智能控制

智能控制综述小康概述智能控制是自动控制领域的前沿学科之一，它是一门综合性很强的多学科交叉的新兴学科，被称为自动控制理论发展的第三阶段。智能控制的发展为解决复杂非线性、不确定系统的控制问题开辟了新的途径。目录智能控制的发展历程1234智能控制的几个重要分支模糊控制神经网络控制智能控制发展历程11、智能控制的提出：传统控制方法包括经典控制和现代控制，在实际应用中遇到很多难以解决的问题，主要表现在以下几点：（1）无法获得精确的数学模型（2）无法解决建模问题（4）实际控制任务复杂，不能满足现代控制要求。（3）针对实际系统需要比较苛刻的线性化假设，而这些假设往往与实际系统不符合。智能控制是控制理论发展的高级阶段，它主要用来解决那些传统控制方法难以解决的复杂系统的控制问题。智能控制研究对象具备以下一些特点：（1）不确定性的模型。（2）高度的非线性。（3）复杂的任务要求。智能控制的发展21、模糊控制通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制，由此产生了模糊控制。模糊控制的发展可分为3个阶段：（1）1965—1974年，为模糊控制发展的第一阶段，即模糊数学发展和形成阶段；（2）1974—1979，为模糊控制发展的第二阶段，产生了简单的模糊控制器。（3）1979年至现在，为模糊控制发展的第三阶段，即高性能模糊控制阶段。2、神经网络控制将神经网络引入控制领域就形成了神经网络控制。神经网络控制是从机理上对人脑生理系统进行简单模拟的一种新兴智能控制方法。神经网络具有并行机制、模式识别、记忆和自学习能力的特点，它能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性。神经网络控制在控制领域有着广发的应用。3、遗传算法遗传算法是人工智能的一个重要分支，是基于自然选择和基因遗传学原理的搜索算法，是基于达尔文进化论，在计算机上模拟生命进化论机制而发展起来的一门学科。目前遗传算法已经被广泛应用于许多实际问题，成为用来解决高度复杂问题的新思路和新方法。遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习。3模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。该方法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。模糊控制原理框图模糊控制器的组成框图4人脑能完成智能、思维等高级活动，为了能利用数学模型来模拟人脑的活动，导致了神经网络的研究。单个神经元解剖图根据神经网络的连接方式，神经网络可分为3种形式：1、前向网络2、反馈网络前向型神经网络反馈型神经网络3、自组织网络自组织神经网络神经网络特征：1、能逼近任意非线性函数。2、信息并行分布式处理与存储。3、可以多输入、多输出。4、便于用现有计算机技术实现。5、能自主学习，适应环境变化。神经网络三要素：1、神经元（信息处理单元）的特性；2、神经元之间相互连接的拓扑结构；3、为适应环境而改善性能的学习规则。根据神经网络的连接方式，神经网络可分为3种形式：1、前向网络2、反馈网络前向型神经网络反馈型神经网络謝謝您的聆聽