智能控制综述

智能控制综述李彩萍太原理工大学控制科学与工程专业（2010511098）摘要：本文介绍了智能控制的产生及发展过程，智能控制研究的内容，分析了几种典型的智能控制技术，指出了智能控制当前研究的热点，并对智能控制的发展进行了展望。关键词：智能控制专家控制模糊控制神经网络控制遗传算法SummaryofIntelligentControlLiCaiPing(DepartmentofControlSinenceandEngineering,TaiYuanUniversityofTechnology,2010511098)Abstract:Thispaperintroducedtheproductionofintelligentcontrolanditsdevelopingprocess,analysesseveraltypicalintelligentcontroltechniques.Somehotspotsanddevelopmentalforegroundsarealsoproposed.Keywords：intelligentcontrol;expertcontrol;fuzzycontrol;neuralnetworkscontrol;geneticalgorithm1引言以精确的数学模型为基础的传统控制在单机自动化和不太复杂的过程控制及系统领域得到了广泛的应用。随着科技进步，人们对大规模、不确定、复杂的的系统控制要求不断提高，智能控制在这种背景下孕育而生。智能控制是自动控制发展的高级阶段。2智能控制的产生及发展2.1智能控制的产生以经典控制理论和现代控制理论为代表的传统控制理论曾在一段时期成为控制的、解决现实问题的主导。但随着科技的进步，人们为探索自然，需要面对更为复杂的对象及高度非线性，不确定的对象。这是传统控制理论无法给予解决的，所以必须发展新的概念，理论和方法才能适社会应快速发展的需要。智能控制在这个大的背景下孕育而生。2.2智能控制的发展1966年J.M.Medal首先提出将人工智能应用于飞船控制系统的设计；1971年傅京逊首次提出智能控制这一概念，并归纳了三中类型的智能控制系统（1）人作为控制器的控制系统，具有自学习性，自组织性，自适应性功能（2）人机结合作为控制器的控制系统。机器完成需要快速完成的常规任务，人则完成认为分配决策等。（3）无人参与的自主控制系统。为多层的智能控制系统，需要完成问题建模，求解和规划，如自主机器人。1985年IEEE在美国纽约召开了第一届智能控制研讨会，随后成立了IEEE智能控制专业委员会。1987年在美国举行第一届国际智能控制大会，标志着智能控制领域的形成。20世纪90年底至今，智能控制进入了新的发展时期，随着对象规模的扩大以人工智能技术、信息论、系统论和控制论的发展，人们试从高层次研究智能控制，这不仅形成了智能控制的多元化，而且在应用实践方面取得了重大进展。我国智能控制也兴起于这一时期。3智能控制的主要内容3.1模糊控制模糊控制是应用模糊集合理论，从行为上模拟人的模糊推理和决策过程的一种实用方法。其核心为模糊推理，主要依赖模糊规则和模糊变量的隶属度函数。与专家系统控制类似，其推理过程也是基于规则形式表示的人类经验。因此有人把两者都归类于基于规则的控制。模糊控制的特点为1）提供了一种实现基于自然语言描述规则的控制规律的新机制。2）提供了一种非线性控制器，这种控制器一般用于控制含有不确定性和难以用传统非线性理论处理的场合。3.2专家控制专家控制(expertcontrol)是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。专家控制试图在传统控制的基础上“加人”一个富有经验的控制工程师，实现控制的功能，它由知识库和推理机构构成主体框架，通过对控制领域知识(先验经验、动态信息、目标等)的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现对实际对象的控制。专家控制的结构如图所示专家控制的特点为：1）具有领域专家级的专业知识，能进行符号处理和启发式推理。2）具有获取知识能力，具有灵活性透明性和交互性。3.3神经网络控制人工神经网络(简称神经网络，NeuralNetwork)是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结构和功能上对人脑进行抽象和简化，是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并行信息处理、学习、联想、模式分类、记忆等。人工神经网络本身各简单结点没有显在的物理意义，但综合网络可描述复杂和非线性系统的控制和辨识问题，而且能做到并行实时、冗余容错的运算。它有如下特点：能充分逼近任意非线性特性；分布式并行处理机制；自学习和自适应能力；数据融合能力；适合于多变量系统；多变量处理；以及可硬件实现。这些特点使神经网络成为非线性系统建模与控制的一种重要方法，因此神经网络成为实现非线性预测控制的关键技术之一。3.4遗传算法遗传算法简称GA(GeneticA1gorithms)，是1962年由美国Michigan大学H011and教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是：将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉变异繁殖等操作获得待优化函数的最优或近似最优解在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题遗传算法具有可扩展性，可以。同专家系统模糊控制和神经网络结合，为智能控制的研究注、入新的活力如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。遗传算法的特点为：1）以决策变量的编码作为运算对象2）直接以目标函数值作为搜索信息3）同时进行解空间的多点搜索4）使用自适应的概率搜索技术４智能控制当前研究热点随着人们对不确定性、复杂性、模糊性过程控制问题进行广泛深入研究，专家系统、模糊逻辑和神经网络被广泛地引入到控制理论之中。由于这三者都具有解决人工智能中知识表达与不确定性推理的信息表达与处理能力，人们近来普遍认为以下几种途径是智能控制最具吸引力的选择：基于知识和经验的专家系统控制；基于模糊逻辑推理与计算的模糊控制；基于人工神经网络的神经网络控制；以上途径的交叉与结合。由于专家系统控制、模糊控制和神经网络控制各有特点，因此目前有些研究者集成这些方法，形成了模糊神经网络控制和专家模糊控制等多个方向。例如，一种基于神经网络的模糊焊接控制方法、基于进化计算和神经网络的财政预算方法、用于医学诊断的粗集神经网络专家系统和基于模糊专家系统的不稳定电压控制。子波变换、遗传算法与模糊神经网络的结合、以及混沌理论等，也将成为智能控制的发展方向。５智能控制的未来发展智能控制取得了可喜的成果和进展，作为一门新学科，无论在理论上还是应用上都不够完善成熟，有待继续研究发展。智能控制徐在以下几个方面加强研究工作（１）加强理论研究工作，重点研究智能控制的稳定性、可控性、鲁棒性、跟踪性等问题。（2）加强各种智能控制方法的耦合度（3）注重技术创新，加快研制智能控制硬件设施与软件。（4）将智能控制理论更广泛的运用到实际中，在应用中得到提高和发展。6结束语智能控制现已得到了广泛的应用，它将随着基础理论的不断丰富和实际应用的不断成熟而得到更为广泛的应用，智能控制在21世纪必会得到迅猛的发展。参考文献（1）韦巍.智能控制技术.北京：机械工业出版社，2000（2）孙增圻.智能控制理论与技术.北京：清华大学出版社，广西科学技术出版社，1997（3）李人厚.智能控制理论和方法.陕西：西安电子科技大学出版社，1999（4）李士勇.模糊控制、神经控制和智能控制论.哈尔滨：哈尔滨工业大学出版社，1998（5）邹村.周耕书.智能控制面临的问题及展望［ｊ］．自动化与仪器仪表，１９９７，６（２）：１－３