智能化控制技术的研究及控制系统的设计

1.1.2 模糊逻辑和模糊控制的应用
模糊控制理论是控制领域中非常有前途的一个分支， 在工程上也取得了很多成功的应用。 1974 年，E.H.Mamdani 首次将模糊控制理论应用于蒸汽机和锅炉的控制，取得了满意的控 制效果；随后，J . J . Ostergarad 又将模糊控制成功地应用于热交换器和水泥窖的生产； 之后，M. Sugeno 又将模糊控制用于汽车控制，取得了很好的控制效果。80年代末，在日本 兴起了一次模糊控制技术的高潮， 其成果被广泛应用于各个领域。 模糊控制在许多实际控制 系统中得到广泛应用，如工业控制过程中的蒸汽发生装置控制系统、合金钢冶炼控制系统、 炼油厂催化炉控制系统、铸铁退火炉温度控制系统等。另外，模糊控制也应用于航天飞行器 控制、机器人控制、核反应堆控制、热交换过程控制、异步电动机控制、污水处理、肌肉麻 醉控制、病人血压调整、电梯群控制、吊车自动控制等系统中。日用家电产品中的模糊控制 应用也已相当普遍，如用模糊控制系统控制水温。
1.2 神经网络
1.2.1 神经网络的定义
神经网络是由多个简单的处理单元彼此按某种方式相互连接而形成的计算机系统， 该系 统通过对连续或断续式的输入作状态响应而进行信息处理。 虽然每个神经元的结构和功能十 分简单， 但由大量神经元构成的网络系统的行为确实丰富多彩和十分复杂。 神经网络系统是 一个高度复杂的非线性动力学系统， 不但具有一般非线性系统的共性， 更主要的是它还具有 自己的特点。[3]
Fra Baidu bibliotek
1.1.3模糊逻辑和模糊控制发展前景
作为人工智能的一种新研究领域， 模糊控制吸收借鉴了传统设计方法和其他新技术的精 华，在诸多领域取得了长足的进展。在新型的电力电子和自动控制系统中，有些专家在线性 功放的加设条件下，把模糊控制应用于为基础的伺服电机控制中，在把模糊控制系统与 PID 及模型参考自适应控制（MRAC）进行比较后证明了模糊控制方法的优越性。模糊控制作为一 项正在发展的新技术， 目前在大多数专家还把主要精力放在应用系统研究上， 并取得了相当 的成果， 但在理论研究和系统分析上还是相对落后的， 以至于一些学者质疑其理论依据和有 效性。鉴于此可以明确得知：模糊控制理论和实践的结合仍有待于进一步探索。其发展前景 是十分诱人的，而且在近年来，其理论研究也取得了显著进展。在近四十年的发展进程中， 模糊控制也有一些局限性：1）控制精度低，性能不高，稳定性较差；2）理论体系不完整； 3）自适应能力低。对于这些弱点，模糊控制与一些其他新技术，比如神经网络（NN） ，遗传 算法相结合，向更高层次的应用发展拓展了巨大的空间。[2]
1
变化， 起精确控制也是非常困难的。 而模糊控制技术仅依据与操作者的实践经验和直观推断， 也依靠设计人员和研发人员的经验和知识积累， 它不需要建立设备模型， 因此基本上是自适 应的，具有很强的鲁棒性。历经多年发展，已有许多成功应用模糊控制理论的案例，如 Rutherford，Carter 和 Ostergaard 分别应用与冶金炉和热交换器的控制装置。[1]
1965 年，加州大学伯克利分校的计算机专家 Lofty Zadeh 提出“模糊逻辑”的概念， 其根本在于区分布尔逻辑或清晰逻辑，用来定义那些含混不清，无法量化或精确化的问题， 对于冯˙诺依曼开创的基于“真－假”推理机制，以及因此开创的电子电路和集成电路的布 尔算法， 模糊逻辑填补了特殊事物在取样分析方面的空白。 在模糊逻辑为基础的模糊集合理 论中，某特定事物具有特色集的隶属度，他可以在“是”和“非”之间的范围内取任何值。 而模糊逻辑是合理的量化数学理论，是以数学基础为根本去处理这些不精确信息。 模糊控制是基于模糊逻辑描述的一个过程的控制算法。对于参数精确已知的数学模型， 我们可以用 Bode 图或者 Nyquist 图来分析家其过程以获得精确的设计参数。而对一些复杂 系统，如粒子反应，气象预报等设备，建立一个合理而精确的数学模型是非常困难的，对于 电力传动中的变速矢量控制问题， 尽管可以通过测量得知其模型， 但对于多变量的且非线性
智能化控制技术的研究及控制系统的设计
摘要：智能化控制是工业发展的趋势，有着光明的发展前途。本文针对智能化控制的发展， 从模糊逻辑和模糊控制、神经网络、遗传算法等三个方面进行了分析、综合。模糊控制和神
经网络之间具有很强的互补性， 一方面对神经网络来说知识抽取和知识表达比较困难， 而模糊信 息处理方法对此却很有效；另一面，模糊模式很难从样本中直接学习规则，且在模糊推理过程中 会增加模糊性，但神经网络能进行有效地学习，并且采用联想记忆而降低模糊。利用遗传算法优 化模糊控制器时，优化的主要对象是隶属函数和模糊控制规则集。随着智能控制的发展，模糊
控制、神经网络、遗传算法三者的联系必然越来越紧密。 关键词：智能控制，模糊逻辑，模糊控制，神经网络，遗传算法，控制器 Abstract: Intelligent control is the development trend of the industry, and it has a bright future. In this paper, according to the development of intelligent control， I analyze and integrate the three aspects of fuzzy logic and fuzzy control, neural networks, genetic algorithms. There is a strong complementarity between the fuzzy control and neural network, on the one hand ,it is more difficult for neural network to carry on knowledge extraction and knowledge representation, but fuzzy information processing method is very effective for it; on the other hand, fuzzy pattern is difficult to learn the rules directly from the sample, and it will increase the fuzziness in the fuzzy inference process ,but the neural network can learn effectively, and reduce fuzziness using associative memory. When using genetic algorithm to optimize the fuzzy controller, the main object is to optimize the membership functions and fuzzy control rules set. With the development of intelligent control, the contact between fuzzy control, neural networks, genetic algorithm will become increasingly tight.
1.2.3 神经网络的发展趋势
基于传统计算机技术实现的人工神经网络， 是研究和学习人工神经网络的工具， 也可适 用于具体的领域(模式识别、专家系统等) ,但并不能真正达到并行处理，在一般计算机上运 算速度不可能太高，若用高性能计算机来实现，又失之于价值昂贵体积太大，因此基于硬件 实现是必然的发展方向。 基于硬件实现的人工神经网络通称第六代计算机——一种模拟人脑的超分散超平行的 信息处理系统，它不仅有自学自组织功能、而且无需复杂程序启动。超大规模集成电路(VLS I)技术随着半导体材料技术和半导体光刻技术的发展也有了迅猛发展。1995 年 IEEE 国际 电子器件会议( IEDM )上近二百位专家一致认为下一世纪的半导体材料仍将以硅为主，并以 SiGe、 GaAs 等材料弥补其不足, 硅电路用条形线(strip-line)技术已达到了 15～ 20GHz。 据美半导体工业协会(SIA)估计，到 21 世纪逻辑 IC 晶体管数目将达 6 千万个以上、金属引 线层达到 6 层、 时钟速率超过 1GHz。 现已可利用 248nm 的深紫外线光学步进机制造特征尺 寸为 0.25um 的芯片， 预计到 2010 年这一尺寸减将为 0.07um。 使得用电子元件实现人工神 经网络成为可能， 电子神经网络计算机是第六代计算机技术中发展得较为成熟的一种。 1989 年已面市 1um 级的含 1000 神经元完全互连的人工神经网络 CLSI 芯片；1991 年麻省理工学 院林肯实验室用电荷耦合器件技术(CCDS)实现了矢量矩阵乘积算法的信息处理器， 现已实现 的 2um8×8——64 点阵 CCDS/CMOS 技术时钟达 1MHz，可以每秒进行 64×106 次二进制位 数与模拟值的乘法运算， 很有希望在不久扩展为 128×128 点阵的大网络、 多值输入的快速 3 并行运算芯片；美 TRW 公司已于 1995 年研制出 36cm 的 VLSI 芯片上集成 10 亿神经元的人 工神经网络。 由于电子间存在着相互作用,光技术是目前能达到 1000 亿路平行负荷神经网络之间互
Keywords: Intelligent control ， Fuzzy Logic, Fuzzy Control ,Neural Network,
Genetic Algorithms ,Controller
一、智能化控制技术的研究现状与最新研究进展
1.1 模糊逻辑和模糊控制
1.1.1 模糊逻辑与模糊控制的概念
1.2.2 神经网络应用现状
神经网络以其独特的结构和处理信息的方法， 在许多实际应用领域中取得了显著的成效， 主要应用如下： （1）自动控制领域。神经网络方法已经覆盖了控制理论中的绝大多数问题，主要有系统
2
建模与辨识、PID 参数整定、极点配置、内模控制、优化设计、预测控制、最优控制、自适 应控制、滤波与预测容错控制、模糊控制和学习控制等。 （2）处理组合优化问题。最典型的例子是成功地解决了 TSP 问题，即旅行推销员问题 （Travelling Salesman Problem） ，另外还有最大匹配问题、装箱问题和作业调度等。 （3）模式识别。已成功应用于手写字符、汽车牌照、指纹和声音识别，还可用于目标的 自动识别和定位、机器人传感器的图像识别以及地震信号的鉴别等。 （4）图像处理。对图像进行边缘监测、图像分割、图像压缩和图像恢复。 （5）传感器信号处理。 传感器输出非线性特性的矫正、传感器故障检测、滤波与除噪、 环境影响因素的补偿、多传感器信息融合。 （6） 机器人控制。 对机器人眼手系统位置进行协调控制，用于机械手的故障诊断及排 除、智能自适应移动机器人的导航。 （7） 信号处理。能分别对通讯、语音、心电和脑电信号进行处理分类；可用于海底声纳 信号的检测与分类，在反潜、扫雷等方面得到应用。 （8） 卫生保健、医疗。比如通过训练自主组合的多层感知器可以区分正常心跳和非正常 心跳、基于 BP 网络的波形分类和特征提取在计算机临床诊断中的应用。 （9） 经济。能对商品价格、股票价格和企业的可信度等进行短期预测。 （10） 化工领域。能对制药、生物化学和化学工程等进行分析。如：进行蛋白质结构分 析、谱分析和化学反应分析等。 （11） 焊接领域。 国内外在参数选择、质量检验、质量预测和实时控制方面都有研究， 部分成果已得到应用。 （12） 地理领域。 在遥感图像分类中有广泛的应用， 在 GIS 方面应用人工神经网络理论， 提高系统对数据进行复杂的综合分析的功能。[4]