我对智能控制的理解

我对智能控制的理解

1、引言

自1971年傅京孙教授提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能、模糊集理论、运筹学和控制论），在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的发展和完善。智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。智能控制也是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。随着科学技术的发展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的发展和完善。

2、智能控制理论的产生原因

传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制问题，难以解决对复杂系统的控制。在传统控制的实际应用遇到很多难解决的问题，主要表现以下几点：

（1）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，无法获得精确的数学模型。

（2）某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述，即无法解决建模问题。

（3）针对实际系统往往需要进行一些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。

（4）实际控制任务复杂，而传统的控制任务要求低，对复杂的控制任务，如机器人控制、CIMS、社会经济管理系统等复杂任务无能为力。

在生产实践中，复杂控制问题可通过熟练操作人员的经验和控制理论相结合去解决，由此，产生了智能控制。智能控制将控制理论的方法和人工智能技术灵活地结合起来，其控制方法适应对象的复杂性和不确定性。

3、智能控制的分支

智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。智能控制与传统控制的主要区别在子传统的控制方法必须依赖于被控制对象的模型，而智能控制可以解决非模型化系统的控制问题。目前，根据智能控制发展的不同历史阶段和不同的理论基础可以分为三大类: 分别是专家控制、模糊控制、神经网络控制。以下我们来这三种控制。 3.1专家控制

瑞典学者K.J.Astrom在1983年首先把人工智能中的专家系统引入智能控制领域，于1986年提出“专家控制”的概念，构成一种智能控制方法。

专家控制（Expert Control）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“加入”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。

专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

（一）原理

专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。

（二）功能

（1）能够满足任意动态过程的控制需要，尤其适用于带有时变、非线性和强干扰的控制；

（2）控制过程可以利用对象的先验知识；

（3）通过修改、增加控制规则，可不断积累知识，改进控制性能； （4）可以定性地描述控制系统的性能，如“超调小”、“偏差增大”等； （5）对控制性能可进行解释；

（6）可通过对控制闭环中的单元进行故障检测来获取经验规则。 （三）专家控制的关键技术及特点 a.专家控制的关键技术 (1) 知识的表达方法；

(2)从传感器中识别和获取定量的控制信号； (3)将定性知识转化为定量的控制信号； (4)控制知识和控制规则的获取。 b．专家控制的特点

（1）灵活性：根据系统的工作状态及误差情况，可灵活地选取相应的控制律； （2）适应性：能根据专家知识和经验，调整控制器的参数，适应对象特性及环境的变化；

（3）鲁棒性：通过利用专家规则，系统可以在非线性、大偏差下可靠地工作。 （4）专家控制的应用

专家系统是指相当于(领域)专家处理知识和解决问题能力的计算机智能软件系统。它是由知识库和推理机构构成主体框架，将专家系统的理论技术与控制理论技术相结合，通

过仿效专家的经验，按某种策略及时地选用恰当的规则进行推理输出，来实现对系统控制的一种智能控制。

专家系统是一个具有大量专门知识与经验的程序系统，它应用人工智能技术，根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。

专家系统在控制效果上体现出了高可靠性及长期运行的连续性，在线控制的实时性，优良的控制性能及抗干扰性，使用的灵活性及维护的方便性等显著的特点。它适合解决如故障诊断、报警处理、系统恢复、负荷预测、检修计划安排、无功电压控制、规划设计等问题。目前，专家系统已经广泛用于医疗、化学、设计、地质勘探等领域。 3.2 模糊控制

（一）模糊控制的基本原理

模糊控制是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。

模糊控制是利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。一般用于无法以严密的数学表示的控制对象模型，即可利用人(熟练专家)的经验和知识来很好 地控制。因此，利用人的智力，模糊地进行系统控制的方法就是模糊控制。

它的核心部分为模糊控制器。模糊控制器的控制规律由计算机的程序实现，实现一步模糊控制算法的过程是：微机采样获取被控制量的精确值，然后将此量与给定值比较得到误差信号E；一般选误差信号E作为模糊控制器的一个输入量，把E的精确量进行模糊量化变成模糊量，误差E的模糊量可用相应的模糊语言表示；从而得到误差E的模糊语言集合的一个子集e(e实际上是一个模糊向量);再由e和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，u为一个模糊量;为了对被控对象施加精确的控制，还需要将模糊量u进行非模糊化处理转换为精确量:得到精确数字量后，经数模转换变为精确的模拟量送给执行机构，对被控对象进行一步控制；然后，进行第二次采样，完成第二步控制….

这样循环下去，就实现了被控对象的模糊控制。

（二）模糊控制系统的组成

(1)模糊控制器：它是模糊控制系统的核心，它是以模糊逻辑推理为主要组成部分，同时又具有模糊化和去模糊化功能的控制器，根据控制系统的需要，即可选用系统机，又可选用单板机或单片机：

(2)输入／输出接口装置：通过输入／输出接口从被控对象获取数字信号，送至模糊控制器，并将模糊控制器决策出的输出数字信号经过数模转换，将其转变为模拟信号，送给执行机构去控制被控对象：

(3)广义对象：包括被控对象与执行机构，被控对象可以是线性的，也可以是非线性的、定常或时变的等多种情况，

(4)传感器：传感器将被控对象或将各种被控量转换为电信号，它在模糊控制系统中占有非常熏要的位置，因此它的精度影响着整个控制系统的精度。

（三）模糊控制技术的应用

由于模糊控制是基于自然语言描述规则的新机制，很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便地实现，所以这种结合展现出强大的生命力和良好的效果。近年来，人们已经将模糊技术应用于工业、医学、地震预报、工程设计、信息处理以及经济管理等，其中应用最多也是最成功的，是工业过程控制和模糊家电产品领域。

3.3 神经网络控制

神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。

人工神经网络具有下列特征：①它包含大量的人工神经元，提供了大量可供调节的变量；②信息是分布式存储的，从而提供了联想与全息记忆的能力；③具有高度的自适应能力，高度的容错能力，很强的计算能力以及自组织能力。人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较成功的应用，在工程设计中的应用正在不断地研究发

展，如基于人工神经网络的机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的原理在机械工程中的应用等。目前，神经网络和专家系统有联合起来的趋势，神经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系统在知识获取、并行推理、适应性学习、联想推理、容错能力明显高于传统的专家控制系统。

以上这些控制方法之间，及其与常规控制之间的相互结合，又会构成各种各样的控制，但基本上都是以上这些控制方法的派生。

4、智能控制系统的分析方法

智能控制系统是一类复杂的非线性动力学系统，不能用某一种单纯的模型去描述它，相应地所采用的分析方法也不同。

（1）常规模型分析法：许多智能控制器都能常微分方程表示，这部分可用常规模型分析理论来分析，适用于作稳定性分析和描述函数分析。

（2）离散事件系统模型分析法：离散事件模型适用于作专家系统,规划系统,抽象学习系统以及智能控制系统中较高级的组织级和协调级。

（3）混杂模型分析法：对于非常复杂的混杂控制器以及混杂控制过程要大力发展非线性分析技术。

5、智能控制的研究对象

智能控制的研究对象具备以下的一些特点：

（1）不确定性的模型：智能控制的研究对象通常存在严重的不确定性。这里所说的模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。

（2）高度的非线性：对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。

（3）复杂的任务要求：对于智能控制系统，任务的要求往往比较复杂。

6、智能控制的应用

智能控制在各行各业的应用：

工业过程中的智能控制：生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象 。全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。

机械制造中的智能控制：在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况,人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If”逆向推理作为反馈机构,修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行处理信息的能力,进行在线的模式识别,处理那些可能是残缺不全的信息。

电力电子学研究领域中的智能控制：电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了良好的控制效果 。遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一。

7、小结

模糊控制系统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；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；专家系统其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。智能控制系统在当今都是有非常广泛的使用的，并且在当今以及往后的未来都是在人类生活中起着无比重要的作用。智能控制一定会以其新的成果对科学、 技术、 经济、 社会以及人民生活做出重大贡献。