智能控制理论及应用 复习

智能控制理论及应用第1章绪论■《智能控制》在自动化课程体系中的位置《智能控制》是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器。

与《自动控制原理》和《现代控制原理》一起构成了自动控制课程体系的理论基础。

■《智能控制》在控制理论中的位置《智能控制》是目前控制理论的最高级形式，代表了控制理论的发展趋势，能有效地处理复杂的控制问题。

其相关技术可以推广应用于控制之外的领域：金融、管理、土木、设计等等。

■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。

■智能控制与传统控制的特点。

传统控制：经典反馈控制和现代理论控制。

它们的主要特征是基于精确的系统数学模型的控制。

适于解决线性、时不变等相对简单的控制问题。

智能控制：以上问题用智能的方法同样可以解决。

智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。

■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■自动控制的发展过程■智能控制系统的结构一般有哪几部分组成，它们之间存在什么关系？答：智能控制系统的基本结构一般由三个部分组成：人工智能（AI）：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。

自动控制（AC）：描述系统的动力学特性，是一种动态反馈。

运筹学（OR）：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。

■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■智能控制的三元结构，它们之间关系的示意图。

把智能控制扩展为三元结构，即把人工智能、自动控制和运筹学交接如下表示：IC=AI∩AC∩OROR一运筹学（Operation research）IC一智能控制( intelligent control);Al一人工智能(artificial intelligence);AC一自动控制(automatic Colltrol);∩一表示交集.■智能控制系统的主要类型，以及各自的特点1）、分级递阶控制系统主要有三个控制级组成，按智能控制的高低分为组织级、协调级、执行级，并且这三级遵循“伴随智能递降精度递增”原则。

2）、专家控制系统专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验。

它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。

3）、神经控制系统神经网络具有某些智能和仿人控制功能。

学习算法是神经网络的主要特征。

4）、模糊控制系统在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。

5）、学习控制系统学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试。

所谓学习是一种过程，它通过重复输入信号，并从外部校正该系统，从而使系统对特定输入具有特定响应。

6）、集成或者（复合）混合控制系统几种方法和机制往往结合在一起，用于一个实际的智能控制系统或装置，从而建立起混合或集成的智能控制系统。

■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。

■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。

分层递阶智能控制（图）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(a)PID 控制 (b)模型参考自适应控制 (c)前馈反馈控制神经网络控制的3种典型结构第2章 模糊控制的数学基础■模糊集合的定义 给定论域E 中的一个模糊集A ，是指任意元素x ∈E ，都不同程度地属于这个集合，元素属于这个集合的程度可以用隶属函数A (x)μ∈[0，1]来表示。

■模糊集合的表示法1） Zadeh 表示法；2）序偶表示法；3）隶属函数描述法；■模糊集合的运算模糊集合与普通集合一样也有交、并、补的运算。

例、设论域U={a, b, c, d, e}上有两个模糊集分别为：~0.50.30.40.20.1A a b c d e=++++ ~0.20.80.10.70.4B a b c d e =++++ 求~~A B 、~~A B 和~A 。

解：~~0.50.20.30.80.40.10.20.70.10.4A B a b c d e∧∧∧∧∧=++++0.20.30.10.20.1a b c d e=++++~~0.50.20.30.80.40.10.20.70.10.4A B a b c d e∨∨∨∨∨=++++ 0.50.80.40.70.4a b c d e=++++ ~10.510.310.410.210.1A a b c d e-----=++++ 0.50.70.60.80.9a b c d e=++++ ■水平截集的定义在论域U 中，给定一个模糊集合A ，由对于A 的隶属度大于某一水平值λ（阈值）的元素组成的集合，叫做该模糊集合的λ水平截集。

例子：已知~123450.10.30.50.70.9A x x x x x =++++，求A 0.1、A 0.2、A 0.7 解：12.13450{,,,,}A x x x x x =； 20.2345{,,,}A x x x x =；40.75{,}A x x =■模糊关系的运算例、已知~0.10.30.20.4R ⎡⎤=⎢⎥⎣⎦和~0.40.20.50.1S ⎡⎤=⎢⎥⎣⎦求~~R S 、~~R S 和~R 解：0.10.40.30.20.20.50.40.0.10.20.20.~11~R S ∧∧⎡⎤⎡⎤==⎢⎥⎢⎥∧∧⎣⎦⎣⎦0.10.40.30.20.20.50.40.0.40.30.50.~41~R S ∨∨⎡⎤⎡⎤==⎢⎥⎢⎥∨∨⎣⎦⎣⎦~10.110.310.210.40.90.70.80.6R --⎡⎤⎡⎤==⎢⎥⎢⎥--⎣⎦⎣⎦■模糊关系的合成设R 是论域U ×V 上的模糊关系，S 是论域V ×W 上的模糊关系，则R 和S 可以合成为论域U ×W 上的一个新的模糊关系C ，记做~~~C R S =■ 模糊变换R 是X ×Y 上的模糊关系；设A 和B 分别为X 和Y 上的模糊集：且满足~~~B R A =，则称B 是A 的象，A 是B 的原象，R 是X 到Y 上的一个模糊变换。

例子：已知论域X={x1,x2, x3}和Y={y1,y2}，A 是论域X 上的模糊集： ~{0.1,0.3,0.5}A =R 是X 到Y 上的一个模糊变换，~0.50.20.30.10.40.6R ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦试通过模糊变换R 求A 的象B解：~~~B A R =0.50.2(0.1,0.3,0.5)0.30.10.40.6⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦[](0.10.5)(0.30.3)(0.50.4)(0.10.2)(0.30.1)(0.50.6)=∧∨∧∨∧∧∨∧∨∧ (0.4,0.5)=■语言规则中蕴涵的模糊关系定义一个语言变量需要定义以下4个方面的内容：• 定义变量名称；• 定义变量的论域；• 定义变量的语言值（每个语言值是定义在变量论域上的一个模糊集合） • 定义每个模糊集合的隶属函数。

•■模糊条件语句1.简单条件语句“如果……那么……”或“如果……那么……，否则……”2.多重条件语句如果u 是A 1，则v 是B 1 ；否则，如果u 是A 2，则v 是B 2 ；……否则，如果u 是A n ，则v 是B n 。

3.多维条件语句如果u 1是A 1，且u 2是A 2，…，且u m 是A m ，则v 是B例子、已知语言规则为“如果e 是A ，并且ec 是B ，那么u 是C 。

”其中 ~1210.5A e e =+、 ~1230.10.61B ec ec ec =++和~1230.30.71C u u u =++试求该语句所蕴涵的模糊关系 R 。

解：~~~~R A B C =⨯⨯ 第一步，先求R 1＝A ×B ：第二步，将二元关系矩阵R 1排成列向量形式R 1 T ，先将中的第一行元素写成列向量形式，再将中的第二行元素也写成列向量并放在前者的下面，如果是多行的，再依次写下去。

于是R 1可表示为：1~0.10.610.10.50.5T R ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦第三步，R 可计算如下：1~~~0.10.10.30.10.70.110.60.60.30.60.70.61110.310.711(0.30.71)0.10.10.30.10.70.110.50.50.30.50.70.510.50.50.30.50.70.51T R R C ∧∧∧⎡⎤⎡⎤⎢⎥⎢⎥∧∧∧⎢⎥⎢⎥⎢⎥⎢⎥∧∧∧=⨯=⨯=⎢⎥⎢⎥∧∧∧⎢⎥⎢⎥⎢⎥⎢⎥∧∧∧⎢⎥⎢⎥∧∧∧⎣⎦⎣⎦0.10.10.10.30.60.60.30.710.10.10.10.30.50.50.30.50.5⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦第3章 模糊控制的设计方法■模糊控制器的基本工作原理将测量得到的被控对象的状态经过模糊化接口转换为用人类自然语言描述的模糊量，而后根据人类的语言控制规则，经过模糊推理得到输出控制量的模糊取值，控制量的模糊取值再经过清晰化接口转换为执行机构能够接收的精确量。