智能控制技术现状与发展
合集下载
- 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)。
组织功能
对于复杂任务和分散的传感信息具有自组织和 协调功能,使系统具有主动性和灵活性
智能控制的特点
应能对复杂系统(如非线性、快时变、复杂 多变量、环境扰动等)进行有效的全局控制, 并具有较强的容错能力
定性决策和定量控制相结合其基本目的是 从系统的功能和整体优化的角度来分析和 综合系统,以实现预定的目标,并应具有自组 织能力
智能控制技术的现状与发展
报告人 许丽佳 报告时间 2005-12-2
智能控制技术的发展概况
基于专家系统的智能控制 分层递阶智能控制 模糊逻辑控制 神经网络控制 学习控制
智能控制技术的体系结构
智能控制的概念
智能控制的概念主要是针对被控系统的 高度复杂性、高度不确定性及人们要求 越来越高的控制性能提出来的
神经网络的智能控制方法
3. 间接自校正控制 实现控制器的参数自动调整,消除扰动的影响, 以保证系统的性能指标。神经网络用作过程参 数或某些非线性函数的在线估计器
4. 神经网络模型参考自适应控制 神经网络控制器(NNC)根据输出误差e=ym-y来 修正权值,使得e→0。当系统结构已知时,可用 常规的控制方法取代NNC;当系统结构未知时, 则用NNC的逼近能力来完成控制。
自适应控制 鲁棒控制
随机控制
最优控制 反馈控制
开环控制
控制复杂性
智能控制的一般结构
认知
不完全任务描述 任务协调
混合知识表达
感知信息处理 各种传感器
规划 / 控制 常规控制过程 常规控制过程
广义对象
分级递阶智能控制结构
是智能控制的最早理论之一
➢ 递阶控制系统是指系统的各个子系统的 控制作用是由按照一定优先级和从属关 系安排的决策单元实现的
[智能信息]∩[智能反馈]∩[智能决策] ∈ 智能控制
自动控制使人们从繁重的体力劳动中解放出来； 智能控制将人们从复杂的脑力劳动中解放出来
智能控制的性能
学习能力
系统对一个未知环境提供的信息进行识别、记 忆、学习,并利用积累的经验进一步改善自身性 能的能力
适应功能
具有适应受控对象动力学特性变化、环境变化 和运行条件变化的能力
制的结合。
智能控制二元交集论
智能控制三元交集论
Ｓａｒｉｄｉｓ等人于1977年提出了智能控制 三元交集论。认为智能控制是人工智能、自动 控制和运筹学的交集
➢ ＩＣ=ＡＣ∩ＡＩ∩ＯＲ ➢ ＯＲ表示运筹学(ｏｐｅｒａｔｉｏｎｒｅｓｅ
ａｒｃｈ) ➢ 在三元交集论中除“智能”与“控制”之外,还
强调了更高层次控制中调度、规划和管理的作 用。
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
智能控制系统的类型
①分级递阶智能控制系统 ②专家控制系统 ③模糊控制系统 ④神经网络控制系统 ⑤基于规则的仿人智能控制系统 ⑥学习控制系统 ⑦集成智能控制系统 ⑧组合智能控制系统。
Hale Waihona Puke Baidu
进
智能控制
度
方 向
自学习控制 自组织控制
智能控制至今尚无一个公认的统一定义。
智能控制二元交集论
傅京孙(Ｋ.Ｓ.Ｆｕ)于1971年提出智能控制二 元交集论。他把智能控制概括为自动控制与人 工智能的交集
➢ ＩＣ=ＡＣ∩ＡＩ ➢ ＩＣ：智能控制(intelligent control) ➢ ＡＣ：自动控制(automatic control) ➢ ＡＩ：人工智能(artificial intelligence) ➢ 强调的是人工智能中“仿人”的概念与自动控
➢ 同级的各决策单元可以同时平行工作并 对下级施加作用,它们又要受到上级的干 预
➢ 子系统可通过上级互相交换信息。
分级递阶智能控制
自组织 自适度 最优化 直接控制 被控制系统
当系统由若干个可分的相 互关联的子系统组成时,可 按所有决策单元按一定支 配关系递阶排列
同一级各单元要受上一级 单元的干预,同时又对下一 级决策单元施加影响
多层描述是对一个复杂系 统的决策问题纵向分解,按 任务复杂程度分成若干子 决策层
多级描述则考虑到各子系 统的关联,将决策问题进行
模糊逻辑控制
不需要被控过程的数学模型,因而可省去 传统控制方法的建模过程, 依赖控制经验。
人类控制经验 模糊控制器
模糊模型 数据
被控过程
模糊模型优点
集成专家控制经验,以if-then规则的形式 表示,具有知识表达的特点
神经元的数学模型是1943年由ＭｃＣｍｌｏｃ ｈ和Ｐｉｔｔｓ两位科学家首先提出的。神经 网络理论真正的发展期应该是在80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
神经网络的特点
具有较强的自学习能力 能够充分逼近任意复杂的非线性系统 能够学习和适应严重不确定性系统的动
态特性 有很强的鲁棒性和容错性 采用并行分布处理方法,能快速进行大量
运算
主要的神经网络及算法
多层前向传波网络 小脑模型 回归神经网络 径向基网络(ＲＢＦ)
常用算法：BP算法
神经网络建模
智能控制三元交集论
智能控制四元交集论
近年来蔡自兴提出了智能控制四元交集 论，认为智能控制是人工智能、自动控 制、信息论及运筹学的交集
ＩＣ=ＡＣ∩ＡＩ∩ＯＲ∩ＩＮ
智能控制概述
可以看出,智能控制是一类无需(或仅需很少的) 人的干预就能够独立的驱动智能机器实现其目 标的自动控制。
三个基本要素是:智能信息、智能反馈、智能决 策
局部线性化模型可采用现代控制理论方 法进行系统设计和分析
Mamdani和Sugeno模型都可根据系统的 输入输出数据进行辨识,具有定量和定性 知识集成的特点
模糊逻辑控制的发展
将模糊控制与预测控制相结合 用遗传算法对隶属度函数进行参数优化 模糊理论与神经网络相结合
神经网络控制
神经网络的发展史
神经网络建模以其独特的非传统表达方 式和固有的学习能力实现系统输入输出 的映射
神经网络建模的理论依据是逼近理论
多层前向传播神经网络可以逼近任意连 续函数和分段连续函数
神经网络的智能控制方法
1. 系统建模 用神经网络对带有严重非线性特性的系 统进行建模,比传统的线性系统辨识更为 有效
2. 直接自校正控制 神经网络首先离线学习被控对象的逆动 力学特性,然后用作对象的前馈控制器,并 在线继续学习动力学特性
对于复杂任务和分散的传感信息具有自组织和 协调功能,使系统具有主动性和灵活性
智能控制的特点
应能对复杂系统(如非线性、快时变、复杂 多变量、环境扰动等)进行有效的全局控制, 并具有较强的容错能力
定性决策和定量控制相结合其基本目的是 从系统的功能和整体优化的角度来分析和 综合系统,以实现预定的目标,并应具有自组 织能力
智能控制技术的现状与发展
报告人 许丽佳 报告时间 2005-12-2
智能控制技术的发展概况
基于专家系统的智能控制 分层递阶智能控制 模糊逻辑控制 神经网络控制 学习控制
智能控制技术的体系结构
智能控制的概念
智能控制的概念主要是针对被控系统的 高度复杂性、高度不确定性及人们要求 越来越高的控制性能提出来的
神经网络的智能控制方法
3. 间接自校正控制 实现控制器的参数自动调整,消除扰动的影响, 以保证系统的性能指标。神经网络用作过程参 数或某些非线性函数的在线估计器
4. 神经网络模型参考自适应控制 神经网络控制器(NNC)根据输出误差e=ym-y来 修正权值,使得e→0。当系统结构已知时,可用 常规的控制方法取代NNC;当系统结构未知时, 则用NNC的逼近能力来完成控制。
自适应控制 鲁棒控制
随机控制
最优控制 反馈控制
开环控制
控制复杂性
智能控制的一般结构
认知
不完全任务描述 任务协调
混合知识表达
感知信息处理 各种传感器
规划 / 控制 常规控制过程 常规控制过程
广义对象
分级递阶智能控制结构
是智能控制的最早理论之一
➢ 递阶控制系统是指系统的各个子系统的 控制作用是由按照一定优先级和从属关 系安排的决策单元实现的
[智能信息]∩[智能反馈]∩[智能决策] ∈ 智能控制
自动控制使人们从繁重的体力劳动中解放出来； 智能控制将人们从复杂的脑力劳动中解放出来
智能控制的性能
学习能力
系统对一个未知环境提供的信息进行识别、记 忆、学习,并利用积累的经验进一步改善自身性 能的能力
适应功能
具有适应受控对象动力学特性变化、环境变化 和运行条件变化的能力
制的结合。
智能控制二元交集论
智能控制三元交集论
Ｓａｒｉｄｉｓ等人于1977年提出了智能控制 三元交集论。认为智能控制是人工智能、自动 控制和运筹学的交集
➢ ＩＣ=ＡＣ∩ＡＩ∩ＯＲ ➢ ＯＲ表示运筹学(ｏｐｅｒａｔｉｏｎｒｅｓｅ
ａｒｃｈ) ➢ 在三元交集论中除“智能”与“控制”之外,还
强调了更高层次控制中调度、规划和管理的作 用。
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
智能控制系统的类型
①分级递阶智能控制系统 ②专家控制系统 ③模糊控制系统 ④神经网络控制系统 ⑤基于规则的仿人智能控制系统 ⑥学习控制系统 ⑦集成智能控制系统 ⑧组合智能控制系统。
Hale Waihona Puke Baidu
进
智能控制
度
方 向
自学习控制 自组织控制
智能控制至今尚无一个公认的统一定义。
智能控制二元交集论
傅京孙(Ｋ.Ｓ.Ｆｕ)于1971年提出智能控制二 元交集论。他把智能控制概括为自动控制与人 工智能的交集
➢ ＩＣ=ＡＣ∩ＡＩ ➢ ＩＣ：智能控制(intelligent control) ➢ ＡＣ：自动控制(automatic control) ➢ ＡＩ：人工智能(artificial intelligence) ➢ 强调的是人工智能中“仿人”的概念与自动控
➢ 同级的各决策单元可以同时平行工作并 对下级施加作用,它们又要受到上级的干 预
➢ 子系统可通过上级互相交换信息。
分级递阶智能控制
自组织 自适度 最优化 直接控制 被控制系统
当系统由若干个可分的相 互关联的子系统组成时,可 按所有决策单元按一定支 配关系递阶排列
同一级各单元要受上一级 单元的干预,同时又对下一 级决策单元施加影响
多层描述是对一个复杂系 统的决策问题纵向分解,按 任务复杂程度分成若干子 决策层
多级描述则考虑到各子系 统的关联,将决策问题进行
模糊逻辑控制
不需要被控过程的数学模型,因而可省去 传统控制方法的建模过程, 依赖控制经验。
人类控制经验 模糊控制器
模糊模型 数据
被控过程
模糊模型优点
集成专家控制经验,以if-then规则的形式 表示,具有知识表达的特点
神经元的数学模型是1943年由ＭｃＣｍｌｏｃ ｈ和Ｐｉｔｔｓ两位科学家首先提出的。神经 网络理论真正的发展期应该是在80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
神经网络的特点
具有较强的自学习能力 能够充分逼近任意复杂的非线性系统 能够学习和适应严重不确定性系统的动
态特性 有很强的鲁棒性和容错性 采用并行分布处理方法,能快速进行大量
运算
主要的神经网络及算法
多层前向传波网络 小脑模型 回归神经网络 径向基网络(ＲＢＦ)
常用算法：BP算法
神经网络建模
智能控制三元交集论
智能控制四元交集论
近年来蔡自兴提出了智能控制四元交集 论，认为智能控制是人工智能、自动控 制、信息论及运筹学的交集
ＩＣ=ＡＣ∩ＡＩ∩ＯＲ∩ＩＮ
智能控制概述
可以看出,智能控制是一类无需(或仅需很少的) 人的干预就能够独立的驱动智能机器实现其目 标的自动控制。
三个基本要素是:智能信息、智能反馈、智能决 策
局部线性化模型可采用现代控制理论方 法进行系统设计和分析
Mamdani和Sugeno模型都可根据系统的 输入输出数据进行辨识,具有定量和定性 知识集成的特点
模糊逻辑控制的发展
将模糊控制与预测控制相结合 用遗传算法对隶属度函数进行参数优化 模糊理论与神经网络相结合
神经网络控制
神经网络的发展史
神经网络建模以其独特的非传统表达方 式和固有的学习能力实现系统输入输出 的映射
神经网络建模的理论依据是逼近理论
多层前向传播神经网络可以逼近任意连 续函数和分段连续函数
神经网络的智能控制方法
1. 系统建模 用神经网络对带有严重非线性特性的系 统进行建模,比传统的线性系统辨识更为 有效
2. 直接自校正控制 神经网络首先离线学习被控对象的逆动 力学特性,然后用作对象的前馈控制器,并 在线继续学习动力学特性