自动控制、现代控制与智能控制的关系
自动控制、现代控制与智能控制的关系
一、基本区别
控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。
自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。
在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。
智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
二、华山论剑：自动控制的机遇与挑战
传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而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；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。
为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(University of Santa Clare)联合组织了一次名为“对控制的挑战”的专题报告会。有50多位知名的自动控制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了《对控制的挑战——集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。
到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢?
在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术间的相互影响和相互促进，例如，计算机、人工智能和超大规模集成电路等技术：(2)当前和未来应用的需求，例如，空间技术、海洋工程和机器人技术等应用要求；(3)基本概念和时代进程的推动，例如，离散事件驱动、信息高速公路、非传统模型和人工神经网络的连接机制等。
面对这一挑战，自动控制工作者的任务就是：(1)扩展视野、发展新的控制概念和控制方法，采用非完全模型控制系统；(2)采用在开始时知之甚少和不甚正确的，但可以在系统工作过程中加以在线改进，使之知之较多和愈臻正确的系统模型；从这些任务可以看出，系统与信息理论以及人工智能思想和方法将深入建模过程，不把模型视为固定不变的，而是不断深化的实体。所开发的模型不仅含有解析与数值，而且包含定性和符号数据。它们是因果性的和动态的，高度非同步的非解析的，甚至是非数值的。对于非完全已知的系统和非传统数学模型描述的系统，必须建立包括控制律、控制算法、控制策略、控制规则和协议等理论。实质上，这就是要建立智能控制系统模型，或者建立传统解析和智能方法的混合(集成)控制模型，而其核心就在于实现控制器的智能化。
面临挑战的控制领域有：多变量鲁棒控制、自适应控制和容错(Fault—Tolerant)控制，高度非线性控制和多因素或分散随机控制、时空分布参数系统的控制、含有离散变量和离散事件动态系统的控制、信号处理和通信技术、分布信息处理及决策结构的综合设计方法、控制系统的集成设计及实验环境和实现等。这些挑战领域所研究的问题，广泛地存在于工程技术应用中。例如：航天器和水下运动载体的恣态控制、先进飞机的自主控制、空中交通控制、汽车自动驾驶控制和多模态控制、机器人和机械手的运动和作业控制、计算机集成与柔性加工系统、高速计算机通信系统或网络、基于计算机视觉和模式识别的在线控制以及电力系统和其它系统或设备的故障自动检测、诊断与自动恢复系统等。
上述领域面临问题的解决，不仅需要发展控制理论与方法，而且需要开发与应用计算机科学与工程的最新成果。进入90年代以来计算机科学在工业控制中的应用问题已引起学术界越来越广泛的重视与深入研究。其中，最有代表性的是由IEEE控制系统学会和国际自动控制联合会(1FAC)理论委员会合作进行的题为“计算机科学面临工业控制应用的挑战”的研究计划。该合作研究计划指出：开发大型的实时控制与信号处理系统是工程界面临的最具挑
战的任务之一，这涉及硬件、软件和智能(尤其是算法)的结合，而系统集成又需要先进的工程管理技术。
设立这一迎接挑战的研究计划基于以下几个因素：(1)工业部门往往无法有效地把数学技术的最新进展用于控制和信号处理，以便提高实时系统的智能水平(Intelligent Level)；(2)控制学术界又常常不清楚如何在工业上控制控制系统硬件、软件和智能三者的集成开发，自动控制界和计算机科学界在工业和学术两方面的对话与有效合作仍然是个需要进一步解决的问题；(3)在开发大型的实时系统时，了解硬件、软件和智能应如何结合以及该系统的算法应如何设计；(4)评价由收集专家经验或利用数学模型以及依靠控制和信号处理的数学技术而得到的智能的相关价值；(5)建议重新树立控制和计算机科学的传统学术形象，以求组成一个更加统一的实时与动态系统科学。
智能控制的产生和发展为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科，它的发展已促进自动控制向着更高的水平——智能控制(Intelligent Contro1)发展。人工智能和计算机科学界已经提出一些方法、示例和技术，用于解决自动控制面临的难题。例如，简化处理松散结构的启发式软件方法(专家系统外壳、面向对象程序设计和再生软件等)；基于角色(Actor)或媒介(Agent)的处理超大规模系统的软件模型；模糊信息处理与控制技术以及基于信息论和人工神经网络的控制思想和方法等。
智能控制是一种能更好地模仿人类智能的、非传统的控制方法，它采用的理论方法则主要来自自动控制理论、人工智能和运筹学等学科分支。内容包括最优控制、自适应控制、鲁棒控制、神经网络控制、模糊控制、仿人控制等。其控制对象可以是已知系统也可以是未知系统，大多数的控制策略不仅能抑制外界干扰、环境变化、参数变化的影响，还能有效地消除模型化误差的影响。
三、珠峰对决：本质上的关系
最本质的区别是解决问题的思路不一样。经典控制与现代控制虽然看起来完全不同，但是本质上都一样，就是建立控制对象的数学模型，然后设计一个数学模型形式的控制器达到控制目的，区别只是前者建立的是微分方程或者叫做pid控制，后者建立的是状态方程，类似于数学当中的线性微分方程组。而最优控制，鲁棒控制等问题不论是基于经典控制理论还是基于现代控制理论，都脱离不了本质——必须建立被控对象的数学模型，也包括02年提出的foc控制。智能控制则采取的是全新的思路。它采取了人的思维方式，建立逻辑模型，使用类似人脑的控制方法来进行控制。
智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。
专家系统专家系统是利用专家知识对专门的或困难的问题进行描述. 用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相对工程费用较高,而且还涉及自动
地获取知识困难、无自学能力、知识面太窄等问题. 尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控制的实际应用相对还是比较少。
模糊逻辑模糊逻辑用模糊语言描述系统,既可以描述应用系统的定量模型也可以描述
其定性模型. 模糊逻辑可适用于任意复杂的对象控制. 但在实际应用中模糊逻辑实现简单
的应用控制比较容易. 简单控制是指单输入单输出系统(SISO) 或多输入单输出系统(MISO) 的控制. 因为随着输入输出变量的增加,模糊逻辑的推理将变得非常复杂。
遗传算法遗传算法作为一种非确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,它可以和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制。
神经网络神经网络是利用大量的神经元按一定的拓扑结构和学习调整方法. 它能表示
出丰富的特性：并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习等. 这些特性是人们长期追求和期望的系统特性. 它在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力. 神经网络可以和模糊逻辑一样适用于任意复杂对象的控制,但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出
系统的多变量控制. 在模糊逻辑表示的SIMO 系统和MIMO 系统中,其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现.模糊神经网络技术和神经模糊逻辑技术：模糊
逻辑和神经网络作为智能控制的主要技术已被广泛应用. 两者既有相同性又有不同性. 其
相同性为：两者都可作为万能逼近器解决非线性问题,并且两者都可以应用到控制器设计中. 不同的是：模糊逻辑可以利用语言信息描述系统,而神经网络则不行;模糊逻辑应用到控制器设计中,其参数定义有明确的物理意义。
智能变送器掌上编程器因而可提出有效的初始参数选择方法;神经网络的初始参数(如
权值等) 只能随机选择. 但在学习方式下,神经网络经过各种训练,其参数设置可以达到满足
控制所需的行为. 模糊逻辑和神经网络都是模仿人类大脑的运行机制,可以认为神经网络技
术模仿人类大脑的硬件,模糊逻辑技术模仿人类大脑的软件. 根据模糊逻辑和神经网络的各
自特点,所结合的技术即为模糊神经网络技术和神经模糊逻辑技术. 模糊逻辑、神经网络和
它们混合技术适用于各种学习方式智能控制的相关技术与控制方式结合或综合交叉结合,
构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点。
智能控制主要应用存在的情况：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。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。
四、智能控制在各行各业的应用：
1.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。
2. 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，
自动控制现代控制与智能控制的关系
自动控制、现代控制与智能控制的关系 一、基本区别 控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。 自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。 在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。 二、华山论剑：自动控制的机遇与挑战 传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在已知系统精确数学模型的基础上，而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；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。 为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(University of Santa Clare)联合组织了一次名为“对控制的挑战”的专题报告会。有50多位知名的自动控制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了《对控制的挑战——集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。 到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢? 在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术
智能控制综述
智能控制综述 摘要：本文首先介绍了智能控制的发展和智能控制系统的结构和特点以及与传统控制的关系。然后，综述几种智能控制研究的主要内容。 关键词：智能控制、自动控制、研究内容 1、智能控制的发展 任何一种科学技术的发展都由当时人们的生产发展需求和知识水平所决定和限制，控制科学也不例外。1948年，美国著名的控制论创始人维纳（N.Wiener）在它的著作《控制论》中首次将动物与机器相联系。1954年钱学森博士在《工程控制论》中系统的阐明了控制论对航空航天和电子通讯等领域的意义及影响，1965年傅京孙（K.S.Fu）教授首先把人工智能的启发式推理规则用于学习控制系统，又于1971论述了人工智能与自动控制的交集关系，成为国际公认的智能控制的先行者和奠基人[1]。 20世纪60年代，随着航海技术，空间技术的发展，控制领域面临着人们对其性能要求愈来愈高和被控对象的复杂性和不确定性，被控对象的复杂性和不确定性主要表现在被控对象的非线性和不确定性，以及分散的传感元件与执行元件，复杂的信息网络和庞大的数据量。而传统控制在解决这些问题时存在三方面的问题：一、由于传统控制理论是建立在以微积分为工具的精确模型上，所以无法对高度复杂和不确定的被控对象进行描述；二、传统控制理论中的自适应控制和Robust控制虽可克服系统中所包含的的不确定性，达到优化控制的目的，但这些方法只适用于缓慢变化的情况。三、传统控制系统输入较单一，而面对海量信息（视觉的、听觉的、触觉的等）的复杂环境，智能控制应运而生。 智能控制是对传统控制的补充和发展，是自动控制发展的高级阶段，而传统控制是智能控制产生的基础。 国内对智能控制的研究今年来也十分活跃。从八十年代人工智能与系统科学相结合到863计划的实施，智能控制在我国的发展已有稳固的基础。 2、智能控制结构与特点 智能控制是自动控制发展的高级阶段，是人工智能、控制论、系统论、信息论、仿生学、和计算机等多种学科的高度结合，是一门新兴的边缘交叉学科。它不仅包含了自动控制、人工智能、系统理论和计算机科学，而且还涉及到生物学，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科[2]。 （1）智能控制具有明显的跨学科、多元结构特点。至今，智能控制方面的专家已提出二元结构、三元结构、四元结构等三种结构，它们可分别以交集的形式表示如下： IC=AI∩AC (1) IC=AI∩CT∩OR (2) IC=AI∩CT∩ST∩OR (3) 上式中，各子集的含义为 AI——人工智能；AC——自动控制；CT——控制论； OR——运筹学；ST——系统论；IC——智能控制。 智能控制的二元交集结构、三元交集结构和四元交集结构分别由傅京孙、萨克迪斯（G.N.Saridis）和蔡自兴于1971,1977和1986年提出的[3]，以上的交集表达式也可表示成如下图1、2、3的形式：
智能控制技术现状与发展
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、智能控制的性能特点及主要方法 1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的
智能控制作业
1、已知某一炉温控制系统，要求温度保持在600度恒定。针对该控制系统有以下控制经验： （1）若炉温低于600度，则升压；低的越多升压越高。（2）若炉温高于600度，则降压；高的越多降压越低。（3）若炉温等于600度，则保持电压不变。 设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。输入、输出变量的量化等级为7级，取5个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解：1）确定变量 定义理想温度为600℃，实际温度为T，则温度误差为E=600-T。 将温度误差E作为输入变量 2）输入量和输出量的模糊化 将偏差E分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将偏差E的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1所示。
表1 温度变化E划分表 控制电压u也分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。将电压u的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。 表2 电压变化u划分表
表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB
2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零，超调量不大于1%，输出上升时间≤0.3s 。假定被控对象的传递函数分别为： 2 55 .01)1()(+=-s e s G s ) 456.864.1)(5.0(228 .4)(22+++= s s s s G 解： 在matlab 窗口命令中键入fuzzy ，得到如下键面： 设e 的论域范围为[-1 1]，de 的论域范围为[-0.1 0.1]，u 的论域范围为[0 2]。 将e 分为8个模糊集，分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB;
智能控制技术及其发展趋势
智能控制技术及其发展趋势 智能控制（intelligent controls）在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支（如系统工程、系统学、运筹学、信息论）结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年，在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。 一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力,即称为智能控制系统。智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统,具有实时推理、决策、学习和记忆等功能,能适应各种复杂的控制环境。 智能控制与传统的或常规的控制有密切的关系,不是相互排斥的。常规控制往往包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。
智能控制题目及解答
智能控制题目及解答 第一章绪论作业 作业内容 1.什么就是智能、智能系统、智能控制？ 2.智能控制系统有哪几种类型,各自的特点就是什么？ 3.比较智能控制与传统控制的特点。 4.把智能控制瞧作就是AI(人工智能)、OR(运筹学)、AC(自动控制)与 IT(信息论)的交集,其根据与内涵就是什么? 5.智能控制有哪些应用领域？试举出一个应用实例,并说明其工作原理与 控制性能。 1 答:智能:能够自主的或者交互的执行通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力,即像人类那样工作与思维。 智能系统:就是指具有一定智能行为的系统,对于一定的输入,它能产生合适的问题求解相应。 智能控制:智能控制就是控制理论、计算机科学、心理学、生物学与运筹学等多方面综合而成的交叉学科,它具有模仿人进行诸如规划、学习、逻辑推理与自适应的能力。就是将传统的控制理论与神经网络、模糊逻辑、人工智能与遗传算法等实现手段融合而成的一种新的控制方法。 2 答:(1)人作为控制器的控制系统:人作为控制器的控制系统具有自学习、自适应与自组织的功能。 (2)人-机结合作为作为控制器的控制系统:机器完成需要连续进行的并需快速计算的常规控制任务,人则完成任务分配、决策、监控等任务。 (3)无人参与的自组控制系统:为多层的智能控制系统,需要完成问题求解与规划、环境建模、传感器信息分析与低层的反馈控制任务。 3 答:在应用领域方面,传统控制着重解决不太复杂的过程控制与大系统的控制问题;而智能控制主要解决高度非线性、不确定性与复杂系统控制问题。 在理论方法上,传统控制理论通常采用定量方法进行处理,而智能控制系统大多采用符号加工的方法;传统控制通常捕获精确知识来满足控制指标,而智能控制通常就是学习积累非精确知识;传统控制通常就是用数学模型来描述系统,而智能控制系统则就是通过经验、规则用符号来描述系统。 在性能指标方面,传统控制有着严格的性能指标要求,智能控制没有统一的性能指标,而主要关注其目的与行为就是否达到。 但就是,智能控制与传统的或常规的控制有密切的关系,互相取长补短,而并非互相排斥。基于智能控制与传统控制在应用领域方面、理论方法上与性能指标等方面的差异,往往将常规控制包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。 4 答:人工只能(AI)就是一个用来模拟人思维的知识处理系统,具有学习、记忆、信息处理、形式语言、启发推理等功能;自动控制(AC)描述系统的动力学特性,就是一种动态反馈;运筹学(OR)就是一种定量优化方法,如线性规划、网络规划、调度、管理、优化决策与多目标优化方法等;信息论(IT)信息论就是运用概率论与树立统计的方法研究信息、通信系统、数据传输、密码学、数据压缩等问题的应用数学学科。 早期产生的的二元结构被发现就是很大程度上局限于符号主义的人工智能,无助于智能控制的
智能交通信号控制系统发展史
智能交通信号控制系统发展史 交通信号是汽车工业发展所带来的产物，凡在道路上用以传达具有法定意义、指挥交通行、止、左、右的手势、声响、灯光等都是交通信号。但目前使用的最为普遍、效果最好的是灯光交通信号。 色灯交通信号控制技术的发展是随着现代科学与汽车技术的发展，汽车数量增长，路口冲突矛盾激化，人们为了安全、迅速通过，不得不将最新的科技成果用以解决路口的交通阻塞问题，从而推动了自动控制技术在交通领域的迅速发展。 1886年伦敦的威斯敏斯特教堂安装了一台红绿两色煤气照明灯，用以指挥路口马车的通行，不幸发生意外爆炸，遭到人们反对而夭折。 1917年美国盐湖城开始使用联动式信号系统，将六个路口作为一个系统，用人工手动方式加以控制。 1918年初纽约街头出现了新的人工手动红黄绿三色信号灯，同现在的信号机基本相似。 1922年美国休斯顿建立了一个同步控制系统，以一个岗亭为中心控制几个路口。 1926年英国伦敦成立了第一台自动交通信号机在大街上使用，可以说是城市交通自动控制信号机的开始。 1928年人们在上述各种信号机的基础上，制成“灵活步进式”适时系统。由于其构造简单、可靠、价廉，很快得到推广普及，以后经不断改进、更新、完善，发展成现在的交通协调控制系统。 在计算机应用方面的发展也很快，先是模拟式电子计算机，1952年美国丹佛市首先安装，经过改进成为“PR”(program register)，在美国发展很快，至1962年已经安装了100多个“PR”系统。以后数字计算机也进入了交通控制领域，1963年多伦多市第一个完成了以数字计算机为核心的城市交通控制系统（UTC系统）。接着西欧、北美、日本很快也建立了改进式的UTC系统。 在软件开发方面，1967年英国运输与道路研究实验室的专家们研制了“TRANSYT”(TRAFFIC NETWORK STUDY TOOL)。它是一个脱机仿真优化的配时程序，应用很广，效果很好。 TRANSYT主要由两部分组成。一部分为仿真模型，其目的使用数学方法模拟车流在交通网上的运行状态，研究交通网配时参数的改变对车流运行的影响，能够对不同配时方案控制下的车流运行参数作出可靠地估算；另一部分为优化，将仿真所得到的性能指标送入优化
人工智能的发展及应用
人工智能的发展及应用 这是个信息爆炸自动控制飞速发展的时代，而在这样的时代中，人工智能也取得了飞速的发展。成为了最前沿最热门的学科和研究方向之一。 人工智能的定义 “人工智能” (Artificial Intelligence) 一词最初是在1956 年Dartmouth 学会上提出的。人工智能是指研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支, 它企图了解智能的实质, 并生产出一种新的能以人类智能相似的方式做出反应的智能机器。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。 人工智能理论进入21 世纪, 正酝酿着新的突破,人工智能的研究成果将能够创造出更多更高级的智能“制品” , 并使之在越来越多的领域超越人类智能, 人工智能将为发展国民经济和改善人类生活做出更大贡献。 人工智能的应用领域 1. 在管理系统中的应用 (1) 人工智能应用于企业管理的意义主要不在于提高效率, 而是用计算机实现人们非常需要做, 但工业工程信息技术是靠人工却做不了或是很难做到的事情。在《谈谈人工智能在企业管理中的应用》一文中刘玉然指出把人工智能应用于企业管理中, 以数据管理和处理为中心, 围绕企业的核心业务和主导流程建立若干个主题数据库, 而所有的应用系统应该围绕主题数据库来建立和运行。换句话说, 就是将企业各部门的数据进行统一集成管理, 搭建人工智能的应用平台, 使之成为企业管理与决策中的关键因子。 2. 在工程领域的应用
(1) 医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用, 具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题, 作为医生诊断、治疗的辅助工具。事实上, 早在1982年, 美国匹兹堡大学的Miller 就发表了著名的作为内科医生咨询的Internist 2? 内科计算机辅助诊断系统的研究成果, 由此, 掀起了医学智能系统开发与应用的高潮。目前, 医学智能系统已通过其在医学影像方面的重要作用, 从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。 (2) 地质勘探、石油化工等领域是人工智能的主要作用发挥领地。1978 年美国 斯坦福国际研究所就研发制成矿藏勘探和评价专家系统“PROSPECT”OR, 该系统用于勘探评价、区域资源估值和钻井井位选择等, 是工业领域的首个人工智能专家系统,其发现了一个钼矿沉积, 价值超过1 亿美元。 3. 在技术研究中的应用 (1) 在超声无损检测(NDT)与无损评价(NDE)领域中,目前主要广泛采用专家系统方法对超声损伤(UT)中缺陷的性质、形状和大小进行判断和归类；专家运用超声无损检测仪器, 以其高精度的运算、控制和逻辑判断力代替大量人的体力与脑力劳动减少了任务因素造成的无擦, 提高了检测的可靠性, 实现了超声检测和评价的自动化、智能化。 (2) 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点, 因此我们必须在传统技术的基础上进行网络安全技 术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更 高级AI 通用和专用语言, 和应用环境以及开发专用机器, 而与人工智能技术则为我们提供了可能性。 人工智能的发展 人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几个阶段: 孕育阶段:古希腊的Aristotle( 亚里士多德)( 前384-322) ，给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon(培根)(1561-1626)，系统地给出了归纳法。“知识就是力量”
智能控制习题答案
第一章绪论 1.什么是智能、智能系统、智能控制？ 答：“智能”在美国Heritage 词典定义为“获取和应用知识的能力”。 “智能系统”指具有一定智能行为的系统，是模拟和执行人类、动物或生物的某些功能的系统。 “智能控制”指在传统的控制理论中引入诸如逻辑、推理和启发式规则等因素，使之具有某种智能性；也是基于认 知工程系统和现代计算机的强大功能，对不确定环境中的复杂对象进行的拟人化管理。 2．智能控制系统有哪几种类型，各自的特点是什么？ 答：智能控制系统的类型：集散控制系统、模糊控制系统、多级递阶控制系统、专家控制系统、人工神经网络控制系 统、学习控制系统等。 各自的特点有： 集散控制系统：以微处理器为基础，对生产过程进行集中监视、操作、管理和分散控制的集中分散控制系统。该系统 将若干台微机分散应用于过程控制，全部信息通过通信网络由上位管理计算机监控，实现最优化控制，整个装置继承 了常规仪表分散控制和计算机集中控制的优点，克服了常规仪表功能单一，人机联系差以及单台微型计算机控制系统 危险性高度集中的缺点，既实现了在管理、操作和显示三方面集中，又实现了在功能、负荷和危险性三方面的分散。 人工神经网络：它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统 的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 专家控制系统：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。可以说是一种模拟人类专家解决领域问题的计算机程序系 统。 多级递阶控制系统是将组成大系统的各子系统及其控制器按递阶的方式分级排列而形成的层次结构系统。这种结构的 特点是： 1.上、下级是隶属关系，上级对下级有协调权，它的决策直接影响下级控制器的动作。 2.信息在上下级间垂直 方向传递，向下的信息有优先权。同级控制器并行工作，也可以有信息交换，但不是命令。 3.上级控制决策的功能水平高于下级，解决的问题涉及面更广，影响更大，时间更长，作用更重要。级别越往上，其决策周期越长，更关心系统 的长期目标。 4.级别越往上，涉及的问题不确定性越多，越难作出确切的定量描述和决策。 学习控制系统：靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能的系统。这种系统具有一定的识别、判断、记忆和自行调整的能力。 3．比较智能控制与传统控制的特点。 答：智能控制与传统控制的比较：它们有密切的关系，而不是相互排斥。常规控制往往包含在智能控制之中，智能控 制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更 具有挑战性的复杂控制问题。 1.传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，这些问题对基于模型的传统自动控制来说很难解决。 2.传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手 写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力， 能够用文字、图纸、立体形象、语言等形式输出信息. 另外，通常的自动装置不能接受、分析和感知各种看得见、听得 着的形象、声音的组合以及外界其它的情况. 为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的 精确的送音器，即文字、声音、物体识别装置。 3.传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出量跟随期望的运动轨迹（跟随 系统），因此具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂。 4.传统的控制理论对线性问题有较成熟的理论，而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽 人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题行之有效的途径。 5.与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知 识的能力。 6.与传统自动控制系统相比，智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程，采用开闭环 控制和定性及定量控制结合的多模态控制方式。
智能控制发展趋势及应用
智能控制的发展趋势和应用 学号0000000 姓名****** 老师钟春富
摘要：描述了智能控制产生的历史以及全世界对于智能控制有研究的多个国家在智能控制的研究方向以及研究水平，介绍了智能控制的发展趋势以及智能控制发展面临的问题，详述了智能控制的主要研究方向，说明了智能控制的应用方向以及具体应用，展望了智能控制的发展前景以及对于社会生产和日常生活的积极意义。 关键词：智能控制、模糊控制、神经网控制、专家控制、智能化。 一、智能控制的产生 人类的进化归根结底是智能的进化，而智能反过来又为人类的进步服务。我们学习与研究智能系统、智能机器人和智能控制等，其目的就在于创造和应用智能技术和智能系统，从而为人类进步服务。因此，可以说对智能控制的钟情、期待、开发和应用，是科技发展和人类进步的必然趋势。 在科学技术发展史上，控制科学同其他技术科学一样，它的产生与发展主要由人类的生产发展需求和人类当时的知识水平所决定和限制的。 20世纪以来，特别是第二次世界大战以来，控制科学与技术得到了迅速的发展，由研究单输入单输出被控对象的经典控制理论，发展成了研究多输入多输出被控对象的现代控制理论。1948年，美国著名的控制论创始人维纳(N．Wiener)在他的《控制论》中第一次把动物和机器相提并论，引起哲学界的轩然大波，有人骂控制论是“伪科学”。 直到1954年钱学森博士在《工程控制论》中系统地揭示了控制论这一新兴学科对电子通讯、航空航天和机械制造工业等领域的重要意义和深远影响后，反控制论的热潮才逐渐开始平息。20世纪60年代，由于空间技术，海洋技术和机器人技术发展的需要，控制领域面临着被控对象的复杂性和不确定性，以及人们对控制性能要求越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非线性和不确定性，高噪声干扰，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量。 面对复杂的对象，复杂的环境和复杂的任务，用传统控制(即经典控制和现代控制)
基于MATLAB的智能控制系统的介绍与设计实例最新毕业论文
(此文档为word格式，下载后您可任意编辑修改！) 武汉科技大学 智能控制系统 学院：信息科学与工程学院 专业：控制理论与控制工程 学号： 姓名：李倩
基于MATLAB的智能控制系统的介绍与设计实例 摘要 现代控制系统，规模越来越大，系统越来越复杂，用传统的控制理论方法己不能满控制的要求。智能控制是在经典控制理论和现代控制理论的基础上发展起来的，是控制理论、人工智能和计算机科学相结合的产物。MATLAB是现今流行的一种高性能数值计算和图形显示的科学和工程计算软件。本文首先介绍了智能控制的一些基本理论知识，在这些理论知识的基础之上通过列举倒立摆控制的具体实例，结合matlab对智能控制技术进行了深入的研究。 第一章引言 自动控制就是在没有人直接参与的条件下，利用控制器使被控对象(如机器、设备和生产过程)的某些物理量能自动地按照预定的规律变化。它是介于许多学科之间的综合应用学科，物理学、数学、力学、电子学、生物学等是该学科的重要基础。自动控制系统的实例最早出现于美国，用于工厂的生产过程控制。美国数学家维纳在20世纪40年代创立了“控制论”。伴随着计算机出现，自动控制系统的研究和使用获得了很快的发展。在控制技术发展的过程中，待求解的控制问题变得越来越复杂，控制品质要求越来越高。这就要求必须分析和设计相应越来越复杂的控制系统。智能控制系统(ICS)是复杂性急剧增加了的控制系统。它是由控制问题的复杂性急剧增加而带来的结果，其采用了当今其他学科的一些先进研究成果，其根本目的在于求解复杂的控制问题。近年来，ICS引起了人们广泛的兴趣，它体现了众多学科前沿研究的高度交叉和综合。 作为一个复杂的智能计算机控制系统，在其建立投入使用前，必要首先进行仿真实验和分析。计算机仿真(Compeer Simulation)又称计算机模拟(Computer Analogy)或计算机实验。所谓计算机仿真就是建立系统模型的仿真模型进而在计算机上对该仿真模型
智能控制理论及应用的发展现状
●专家论谈 智能控制理论及应用的发展现状 杭州浙江大学工业控制技术研究所 (310027) 许晓鸣 孙优贤上海交通大学自动化系 (200030) 熊 刚 在控制工程实践中,人们常常涉及到传感器、执行器、通信系统、计算机以及控制策略和具体算法。它们构成的控制系统可以比拟成一个人,如图1。传感器用来采集反映被控对象特性的信息,它就象人的五官;执行器用来把控制决策命令施加于被控对象,它好比人的四肢;通信技术把传感器采集到的信息及时送到控制器,就象人们的神经系统;计算机是控制器的硬件环境,就象人的脑袋。这四部分在控制系统设计中占去人们大部分精力, 但是控制策略和具体算法就好象人的大脑一样,是控制系统的“指挥中心”。设计尽量“聪明”和适用的控制算法是控制理论发展的动力和内容。 图1 控制系统的构成框图 1 智能控制的兴起 111 自动控制的发展与挫折 本世纪40～50年代,以频率法为代表的单变量系统控制理论逐步发展起来,并且成功地用在雷达及火力控制系统上,形成了今天所说的“古典控制理论”。60～70年代,数学家们在控制理论发展中占了主导地位,形成了以状态空间法为代表的“现代控制理论”。他们引入了能控、能观、满秩等概念,使得控制理论建立在严密精确的数学模型之上,从而造成了理论与实践之间的巨大分歧。70年代后,又出现了“大系统理论”。但是,由于这种理论解决实际问题的能力更弱,它很快被人们放到了一边。112 人工智能的发展 斯坦福大学人工智能研究中心的N ilsson 教授认为:“人工智能是关于知识的科学——怎样表示知识以及怎样获得知识并使用知识的科学”。M IT 的W in ston 教授指出:“人工智能就是研究如何使计算机去做过去只有人才做的智能性工作”。 1956年以前是人工智能的萌芽期。英国数学家图灵(A 1M 1T u ring 1912 ～1954)为现代人工智能作了大量开拓性的贡献;1956年～1961年是人工智能的发展期,人们重点研究了诸如用机器解决数学定义,通用问题求解程序等。1961年以后人工智能进入了飞跃期,主要内容涉及知识工程、自然语言理解等。 人们研究人工智能方法也分为结构模拟派和功能模拟派,分别从脑的结构和脑的功能入手进行研究。113 智能控制的兴起 建立于严密的数学理论上的控制理论发展受到挫折,而模拟人类智能的人工智能却迅速发展起来。 控制理论从人工智能中吸取营养求发展成为必然。 工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征。特别是非线性对控制结果的影响复杂,控制工程人员很难深入理解,更谈不上设计出合适的控制算法。不确定性是最难以解决的问题,也是导致大系统理论失败的根本原因。但是,对这些问题用工程控制专家经验来解决则往往是成功的。人是最聪明的控制器,模仿人是一种途径。 萨里迪斯(Saridis )于1977年提出了智能控制的三元结构定义,即把智能控制看作为人工智能、自动控制和运筹学的交点。在智能控制发展初期,美国普渡大学的傅京孙(K 1S 1Fu )教授首先提出了学习控制的概念,引入了人工智能的直觉推理。后来在人工智能的概念模拟基础上,发展了许多智能控制方法,如自整定、参数调整P I D 等。再后来则以发展实用的智能控制算法为主,尤以专家系统和神经元网络最为突出。 2 智能控制的发展框架 图2 智能控制的发展框架 现在有关智能控制方面的论文很多,我们可以把
智能控制技术现状与发展
智能控制技术现状与发 展 Modified by JACK on the afternoon of December 26, 2020
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高 层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、
二、智能控制的性能特点及主要方法 根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的系统性能应优于变化前的系统性能。 （2）适应功能：系统应具有适应受控对象动力学特性变化、环境变化和运行条件变化的能力。这种智能行为是不依赖模型的自适应估计，较传统的自适应控制有更广泛的意义。 （3）组织功能：对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性。除以上功能外，智能控制系统还应具有实时性、容错性、鲁棒性和友好的人机界面。 智能控制和传统控制在应用领域、控制方法、知识获取和加工、系统描述、性能考核及执行等方面存在明显的不同。基于与传统控制的区别，智能控制系统具有如下特点： （1）拟人智能化的运作模式；
智能控制技术及其应用 毕业论文
摘要：本文主要介绍了智能控制技术从经典控制理论、现代控制理论发展到今天的智能控制理论的发展过程和主要方法，并介绍了智能控制在工业发展、机械制造、电力电子学研究领域中的应用。 关键字：自动化智能控制应用 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 一、智能控制的发展过程 从经典控制理论、现代控制理论发展到今天的智能控制理论，经历了很长时间。 四十年代到五十年代形成了经典控制理论。经典控制理论中基于传递函数建立起来的如频率特性、根轨迹等图解解析设计方法，对于单输入-单输出系统极为有效，至今仍在广泛地应用。但传递函数对处于系统内部的变量不便描述，对某些内部变量还不能描述，且忽略了初始条件的影响。鼓传递函数描述不能包含系统的所有信息。 现代控制理论主要研究具有高性能、高精度的多变量变参数系统的最优控制问题，它对多变量有很强的描述和综合能力，其局限在于必须预先知道被空对象或过程的数学模型。 智能控制是在经典和现代控制理论基础上进一步发展和提高的。智能控制的提出，一方面是实现大规模复杂系统控制的需要；另一方面是现代计算机技术、人工智能和微电子学等学科的高度发展，给智能控制提供了实现的基础。智能控制提供了一种新的控制方法，基本解决了非线性、大时滞、变结构、无精确数学模型对象的控制问题。 二、智能控制的主要方法 通俗地讲，智能控制就是利用有关知识（方法）来控制对象，按一定要求达到预定目的。智能控制为解决控制领域的难题，摆脱了经典和现代控制理论的困境，开辟了新的途径。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 1、模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
举一个有趣的例子说明智能控制系统的
举一个有趣的例子说明智能控制系统的“低级”程度 就前天的文章，我举一个有趣的例子说明智能控制系统的“低级”程度： 比如说驾驶，对于普通人来说，驾驶自行车时间很容易掌握的事，两天就学会了，但是学开汽车，就是拿个C本，也要学上10天半个月，还不敢上路，要是学开飞机呢？哇，战斗机驾驶员的培养费可是用黄金堆出来的啊，而且培训期要好多年。 但是，对于搞控制的人来说，飞机自动驾驶早就实现了，而且实际使用很多年了，很成熟。自动驾驶的汽车，比如中国，清华大学搞的，只敢在校园里开开，估计还要不断提醒路人：“我来了，躲着点！”，国外也好不到哪去。而自动驾驶的自行车，我想大多数人没听说过，我要一说，大家准乐——自动驾驶自行车？太搞笑了，不可能吧？最近新闻联播上播了一条新闻：日本研制出一个骑自行车的机器人，厉害！不过那个自行车是在特定的轨道中行驶的——简化了控制环境。 由此可以看出，机器控制（自动控制）有多么的浅薄，我们的机器基本上只会精确计算，大部分情况下，只会线性系统计算，只会预定轨迹的计算（还记得现代控制理论中的“轨迹”吗？） 骑自行车的复杂在于：多模型耦合，小裕度，强烈的变工况——搞控制的人最恐怖的都赶上了，这些都可以归于——多变量非线性系统，呵呵。 人呢?人的大脑是基于非线性和模糊计算的，所以，我们学习智能控制理论的三大派系——神经网络、模糊推理，专家系统，开头都煞有介事的给你讲一通人的脑袋，什么神经突啊，什么感知啊，什么经验学习啊，好像在学生物学。比如神经网络模型，是什么人建立的？不是控制论专家，也不是数学家，而是生物学家，不过这种人只能出在美国，断不会出在中国的——不务正业嘛，副教授都不给你评，呵呵。
智能控制及其应用综述
第18卷第3期重庆邮电学院学报(自然科学版)Vol.18No.3 2006年6月Journal of C hongqing University of Posts and Telecom munications(Natural Science)Jun.2006 文章编号:1004-5694(2006)03-0376-06 智能控制及其应用综述* 李文,欧青立,沈洪远,伍铁斌 (湖南科技大学信息与电气工程学院,湖南湘潭411201) 摘要:介绍了智能控制的产生背景以及智能控制的概念、性能和特点,分析了几种典型的智能控制技术及当前的工程应用现状。最后,对今后智能控制的发展前景进行了展望。 关键词:智能控制;专家控制;神经网络控制;模糊控制;混沌控制;智能优化 中图分类号:T P18文献标识码:A 0引言 智能控制是近年来控制界新兴的研究领域,是一门边缘交叉学科。自1985年在纽约召开第一届智能控制学术会议至今,智能控制已经被广泛应用于工业、农业、服务业、军事航空等众多领域。智能控制是自动控制发展的高级阶段,为解决那些用传统方法难以解决的复杂系统的控制问题提供了有效的理论和方法。它处于控制科学的前沿领域,代表着自动控制科学发展的最新进程。 1智能控制产生的背景 科学技术的产生和发展主要由生产发展需求和知识水平所决定,控制科学也不例外。20世纪以来,特别是二战以来,控制科学与技术得到了迅速发展,由研究单输入单输出被控对象的经典控制理论,发展形成了研究多输入多输出被控对象的现代控制理论。经典控制理论主要是采用频域法对控制系统进行描述、分析和设计,现代控制主要采用时域的状态空间方法。20世纪60年代,由于空间技术、海洋工程和机器人技术发展的需要[1],控制领域面临着被控对象的高度复杂性和不确定性,以及人们对控制性能要求越来越高的挑战。被控对象的高度复杂性和不确定性主要表现为对象的高维、高度非线性和不确定性[2],高噪声干扰、强耦合,系统工作点动态突变性,以及分散的传感元件与执行元件,分层和分散的决策机构,复杂的信息模式和庞大的数据量。面对复杂的对象,复杂的任务和复杂的环境,用传统控制(即经典控制和现代控制)的理论和方法去解决是不可能的。其原因[3]:1传统的控制理论都是建立在以微分和积分为工具的精确数学模型之上的,而复杂系统的复杂性和不确定性都难以用精确的数学模型描述,否则就会使原问题丢失很多信息,例如:骑自行车沿一条曲线行走这套看似简单的动作,如果我们要把这一系列的动作和环境建立出精确的数学模型,然后再一步一步按模型去操作,可以想象其过程是多复杂而又难以实现;o传统的控制理论虽然也有办法对付控制对象的不确定性和复杂性,如自适应控制和Robust控制可以克服系统中所包含的不确定性,保证控制系统的控制质量不变,达到优化控制的目的。但他们仅适用于系统参数在一定范围内缓慢变化的情况,其优化控制的范围是很有限的。?传统的控制系统要求输入的信息比较单一,而现代的控制系统要面对复杂系统以各种形式(视觉的、听觉的、触觉的和直接操作的方式)将周围环境信息作为输入的状况,并将各种信息进行融合、分析和推理,再随环境与条件的变化,相应地采取对策或行动。传统的控制策略单一,不能适合高层决策问题,所以智能控制应运而生。 2智能控制的发展概况 智能控制的概念最早是由美国普渡大学的美籍华人傅京孙教授提出的,他在1965年发表的论文中首先提出把人工智能的启发式推理规则用于学习系统[4],为控制技术迈向智能化揭开了崭新的一页。接着,M endel于1966年提出了/人工智能控制0的新概念[5]。1967年,Leo ndes和M endel首次使用了/智能控制(Intellig ent Control)0一词[6],并把记忆、目标分解等技术应用于学习控制系统[7]。1974年,英国的E.H.Mamdani教授首次成功地将模糊逻辑用于蒸汽机控制[8]。1977年,Saridis全面地论述了从反馈控制到最优控制、随机控制及至自适应控制、自组织控制、学习控制,最终向智能控制发展的过 *收稿日期:2005-09-262005-12-26 基金项目:国家自然科学基金(50274060);湖南省自然科学基金(04JJ40041);湖南省教育厅科研项目(04C198) 作者简介:李文(1982-),男,湖南永州人,硕士研究生,研究方向为计算机控制与应用,E-mail:liwhnust@163.co m;欧青立,男,教授。