搜索
机械制造自动化技术及工程应用第四讲智能控制相关理论与应用智能控制相关理论与应用1引言2智能控制的产生与发展3智能控制理论与方法4典型的智能控制策略5应用实例1引言人工智能的发展促使自动控制向智能控制发展。可以说,智能控制是控制理论、人工智能(AI)和计算机科学相结合的产物。智能控制系统是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制系统。各种智能控制系统正在发挥巨大的经济和社会效益。1引言智能控制已成为控制科学研究的一个热点。智能控制的产生与发展有着深刻的理论渊源、社会背景和坚实的技术基础，它的形成既蕴涵着控制科学自身的发展规律，也是生产发展的实际需要。2智能控制的产生与发展（1）现代工业生产的新挑战A：被控对象日益复杂被控对象往往是无穷维的复杂系统，表现出很强的分布特性，而利用有限参数模型设计的控制，其有效性不能保证。这种复杂性还表现在被控对象与环境的关系上，如不确定性因素增多，缺乏先验知识，环境干扰具有多样性、时变性和随机性，系统与环境、系统的各子系统之间和系统内部的关联性相当强且复杂。（1）现代工业生产的新挑战B：高度的不确定性现代工业系统的结构、参数和环境都具有高度的不确定性，系统和环境有许多未知因素，如环境的动态变化、输入信息的多样化和数据量显著增加等，而且其信息结构也发生了质的变化，包括信息的不可预知性、不完全性等。（1）现代工业生产的新挑战C：多层次、多目标的控制要求现代工业控制所追求的已不仅仅是低层次上单一的品质，而是力求实现多样化、多层次的综合目标，包括协调、调度、管理及决策等。（1）现代工业生产的新挑战D：控制手段的经济性基于实时性、生产成本和操作工素质等因素的考虑，控制手段不允许过分复杂。（1）现代工业生产的新挑战现代工业生产为追求高质量、高可靠、高效益、高适应性的“四高”目标，一方面其生产规模越来越庞大，节奏越来越快，工艺越来越复杂；另一方面基于严格和精确的数学模型描述基础上的传统控制理论的分析、综合与设计技术与现代工业生产的控制实践存在着巨大的鸿沟，理论与应用之间存在着严重不协调性，面对复杂的工业对象，其数学模型很难精确建立。即使在很多前提条件下建立了模型，工程应用时往往又需要对它进行简化，从而使模型的精确性难以保证。（1）现代工业生产的新挑战传统控制理论的控制算法往往很复杂，也为其实施设置了障碍。因此以追求单一品质、系统局部控制为目标的传统控制越来越难以满足现代工业生产的需求。顺应时代的呼唤，智能控制的产生也就成为必然。（2）智能控制形成的理论基础人工智能、信息科学、计算机科学、脑科学等学科的发展都从不同角度为智能控制的诞生奠定了必要的理论和技术基础，智能控制的产生是科学技术综合发展的结果。智能控制正成为控制与自动化领域中最兴旺和发展最迅速的一个分支学科，并被许多发达国家确认为提高国家竞争力的核心技术。（2）智能控制形成的理论基础早在20世纪60年代末,K.S.Fu就注意到了传统控制模式的缺陷和人工智能在控制及自动化领域中的巨大应用潜力，并在学习控制(LearningControl)的研究过程中，首次明确提出了智能控制的思想。早期的智能控制研究仍然很受传统自动控制理论的影响，大部分着眼点仍然基于系统已有的先验知识来“解决问题”，而不是自动获取知识。1971年他从研究自学习控制系统入手，概括了智能控制是自动控制与人工智能的交集；（2）智能控制形成的理论基础1977年，Saridis以智能机器人的控制为主要研究背景，从研究机器智能的角度提出了智能控制是自动控制、人工智能及运筹学的交集，并提出了分级递阶智能控制的结构和方法.（2）智能控制形成的理论基础Astrom提出的专家智能控制是将专家对被控对象和控制过程的知识、经验等融入控制器的设计与控制策略中；Zadeh提出的模糊集及模糊系统理论为解决结构不确定性的复杂多变量系统开辟了一条途径；（2）智能控制形成的理论基础神经网络源于对脑神经的模拟，具有很强的适应于复杂环境和多目标控制要求的自学习能力，并具有以任意精度逼近非线性连续函数的特性，神经网络满足控制系统高维数、非线性、强干扰、不确定、难建模、时滞未知、快速多变的要求；这些都对智能控制的研究和发展起了重要的推动作用。（3）智能控制的基本问题什么是智能控制中的“智能”？什么是智能控制器及智能控制系统?什么是智能控制方法？智能控制系统应具备哪些特征？等等。尽管来自不同领域的学者们对这些问题有不同的回答，但从控制的角度出发,下面的一些定义是合适的。（3）智能控制的基本问题智能(Intelligence):智能控制中的智能是指有自治能力的程度(DegreeofAutonomy)。智能主要表现在以下几个方面：先验智能、反应性智能、优化智能、组织和协调智能。（3）智能控制的基本问题自治能力(Autonomy):自治能力是学习或获取各种知识、并利用此知识进行决策以改善自身行为的能力。（3）智能控制的基本问题智能控制器(IntelligentController):用智能控制方法或传统的系统及控制技术设计或实现的、用于模拟或完成正常的由人、动物或生物系统所完成的功能的控制器。（3）智能控制的基本问题智能控制系统:(IntelligentControlSystem)智能控制系统是具有某种程度自治性的控制系统。应具备(或部分具备)如下特征:·处理各种不确定性、定性信息和数据结构的能力。·处理非结构化信息和数据的能力。·对具有高度抽象性的离散符号指令作出响应的能力。·辩识主控系统结构或构成变化的能力。（3）智能控制的基本问题·处理和利用各种不同性质的知识的能力。·根据主控系统或环境变化,对自身参数或结构进行修正或重构的能力。·在运行过程中学习和获取关于对象和环境的新知识、并利用这些新知识改进控制行为的能力。·基于对象行为预测的控制的多目标性。（3）智能控制的基本问题任何具备上述一种或多种能力的控制系统均被认为是智能控制系统。从这个意义上讲，经典的反馈控制、变结构控制、自校正控制及自适应控制均被认为属于智能控制的范畴，它们与通常所说的智能控制的区别在于它们仅具有较低层次的智能。（3）智能控制的基本问题智能控制理论及应用研究的目的就是利用包括传统控制及系统理论在内的已有各种理论及技术来构造在某种程度上具备上述特征的控制系统，并最终实现具有完全自治力的系统。（3）智能控制的基本问题智能控制方法:(IntelligentControlMethodology):利用旨在模拟人、动物或生物系统功能的技术或过程来为动态系统构造或实现控制、以达到预定要求的控制方法的集合。（4）理想的智能控制系统的功能特征A：有丰富的关于人--机--环境的知识及如何利用这些知识的策略,包括人的控制策略、被控对象的动态特征及环境的变化特性。B：有自适应、自组织、自学习和自协调的能力,也就是系统应具有能适应被控对象环境及控制过程变化的能力,能通过学习控制器和环境的信息而改善自身性能的能力。（4）理想的智能控制系统的功能特征C：能满足多目标、多层次的高标准要求,有判断决策的能力。D：有容错性,即系统应具有对各类故障进行屏蔽和自修复的能力,以保持系统高度的可靠性。（4）理想的智能控制系统的功能特征E：具有智能化的人—机界面,也就是将知识工程融入人机界面,不但能通过文字、图形等模式,而且可以通过语言、姿态等模式进行交互,具有自学习、自适应的能力,使界面能主动与用户交互,对人考虑问题起到良好的催化作用。（5）智能控制的主要研究分支及内容A：智能控制的形式和结构智能控制所研究的问题是多方面的、多层次的。智能控制面对不同的应用领域有着各种形式和结构,如分层递阶智能控制、分布式智能控制、仿人智能控制、专家控制、智能PID控制、模糊控制、神经网络控制以及模糊神经网络控制等。（5）智能控制的主要研究分支及内容B：智能控制的主要研究分支在智能控制发展和形成过程中，根据研究的侧重点、所涉及的问题以及所要达到的目标的不同，智能控制形成了各具特色的分支。虽然这些分支正趋于相互渗透和融合,但各自已形成了相对独立和有特色的方法体系。（5）智能控制的主要研究分支及内容B：智能控制的主要研究分支自适应控制(AdaptiveControl)、模糊控制(FuzzyControl)、神经网控制(NeuralNet-basedControl)、基于知识的控制(KnowledgeBasedControl)或专家控制(ExpertControl)、复合智能控制(HybridIntelligentControl)、学习控制和基于进化机制的控制(EvolutionaryMechanismBasedControl)（5）智能控制的主要研究分支及内容C：智能控制的主要研究方法基于专家系统的专家智能控制基于模糊推理和计算的模糊控制基于人工神经网络的神经网络控制基于信息论，遗传算法和以上三种方法的集成型智能控制3智能控制理论与方法专家系统与专家智能控制综述模糊推理与模糊控制综述人工神经网络与神经网络控制综述4典型的智能控制策略智能PID控制多变量模糊系统的神经网络控制智能控制策略研究（1）智能PID控制目前大多数工业过程仍采用PID控制，PID控制在工业控制中仍占据非常重要的地位。为了改善PID控制器的性能，近60年来，人们提出了非线性PID控制、选择性PID-PD控制、I-PD控制以及自适应PID控制算法等，特别是近年来出现的专家自适应PID控制，或称智能PID控制已引起了广泛的关注，成为当前研究的热点。智能控制策略研究PID控制器中的KP、KI、KD这3个参数对获得良好的控制都是必要的，但这些参数确定后，并不具有主动适应系统或环境变化的能力，系统运行一段时间后，运行状态会发生变化。必须设计一种能够自动调整KP、KI、KD的控制器。我们用神经元网络来完成此项任务，通过网络自身的学习，找到某一组最优的控制器参数。智能控制策略研究神经元网络自适应PID控制器结构NN网络学习算法PID控制器学习算法受控对象KYrSTF-eXY'UU智能控制策略研究神经元网络自适应PID控制器包括3部分：（1）常规PID控制器：直接对过程构成闭环控制；（2）神经元网络NN：根据系统的信息，通过网络自身权系的调整，使得其稳定状态对应于某种最优控制下的PID控制器参数；（3）自调整因子STF：用于实时调整输出比例因子。智能控制策略研究（2）多变量模糊系统的神经网络控制对于控制问题而言，系统的模糊性主要来自以下几个方面：*建立被控对象数学模型时存在模糊性*测量信息存在模糊性*设计控制目标函数时存在模糊性多变量模糊系统的神经网络控制现实世界中存在着大量的复杂多变量系统,这类系统具有非线性、分布性、多变量和强耦合等特点,并集中表现为参数和结构的不确定性。结构一定时,参数不确定性可以用学习或自适应方法解决,但结构不确定性却很难用现存的系统及控制理论来解决。Zadeh提出的模糊集及模糊系统理论为解决这类含结构不确定性的复杂多变量系统开辟了一条途径,从而形成了一种新的理论体系———多变量复杂动态模糊系统与控制理论。它包括对系统行为的描述、辨识以及对其进行的分析和控制。基于模糊神经网络的控制模型1)(nkxr-)1(1-kx)1(1-ky)(mkyq-la0la11lrnalb11lqmbMMMMLa0La11LrnaMLb11LqmbM11lAulnAru11lBulmBquM11LAuLnAruMM11LBuLmBqu)(kxli)(kxli1lLl1lLl??)(kxi5智能控制应用研究针对国家863/CIMS应用示范工程—扬州水箱厂计算机集成制造系统车间管理与控制系统(YS-CIMS/SFCS)中的散热器芯子烘焊自动线主烘腔温度控制这一实际工程问题，进行了智能控制应用研究。（1）主烘腔结构5-风机6-导风板7-热电偶4