智能控制概述及其发展

智能控制概述及其发展

学号：

姓名：

专业：09级自动化

智能控制概述及其发展

摘要: 本文介绍了智能控制的涵义，发展历史与现状, 智能控制的主要方法与当前的研究热点以及智能控制的发展前景等.

关键词: 智能控制专家控制神经网络模糊控制遗传算法

1引言

智能控制是自动控制发展的高级阶段，是人工智能、控制论、信息论、系统论、仿生学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。智能控制是当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域，代表着当今科学和技术发展的最新方向之一。它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容，而且还从生物学等学科汲取丰富的营养，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科。

2智能控制的内涵

对于人的智能行为, 特别是创造性思维的理解行为, 是一个长期研究的科学理论问题.

智能控制是通过应用人工智能的方法来扩展传统控制方法, 解决传统控制的局限性. 通常人们把自动识别和记忆信号( 图像、语言、文字) 会学习、能推理、有自动决策能力的自动控制系统称之为智能控制系统. 对智能控制的理解, 不同的研究者从不同的侧面出发, 阐述各自的观点.

斯坦福大学人工智能研究中心的Nilsson 教授认为: 人工智能是关于知识的科学，是怎样表示知识以及怎样获得知识并使用知识的科学；MIT的Winston教授指出:人工智能就是研究如何使计算机去做过去只有人才做的智能性工作.一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力, 即称为智能控制系统. 智能控制技术是在向人脑学习的过程中不断发展起来的, 人脑是一个超级智能控制系统, 具有实时推理、决策、学习和记忆等功能, 能适应各种复杂的控制环境；Saridis认为智能控制系统是通过驱动自主智能机来实现其目标而无需操作人员参与的系统；傅京孙把智能控制概括为自动控制( AC, Automatic Control) 和人工智能( AI, Artificial Intelligent) 的交集, 即: IC= AIH AC；萨里迪斯( Saridis) 等人于1977 年从机器智能的角度出发, 对傅的二元交集论进行了扩展, 提出三元交集的智能控制概念, 即把智能控制看作为人工智能、自动控制和运筹学的交点. 即: IC= AI H CTH OR 式中, CT 为控制论( CyberneticsTheory) , OR为运筹学

( Operation Research) . 表达了智能增加而精度降低这一著名原则.

3智能控制的主要方法

智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。

3.1 模糊控制

模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验

作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定，二者缺一不可。

3.2 专家控制

专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率，灵活性高，可通过调整控制器的参数,适应对象特性及环境的变化，适应性好，通过专家规则，系统可以在非线性、大偏差的情况下可靠地工作，鲁棒性强。

3.3 神经网络控制

神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。

3.4 学习控制

（1）遗传算法学习控制

智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。

（2）迭代学习控制

迭代学习控制模仿人类学习的方法，即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。

4智能控制的发展历史与现状

智能控制的发展历史分可为4个阶段：

第一阶段为智能控制的萌芽阶段20世纪40~ 50年代，以频率法为代表的单变量系统控制理论逐步发展起来，并且成功地用在雷达及火力控制系统上，形成了今天所说的古典控制理论. 1956年以前, 英国数学家图灵( A. M. Turing) 为现代人工智能作了大量开拓性的贡献. 20世纪60~ 70年代, 数学家们在控制理论发展中占了主导地位, 形成了以状态空间法为代表的现代控制理论，它建立在严密精确的数学模型之上, 从而造成了理论与实践之间的巨大分歧. 1961年以后, 人工智能主要内容涉及知识工程、自然语言理解等. 人们研究人工智能方法也分为结构模拟派和功能模拟派, 分别从脑的结构和脑的功能入手进行研究. 20 世纪70 年代后, 又出现了大系统理论. 但是, 由于这种理论解决实际问题的能力更弱, 很快被人们放到

了一边。

第二阶段为智能控制的发展初期( 1965~ 1979 年)建立于严密的数学理论上的控制理论

发展受到挫折, 而模拟人类智能的人工智能却迅速发展起来. 控制理论从人工智能中吸取营养寻求发展成为必然. 工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征. 特别是非线性对控制结果的影响复杂, 控制工程人员很难深入理解,更谈不上设计出