量的符号变化
过程为大惯性及纯滞后系统。采用产生式规则设 计智能开关控制。
12条规则：
设k为当前采样时刻，e(k)为偏差，Δe(k）
为偏差变化率，U为全开控制量，T为控制
周期，t0为开关接通时间。 (1) if |e(k)|≥M e(k)>0
then
u(k)=U,t0(k)=T（全开）
(2) if |e(k)|≥M e(k)<0
智能开关控制即是”考虑实际误差变化规律和被 控对象的特征，纯滞后及扰动等因素的开关控 制策略。”
智能开关控制的控制电压和偏差变化曲线
智能开关控制的偏差变化分析
e(k) * e(k) 0 k (0,t1) 或 (t2,t3) e(k) * e(k) 0 k (t1,t2 ) 或 (t3,t4 )
then u(k)=U,t0(k)= K7 t0(k-1) （12）if E≤|e(k)|<M, e(k)<0, Δe(k)>0
then u(k)=U,t0(k)= t0(k-1)
（9） if E≤|e(k)|<M, e(k)>0, Δe(k)>0
then u(k)=U,t0(k)= K5 t0(k-1) （10）if E≤|e(k)|<M, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K6 t0(k-1) （11）if E≤|e(k)|<M, e(k)<0, Δe(k)<0
第九章 仿人智能控制
9.1 仿人智能控制的原理 9.1.1 基本思想 9.1.2 仿人智能控制行为的特征变量 9.1.3 系统特性的模式识别
9.2 几种仿人智能控制方案 9.2.1 仿人智能开关控制 9.2.2 仿人比例控制 9.2.3 仿人智能积分控制
9.3 专家PID控制
智能控制的一个重要研究方向
then u(k)=U,t0(k)= K2 t0(k-1) （6）if |e(k)|<E, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K3 t0(k-1) （7） if |e(k)|<E, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K4 t0(k-1) （8） if |e(k)|<E, e(k)<0, Δe(k)>0
e / e 偏差变化的姿态
与en*Δen联合使用，细化系统特征 例如，曲线BC(DE)中间一段，偏差变化较大
且偏差较大。 具体数值满足
en*Δen<0且b< e / e <a
Δen/Δen-1 表征偏差局部变化趋势
Δen/Δen-1比值大,前期控制效果差
Δ(Δe) 表征偏差变化的变化率 Δ(Δe)>0 超调阶段 ABC段 Δ(Δe)<0 回调阶段 CDE段
调节器参数的自动整定问题
PID需要试验加试凑方法整定。需要熟练的技 巧，并且相当费时。
传统PID调节器无自适应能力。 研究专家PID或者智能PID十分必要。
9.1.1 基本思想
PID －比例，积分和微分控制器 反馈控制，按偏差调节
控制器作用
人脑
P: 比例，线性放大缩小 I: 积分，细调 D: 微分，变化趋势
9.1.2 仿人智能控制行为的特征变量
图9.1 二阶系统的单位阶跃相应曲线
大家应该也有点累了，稍作休息
大家有疑问的，可以询问和交流
几个不同点的分析
点a,b,F的值均等于y，但动态特征不同
点a: 系统偏差有偏离平衡点的趋势； 点b: 系统偏差有趋于平衡点的趋势； 点F:系统偏差恰好达到极值。
then
u(k)=U,t0(k)=0（全关） (3) if e(k)=0, e(k-1)<0 then
u(k)=U,t0(k)=K1 t0(k-1)
（4）if e(k)=0 ，e(k-1)>0 then
u(k)=U,t0(k)= t0(k-1) （5）if |e(k)|<E, e(k)>0, Δe(k)>0
9.2 几种仿人智能控制方案
9.2.1 仿人智能开关控制(Bang-Bang)控制 开关（on-off)控制—bang-bang控制，简单，
易于实现。 电加热炉的控制中常常应用。 问题：精度较低，系统振荡幅度较大。 分析：常规方法， 两态： 开、关；没有人工控
制根据变化趋势调节的特点。
人工控制，可以根据误差和误差变化率选择开关 接通的时间。
特征变量是对系统动态特性的一种定性与定量相 结合的描述，它体现了对人的形象思维的一种 模拟。
9.1.3 仿人智能控制器的结构
图9.3 多变量仿人智能控制器的结构
其中，A,B是解析式、逻辑关系式和阈值集 的集合;F,H是以IF(特征)THEN(控制模式) 的形式写成的直觉推理规则集;V,W是以各 种线性、非线性函数写成的模式集，分别 存放于RB和DB中。ST产生的M进入DB 取代原有的控制参数集, MC产生输出u*， 经K输出u=Ku*，去控制被控对象G。
en*Δen表征动态偏差变化情况
en*Δen>0 偏差加大, 偏差的绝对值逐渐增大 en*Δen<0 偏差减小, 偏差的绝对值逐渐减小
Δen*Δen-1 表征极值
Δen*Δen-1>0 无极值 Δen*Δen-1<0 有极值 B点： Δen*Δen-1<0 ; en*Δen>0 C’点： Δen*Δen-1<0 ; en*Δen<0 B点之后，偏差趋于减小，C’点之后，偏差
想象功能，具有非线性放大能力 记忆功能，选择性记忆能力 预见功能，远见卓识的预见能力
PID控制作用是优良控制的必要条件，非充分条件。
PID的改进：
1．变增益控制（增益适应） 2. 智能积分（非线性积分） 3．智能采样控制等等
仿人控制基本思想： 利用计算机模拟人的控制行为功能，
最大限度地识别过程特征信息，进行启发 和自觉推理，对缺乏精确数学模型的对象 实现有效的控制 。
9.1.3 系统特性的模式识别
根据输出偏差e和偏差变化Δe以及它们的 组合的特征变量，划分动态特征模式，特 征模式作为智能控制决策的依据。
偏差: en=r-yn 偏差变化: Δen=en – en-1
3) e*Δe
e*Δe的符号，表征动态偏差变化情况. >0, 离开平衡点 <0, 趋于平衡点
表9－1 特征变量的符号变化
过程为大惯性及纯滞后系统。采用产生式规则设 计智能开关控制。
12条规则：
设k为当前采样时刻，e(k)为偏差，Δe(k）
为偏差变化率，U为全开控制量，T为控制
周期，t0为开关接通时间。 (1) if |e(k)|≥M e(k)>0
then
u(k)=U,t0(k)=T（全开）
(2) if |e(k)|≥M e(k)<0
智能开关控制即是”考虑实际误差变化规律和被 控对象的特征，纯滞后及扰动等因素的开关控 制策略。”
智能开关控制的控制电压和偏差变化曲线
智能开关控制的偏差变化分析
e(k) * e(k) 0 k (0,t1) 或 (t2,t3) e(k) * e(k) 0 k (t1,t2 ) 或 (t3,t4 )
then u(k)=U,t0(k)= K7 t0(k-1) （12）if E≤|e(k)|<M, e(k)<0, Δe(k)>0
then u(k)=U,t0(k)= t0(k-1)
（9） if E≤|e(k)|<M, e(k)>0, Δe(k)>0
then u(k)=U,t0(k)= K5 t0(k-1) （10）if E≤|e(k)|<M, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K6 t0(k-1) （11）if E≤|e(k)|<M, e(k)<0, Δe(k)<0
第九章 仿人智能控制
9.1 仿人智能控制的原理 9.1.1 基本思想 9.1.2 仿人智能控制行为的特征变量 9.1.3 系统特性的模式识别
9.2 几种仿人智能控制方案 9.2.1 仿人智能开关控制 9.2.2 仿人比例控制 9.2.3 仿人智能积分控制
9.3 专家PID控制
智能控制的一个重要研究方向
then u(k)=U,t0(k)= K2 t0(k-1) （6）if |e(k)|<E, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K3 t0(k-1) （7） if |e(k)|<E, e(k)>0, Δe(k)<0
then u(k)=U,t0(k)= K4 t0(k-1) （8） if |e(k)|<E, e(k)<0, Δe(k)>0