2008chapter1Introduction

智能控制郑州大学电气工程学院师黎课程总目标学完本课程后，你应具有以下能力：掌握智能控制的基本概念；了解智能控制的基本理论，掌握智能控制的基本技术；学会智能控制算法和控制系统的设计方法掌握模糊控制器的组成、工作原理和设计方法；熟悉和会编写模糊控制系统仿真或应用程序；掌握神经网络的基本概念、神经网络控制器的工作原理和设计方法；熟悉和会编写神经网络控制系统仿真或应用程序；掌握专家系统的基本概念、专家控制系统的工作原理和设计方法；熟悉和会编写专家控制系统仿真或应用程序；课程安排共48个学时理论教学40学时实践教学8学时（实验4学时，综合设计4学时）参考书目1、Fuzzycontrol2、AnIntroductiontoFuzzyControl3、智能控制蔡自兴4、智能控制理论与技术孙增圻5、智能控制实验与综合设计指导师黎智能控制概述智能控制是自动控制发展的一个新阶段，是人工智能、控制论、系统论和信息论等多种学科的综合与集成，是当前的一个研究热点。智能控制的基本概念智能控制系统的特点智能控制系统的结构理论智能控制与传统控制的关系智能控制的研究对象智能控制的类型智能控制的发展概述智能控制的应用智能控制的基本概念智能控制已经出现了相当长的一段时间，并且已取得了初步的应用成果.但是究竟什么是“智能”，什么是“智能控制”等问题，至今仍没有统一的定义。归纳起来，主要有如下四种说法：智能控制的基本概念智能控制的定义一:智能控制是由智能机器自主地实现其目标的过程。而智能机器则定义为，在结构化或非结构化的、熟悉的或陌生的环境中，自主地或与人交互地执行人类规定的任务的一种机器。定义二:K.J.奥斯托罗姆则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并用于控制系统的分析与设计中，以期在一定程度上实现控制系统的智能化，这就是智能控制。他还认为自调节控制、自适应控制就是智能控制的低级体现。智能控制的基本概念定义三:智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。智能控制的基本概念定义四:智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。智能控制的基本概念智能控制的特点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过程,，也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的非数学过程，并以知识进行推理，以启发引导求解过程;智能控制的核心在高层控制，即组织级;智能控制器具有非线性特性;智能控制具有变结构特点;智能控制器具有总体自寻优特性;智能控制系统应能满足多样性目标的高性能要求;智能控制是一门边缘交叉学科;智能控制是一个新兴的研究领域.智能控制的特点智能控制的结构理论智能控制的理论结构明显地具有多学科交叉的特点，许多研究人员试图建立起智能控制这一新学科，他们提出了一些有关智能控制系统结构的思想。按照（傅京孙）和Saridis提出的观点，可以把智能控制看作是人工智能、自动控制和运筹学三个主要学科相结合的产物。称之为三元结构。智能控制的结构理论IC=AI∩AC∩ORIC─智能控制(IntelligentControl);OR─运筹学(OperationResearch）Al─人工智能(ArtificialIntelligence);AC一自动控制(AutomaticControl);∩一表示交集.智能控制的结构理论人工智能（AI）：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。自动控制（AC）：描述系统的动力学特性，是一种动态反馈。运筹学（OR）：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。智能控制的结构理论智能控制就是应用人工智能的理论与技术和运筹学的优化方法，并将其同控制理论方法与技术相结合，在未知环境下，仿效人的智能，实现对系统的控制。可见，智能控制代表着自动控制学科发展的最新进程。智能控制的结构理论智能控制与传统控制的关系传统控制（Conventionalcontrol）：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。智能控制（Intelligentcontrol）以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。智能控制与传统控制相比，在理论方法、应用领域、性能指标等方面存在明显的不同，存在以下五方面的区别：前者以反馈控制理论为核心，线性定常系统为主要对象，有完善的理论体系；后者尚无完善的理论体系，目前有二元论和多元论等。前者建立在精确数学模型，对大规模、复杂和不确定性系统不易描述；后者建立在经验和知识的推理上，可以获取和描述更多的知识信息。可见前者不能反映人工智能过程，易丢失许多有用的信息。前者具有时域法、频域法、根轨迹法、状态空间法等有效的分析和综合方法；后者的实现方法建立在学习、训练、逻辑推理、判断和决策等符号加工上，呈现多样性，如分级递阶智能控制（运筹学）、模糊控制（模糊数学）、神经网络控制、专家控制系统、大系统智能控制、分层智能控制、分布式问题求解、进化论及遗传算法、认知心理学等。前者有严格的性能指标体系，如稳态误差(精度)、动态性能、系统稳定性、可控和可规则性；后者以控制的目的和行为来评价系统性能，无统一的性能指标体系。前者着重解决单机自动化、不太复杂的过程控制和大系统的控制问题；后者主要解决高度非线性、强不确定性和复杂系统控制问题。因此，后者应用极为广泛，可涉及自然科学和社会科学的各个领域是控制界当前的研究热点和今后的发展方向。然而，智能控制和传统控制又是密不可分的，而不是互相排斥的。传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下，传统控制在某种程度上可以认为是智能控制发展中的低级阶段，智能控制是对传统控制理论的发展。根据目前研究情况的分析，智能控制和传统控制具有紧密的结合与交叉综合，主要表现在：智能控制常常利用传统控制来解决“低层”的控制问题。例如在分级递阶智能控制系统中，组织级采用智能控制，而执行级采用的是传统控制；将传统控制和智能控制进行有机结合可形成更为有效的智能控制方法；对数字模型基本成熟的系统，采用在传统数学模型控制的基础上增加一定的智能控制手段的方法，而不应采用纯粹的智能控制。智能控制的研究对象智能控制主要应用在以下情况：实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型。应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。智能控制的研究对象对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。智能控制的类型智能控制系统一般包括分级递阶控制系统专家控制系统神经控制系统模糊控制系统学习控制系统集成或者（复合）混合控制：几种方法和机制往往结合在一起，用于一个实际的智能控制系统或装置，从而建立起混合或集成的智能控制系统。分级递阶控制系统分级递阶智能控制是在自适应控制和自组织控制基础上，由美国普渡大学Saridis提出的智能控制理论。分级递阶智能控制(HierarchicalIntelligentControl)主要由三个控制级组成，按智能控制的高低分为组织级、协调级、执行级，并且这三级遵循“伴随智能递降精度递增”原则，其功能结构如下图所示。分级递阶控制系统分级递阶控制系统组织级(organizationlevel)：组织级通过人机接口和用户(操作员)进行交互，执行最高决策的控制功能，监视并指导协调级和执行级的所有行为，其智能程度最高。协调级(Coordinationlevel)：协调级可进一步划分为两个分层:控制管理分层和控制监督分层。执行级(executivelevel)：执行级的控制过程通常是执行一个确定的动作。专家控制系统（ExpertSystem）专家指的是那些对解决专门问题非常熟悉的人们，他们的这种专门技术通常源于丰富的经验，以及他们处理问题的详细专业知识。专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题.它具有启发性、透明性、灵活性、符号操作、不一确定性推理等特点。应用专家系统的概念和技术，模拟人类专家的控制知识与经验而建造的控制系统，称为专家控制系统。人工神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络；或由大量象生物神经元的处理单元并联互连而成。这种神经网络具有某些智能和仿人控制功能。人工神经网络控制系统学习算法是神经网络的主要特征，也是当前研究的主要课题.学习的概念来自生物模型，它是机体在复杂多变的环境中进行有效的自我调节。神经网络具备类似人类的学习功能。一个神经网络若想改变其输出值，但又不能改变它的转换函数，只能改变其输人，而改变输出的唯一方法只能修改加在输人端的加权系数。人工神经网络控制系统人工神经网络控制系统神经网络的学习过程是修改加权系数的过程，最终使其输出达到期望值，学习结束.常用的学习算法有：Hebb学习算法、widrowHoff学习算法、反向传播学习算法一BP学习算法、Hopfield反馈神经网络学习算法等。模糊控制系统所谓模糊控制，就是在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法。模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。模糊控制系统模糊控制的基本思想是用机器去模拟人对系统的控制。它是受这样事实而启发的：对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统，有经验的操作者或专家却能取得比较好的控制效果，这是因为他们拥有日积月累的丰富经验，因此人们希望把这种经验指导下的行为过程总结成一些规则，并根据这些规则设计出控制器。然后运用模糊理论、模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成对这些规则的具体实现，达到以机器代替人对某些对象进行自动控制的目的。学习控制系统学习是人类的主要智能之一，人类的各项活动也需要学习。在人类的进化过程中，学习功能起着十分重要的作用。学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试。所谓学习是一种过程，它通过重复输人信号，并从外部校正该系统，从而使系统对特定输人具有特定响应。学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息，积累控制经验，并在一定的评价标准下进行估值、分类、决策和不断改善系统品质的自动控制系统。智能控制的发展趋势智能控制是自动控制理论发展的必然趋势人工智能为智能控制的产生提高了机遇智能控制的发展概述自动控制理论是人类在征服自然、改造自然的斗争中形成和发展的。控制理论从形成发展至今，已经经历多年的历程，分为三个阶段。第一阶段是以上世纪40年代兴起的调节原理为标志，称为经典控制理论阶段；第二阶段以60年代兴起的状态空间法为标志，称为现代控制理论阶段；第三阶段则是80年代兴起的智能控制理论阶段。智能控制的发展概述傅京孙在1971年指出，为了解决智能控制的问题，用严格的数学方法研究发展新的工具，对复杂的环境-对象进行建模和识别，以实现最优控制，或者用人工智能的启发式思想建立对不能精确定义的环境和任务的控制设计方法。这两者都值得一试，而更重要的也许还是把这两种途径紧密地结合起来，协调地进行研究。也就是说，对于复杂的环境和复杂的任务，如何将人工智能技术中较少依赖模型的问题求解方法与常规的控制方法相结合，