第2章-3智能控制.

2.3最热门的控制方法——智能控制主要内容智能控制的基本概念专家控制（ExpertControl）模糊控制（FuzzyControl）神经网络控制（NeuralNetworkControl）对智能控制的一些展望2.3.1智能控制的基本概念什么是“智能”?什么是“智能控制”？人的智能表现在其所具有的记忆、学习、模仿、适应、联想、语言表达、文字识别、逻辑推理、归纳总结、综合决策等各种能力。当自动控制方式明显地具有这些智能特征时，就称其为“智能控制”。人与智能控制人本身就是一个非常完美的智能控制系统，人脑及神经系统相当于智能控制器，对通过感官获取的各种信息进行综合分析、处理和决策，并利用手和脚等执行机构作出相应的反应，能适应各种复杂的控制环境，完成难度很大的任务。5传统自动控制与智能控制广义地讲，几乎所有的自动控制系统都在一定程度上模仿了人的控制方式，或多或少地具有“智能”，但是今天我们所讲的“智能控制”仍然有别于传统的自动控制方式，两者虽无明确的界限，但存在明显的区别。传统的自动控制是基于数学模型、以定量分析为主；而智能控制则更多地基于知识，利用专家经验、逻辑推理、学习功能、遗传和进化机制等来进行控制，是以定性分析为主、定量与定性相结合的控制方式。智能控制的主要特点体现了人的控制策略和控制思想，拥有受控对象及环境的相关知识以及运用这些知识的能力，具有很强的自适应、自学习、自组织和自协调能力、能在复杂环境下进行综合分析、判断和决策，实现对复杂系统的控制。属于典型的交叉学科，涉及人工智能、自动控制、运筹学、系统论、信息论等，在系统的实现上则必须依托计算机技术。基本上属于“方法”范畴，理论分析困难，理论体系尚未建立。萌芽期（60年代）形成期（70年代）发展期（80年代）高潮期（90年代至今）智能控制的发展阶段：智能控制的主要类型专家控制模糊控制神经网络控制学习控制基于规则的仿人控制什么是专家系统、专家控制?2.3.2专家控制（ExpertControl）“专家”是具有某一领域专门知识或丰富实践经验的人，而“专家系统”则是一个计算机系统，存储有专家的知识和经验，并用推理的方式针对问题给出结论。“专家控制”是将专家或现场操作人员的知识和经验总结成知识库，形成很多条规则，并利用计算机、通过推理来实施控制。专家系统、专家控制的产生及发展专家系统是人工智能的重要内容，由美国斯坦福大学1965年提出，最初用于化学质谱分析，后广泛应用于工业、农业、医疗、教育等领域。瑞典的Åström于1983年首次将专家系统用于常规控制器参数的自动整定，并于1984年正式提出了专家控制的概念，目前已成功应用于机器人控制、飞机的操纵控制、故障诊断、各种工业过程控制等。常见的两类专家控制系统直接型专家控制用于取代常规的控制器，直接控制受控对象或生产过程。间控型专家控制和常规控制器相结合，组成对受控对象或生产过程进行间接控制的智能控制系统，通常利用偏差和偏差变化率来调节常规控制器的参数。专家控制器受控对象检测常规控制器受控对象检测专家控制器例：水温调节系统的专家控制间接型专家控制的基本思路：可将常规的PID控制与专家系统相结合，把专家设计和调试PID参数的知识和经验总结成一些规则，根据系统的运行状态自动地调整控制器的相关参数。这就是所谓的“基于规则的参数自整定PID控制”。热水冷水温热水调节阀水温检测PID控制期望水温误差e控制量u专家系统直接型专家控制的基本思路：热水冷水温热水调节阀水温检测专家控制期望水温误差e控制量u对误差和误差变化率进行了分段，并根据其位于哪一段来决定相应的控制量，属于最简单且最直观的分段智能控制方法。下面讨论这种控制方法。水温调节系统的直接型专家控制热水冷水温热水调节阀水温检测专家控制期望水温误差e控制量u控制规则：若水温很高，则将控制量（热/冷水比值）调至最小；若水温很低，则将控制量调至最大；若水温比较低，且没有上升，则大幅度调大控制量；若水温比较低，且在缓慢上升，则较大幅度调大控制量；若水温比较低，但上升较快，则适当调大控制量；……专家的知识和经验就体现在如何对e及其变化率进行分段，以及如何确定其与u的具体取值上。控制规则的具体化ife4,thenu=10;（水温很低，则输入最大）ife-3,thenu=0;（水温很高，则输入最小）if3e≤4andΔe≥0,thenu=8;（水温较低且没有上升，则输入很大）if3e≤4and-1Δe0,thenu=6;（水温较低且缓慢上升，则输入较大）if3e≤4and-2Δe≤-1,thenu=3;（水温较低且较快上升，则输入中等）……设-5≤e≤5，0≤u≤10，Δe代表误差变化率，则控制规则可能如下：关于专家控制的几点说明专家控制要求不断地根据反馈信息迅速作出决策，对实时性要求很高，因此专家控制器的结构一般比专家系统简单，其核心是知识库和推理机构。知识库所存储的知识既可以是定性的，也可以是定量的，并可以利用知识获取系统随时对知识进行补充、修改和更新；因此，专家控制比常规控制更加灵活，对复杂环境的适应能力更强。如何简便有效地获取专家知识、如何在控制过程中自动修改、更新和扩充知识，并满足实时控制的快速性需求是非常关键的。2.3.3模糊控制（FuzzyControl）模糊控制的发展：1965年美国的Zadeh提出模糊集合理论;1974年英国的Mamdani首次将模糊理论应用于蒸汽机控制;1985年AT&T贝尔实验室研制出第一个模糊逻辑芯片;80年代末日本将模糊控制广泛应用于家用电器（洗衣机、空调、吸尘器、电冰箱、电饭煲、微波炉、照相机等），促进了模糊控制的推广和应用;90年代模糊逻辑及其应用形成高潮，应用范围包括工业控制、地铁、电梯、交通、汽车、空间飞行器、机器人、核反应堆、图象识别、故障诊断、污水处理、数据压缩、移动通信、财政金融等模糊逻辑技术的优越性：简单、直观、有效、可靠一、模糊集合隶属度函数:某元素a属于某集合A的程度,用μ(a)=0～1表示(经典集合对应μ=0,1)例:已知经典集合A为5的正整数中的偶数利用隶属度函数表示该集合，则有μ(1)=0,μ(2)=1,μ(3)=0,μ(4)=1A=0／1+1／2+0／3+1／4A中的分母为论域中的元素，分子为该元素所对应的隶属度值。MembershipFunction论域:变量的取值范围例：表示温度“冷”，“热”，“适中”的模糊集合-20-10010203040T(℃)μ1.00.0冷适中热为简化计算,一般用离散形式表示模糊集合。例如，以2℃为间隔进行离散化,可得“热”=0／25+0.14／27+0.29／29+0.43／31+0.57／33++0.71／35+0.86／37+1／39+1／41+1／43+1／45-20-10010203040T(℃)μ1.00.0冷适中热-20-10010203040T(℃)μ1.00.0冷适中热-20-10010203040T(℃)μ1.00.0冷适中热二、模糊控制的基本思路与方法例：水位控制系统根据e调节u保持水位y恒定+-模糊控制器y出水阀门开度u误差e进水水箱执行电机模糊推理规则：①若e大，则u大②若e中，则u中③若e小，则u小模糊推理模糊化水箱检测清晰化模糊控制器－yuere设-1≤e≤4，0≤u≤5注1：即e、u分别都只设了3级。显然级数越多→规则数越多注2：一般应同时考虑误差e和误差变化率Δe012345uμu-101234eμe1.0小中大012345uμu1.0小中大大e=1.80.20.8e的模糊化u的模糊化推理结果(e=1.8时)模糊化及推理过程:推理方法：削顶法，或称Mandani法清晰化（解模糊化）:①重心法求模糊量所占面积的重心,重心所对应的横坐标即为所需控制量u(k)51.3du)u(udu)u()k(u50u50u012345uμu0.20.8e=1.8的推理结果重心缺点:计算量较大，通常采用“离散重心法”。②加权平均法(离散重心法):若取离散点为ui=0,1,2,3,4,5(i=1~6)则离散模糊量为u=0／0+0.2／1+0.2／2+0.5／3+0.8／4+0.8／572.38.08.05.02.02.058.048.035.022.012.0)u(u)u()k(u61iiu61iiiu012345uμu0.20.8e=1.8的推理结果0.20.5注：离散间隔一般较该例小得多，计算结果会更接近连续情况说明：模糊控制器的输入量一般取误差e和误差变化率Δe,若e,Δe和控制量u均离散化[注],则可离线计算好e,Δe与u的对应关系(查询表),实时控制时采用查表法(计算量小,快速);模糊控制性能的好坏主要取决于如何选取隶属度函数模糊推理规则清晰化方法上例本质上等价于变参数比例调节器,控制器输入为e和Δe时则等价于变参数PD调节器,因此存在稳态误差，常与PID控制相结合。注：对具体的输入值需先进行“量化”，如e按间距0.1离散化后有0.5，0.6，则输入值为e=0.53时量化为0.5若同时考虑误差e和误差变化率Δe,应如何进行模糊推理?推理规则：正大大若e中，且Δe小则u中负大小以误差中等为例μu-101234eμe1.0中-2-1012ΔeμΔe1.0小e=0.50.5e的模糊化Δe的模糊化012345u0.75小中大大u的模糊化正大Δe=1.5负大1.00.25e=0.5,Δe=1.5时的推理过程：注：先对μe和μΔe取小（同时满足前提条件的程度以小的为准）e=0.5,Δe=1.5时的推理结果μu0.5012345u1.02.3.4神经元网络控制（NeuralNetworkControl）人工神经元及神经网络的产生和发展：1943年提出神经元模型1949年Hebb提出神经元学习规则（Hebb学习规则）1958年提出基于神经网络的感知器模型（模拟人脑的感知和学习能力）1986年提出神经网络的反向传播学习方法（简称BP算法，BackPropagation）[注]，证明了BP神经网络能无限逼近任意输入输出函数90年代神经网络的研究达到高潮，并成功应用于自动控制、人工智能、信息处理、机器人、机械制造等很多领域。注：1974年哈佛大学的博士生Werbos就已提出，但未引起注意yΣθf(·)...w1wnw2x1x2xn...)s(fy)xw(sn1iiiwi：连接权系数θ：阈值f(·)：输出变换函数θ,f的确定:根据应用wi的确定:通过学习一、人工神经元模型输出变换函数的常见类型:ys1-1s100.5ys1-1y0控制中常用②，③，④0s10s1)s(fy,,②比例函数0e11)s(fys,0e1e1)s(fyss,③S状函数④双曲函数,0KKs)s(fy①符号函数①③④二、神经元的学习方法学习规则：wi(k+1)=wi(k)+μivi(k),i=1,2,...,nk——第k次学习μi——学习速率（μi0）vi(k)——学习信号（通常为误差的函数）yΣθf(·)...w1wnw2x1x2xn...学习规则学习信号学习的意义：通过调整权值wi，使神经元具有期望的输入输出模式)k(WWi)k(WWiii2n21w)k(e)k(ewJ)k(vw)k(e)k(e21JT,][T则的函数，是误差，为基于某种评价准则的其中设性能指标为表示转置，令最大变化率。具有处的梯度，在称为)k(WJwJwJWJn1学习方法——梯度下降法：特点：沿梯度方向下降一定能到达J的极小点；学习的快慢取决于学习速率μi的选取；缺点是可能陷入局部最小点。JWW(k)梯度方向简单例：设y=w1x1（即θ=0,f(s)=s）w1的初值w1(0)=0yΣθf(·)w1x1单输入神经元取性能指标为J=e2(k)／2=[2–y(k)]2／2=[2–w1