西电智能控制大作业

题目：浅谈智能控制班级：

姓名：

学号：

目录

摘要 (3)

Abstract (3)

1.前言 (4)

2.智能控制的定义 (4)

3.传统控制系统的特点 (5)

4.传统智能控制面临的难题 (5)

5.智能控制系统的特点 (6)

6.智能控制的研究内容 (6)

6.1 分层递阶控制系统 (7)

6.2学习控制系统 (8)

6.3专家控制系统 (9)

6.4人工神经网络控制系统 (10)

6.5模糊控制系统 (11)

7.智能控制的发展与前景 (11)

参考文献 (12)

浅谈智能控制

摘要

本文是对智能控制的一个综述，结合这学期学习智能控制原理与应用的感悟，介绍了智能控制产生的定义，特点，应用，研究内容，对智能控制所面临的问题与挑战进行了叙述，还具体阐述了未来发展的趋势和前景，说明了智能控制象征着自动化的未来。智能控制正是在各行各业应用中的一个缩影，它的作用以及影响力将会关系到国民生计。又因为在当今社会各行各业中，智能控制技术对实现生产过程自动化有着更为积极的作用。所以智能控制技术的研究和发展也越来越成为当代科学的一门重要课程。

Abstract

This paperis an overview of theintelligent control，it introduces the definition, the characteristic ,the application and the research contents of intelligent control.It describes the problems and challenges faced by intelligent control,the future development trends and prospects.So intelligent control symbolizes the future of automation.Intelligent control is so important that it relates to national life.Because in today's society in all walks of life, intelligent control technology has play a more active role to achieve automation of the production process.Therefore, the research and development of intelligent control technology is increasingly becoming an important course of contemporary science.

关键词：智能控制定义人工智能传统控制研究内容发展与前景

1.前言

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。人类通过研究人工智能正在以空前的规模、速率和成效从大自然学习并力图通过智能机器来模仿人类的认知过程和自然智能，其目标在于构建一个能够在不确定和非结构环境中运行的自主智能系统。这种智能机器具有现实的和潜在的挑战性。不过，现在运行于制造业、卫生、农业、采矿、空间和海洋等行业的机器人很少存在这类应用例子。智能控制则是这种智能机器的一个子集。

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。

尽管智能控制这门学科的建立只有20年历史，但它的发展前景十分诱人。从智能控制的发展过程和已取得的成果来看，智能控制的产生和发展正反映了当代自动控制的发展趋势，是历史的必然。智能控制已发展成为自动控制的一个新的里程碑；发展成为一种日趋成熟和逐渐完善的控制手段，并获得日益广泛的应用。

2.智能控制的定义

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，使之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。

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。

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。

3.传统控制系统的特点

以稳定性的理论和反馈理论为基础的自动控制理论，使传统控制得到了巨大的发展，主要形成了四方面的特点：

（1）具有完整的理论体系，形成了以反馈理论为核心，以精确的数学模型为基础，以微分和积分为主要数学工具。以线性定常系统为主要研究对象的完善的理论和应用方法；

（2）形成了以时域法、根轨迹法、线性系统为基础的分析方法；

（3）具有严格的性能指标体系．稳态性能和动态性能都有具体而严格的指标；

（4）在单机自动化，不太复杂的过程控制及系统工程领域中得到了广泛而成功的应用。

4.传统智能控制面临的难题

（1）传统控制系统的设计与分析是建立在精确地系统数学模型基础上的，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，根本无法以传统的数学模型来表示，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投资和维修费用，降低了系统的可靠性。

（5）应用要求进行创新，提出新的控制思想，进行新的集成开发，以解决未知环境中复杂系统的控制问题。

5.智能控制系统的特点

传统控制方法研究的主要目标是被控对象，而智能控制研究的主要目标是控制器本身。智能控制的研究重点不在控制对象的数学模型分析，而在于智能控制器模型的建立，包括知识的获取、表示和存储，智能推理方式的设计等。其控制对象和控制性能也与传统控制有很大不同。相比于传统控制，智能控制有如下特点：

(1)较强的学习能力。能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改进和提高自身的控制能力；

(2)较强的白适应能力。具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力；

(3)较强的容错能力。系统对各类故障具有白诊断、屏敝和白恢复能力；

(4)较强的鲁棒性。系统性能对环境干扰和不确定性因素不敏感；

(5)较强的组织功能。对于复杂任务和分散的传感信息具有白组织和协调功能，使系统具有主动性和灵活性；

(6)实时性好，系统具有较强的在线实时响应能力；

(7)人一机协作性能好，系统具有友好的人机界面，以保证人一机通信、人一机互助和人一机协同工作；

(8)智能控制具有变结构和非线性的特点，其核心是组织级。

6.智能控制的研究内容

智能控制是控制理论、人工智能（AI）和计算机科学相结合的产物。智能控制系统是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制系统。智能控制突破了传统控制理论中必须基于微分方程为基础的数学模型框架，基本上按实际效果进行控制，演绎了

以离散型数据为样本的非线性特性。某些智能控制方法还具有在线识别、决策或总体自寻优的能力和分层信息处理、决策的功能，各种智能控制系统正在发挥巨大的经济和社会效益。

最初人们认为智能控制是自动控制理论（AC）与人工智能（AI）或AC、AI 与运筹学（OR）的结合，但事实上智能控制是一门仍在不断丰富发展的具有众多学科集成特点的科学与技术。它不仅包含了AC、AI、OR、系统理论（ST）和计算机科学（CS）的内容，而且还从生物学、生理学、心理学、协同学及人类知识理论等学科中吸取了丰富的营养。

目前，关于智能控制的主要研究内容有分层递阶控制系统、学习控制系统、专家控制系统、人工神经网络控制系统、模糊控制系统等。这些有的已在现代工业生产过程中的智能控制与智能自动化投入实际应用。

6.1 分层递阶控制系统

分层递阶智能控制是在自适应控制和自组织控制基础上，由萨里迪斯和梅斯特尔等人提出的智能控制理论.分层递阶智能控制（Hierarchical Intelligent Control）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。

分层递阶智能控制系统是由三个基本控制级构成的，其级联交互结构如图1

所示。图中，f C

E 为自执行级至协调级的在线反馈信号；f O

E

为自协调级至组织级

的离线反馈信号；C = {c1, c2, ... , cm}为输入指令；U = {u1, u2, ... , um}为分类器的输出信号，即组织器的输入信号。

图1 递阶智能机器的级联结构

组织级（organization level）：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.

图2 组织级的结构框图

协调级（Coordination level）：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.

图3 协调级的结构

执行级（executive level）：执行级的控制过程通常是执行一个确定的动作，要求具有较高的精度但较低的智能；它按控制论进行控制，对相关过程执行适当的控制作用。执行级的性能也可由熵来表示，因而统一了智能机器的功用。

6.2学习控制系统

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。

智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法，它模拟生物界/生存竞争，优胜劣汰，适者生存的机制，利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为

优化搜索算法，一方面希望在宽广的空间内进行搜索，从而提高求得最优解的概率；另一方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何同时提高搜索最优解的概率和效率，是遗传算法的一个主要研究方向。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。

迭代学习控制模仿人类学习的方法、即通过多次的训练，从经验中学会某种技能，来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。

6.3专家控制系统

专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。它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.

一般来说，专家系统=知识库+推理机，因此专家系统也被称为基于知识的系统。一个专家系统必须具备三要素：

1.领域专家级知识

2.模拟专家思维

3.达到专家级的水平

专家系统能为它的用户带来明显的经济效益。用比较经济的方法执行任务而不需要有经验的专家，可以极大地减少劳务开支和培养费用。由于软件易于复制，所以专家系统能够广泛传播专家知识和经验，推广应用数量有限的和昂贵的专业

人员及其知识。

专家系统在给它的用户带来经济利益的同时，也造成失业。专家系统的应用技术不仅代替了人的一些体力劳动，也代替了人的某些脑力劳动，有时甚至行使着本应由人担任的职能，免不了引起法律纠纷。比如医疗诊断专家系统万一出现失误，导致医疗事故，怎么样来处理，开发专家系统者是否要负责任，使用专家系统者应负什么责任，等等。

6.4人工神经网络控制系统

人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

神经网络是一种运算模型，由大量的节点（或称“神经元”，或“单元”）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重（weight），这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

它的构筑理念是受到生物（人或其他动物）神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法（Learning Method）得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。

6.5模糊控制系统

模糊控制是以模糊集合论，模糊语言变量及模糊逻辑推理为基础的计算机智能控制，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。它主要由以下特点：

（1）简化系统设计的复杂性，特别适用于非线性、时变、模型不完全的系统上。

（2）利用控制法则来描述系统变量间的关系。

（3）不用数值而用语言式的模糊变量来描述系统，模糊控制器不必对被控制对象建立完整的数学模式。

（4）模糊控制器是一语言控制器，使得操作人员易于使用自然语言自然语言进行人机对话。

（5）模糊控制器是一种容易控制、掌握的较理想的非线性控制器，具有较佳的适应性及强健性(Robustness)、较佳的容错性(Fault Tolerance)。

7.智能控制的发展与前景

在智能控制研究中，诸多的控制系统仍处于理论研究阶段，未能真正解决实际问题更谈不上实际应用。提高系统的运行速度、实现实时控制、提高对环境的感觉和解释能力、改善信息识别和处理能力、设计模块化的传感器接口等方面要做的事情还很多。尽管诸如此类的问题还有很多，但是随着智能控制应用方法的日益成熟，智能控制的研究领域必将进一步扩大。除了高级机器人、过程智能控制和智能故障诊断外，下列领域将成为新的应用领域：交通控制（如高速列车、汽车运输、飞机飞行控制等），用于CAD、CAM、CIMS和CIPS的自动加工控制、医疗过程控制、商业、农业、文化教育和娱乐等。

当代最高意义上的智能自动化要算机器人学的进步和应用。机器人从爬行到直立行走，现在已能用手使用工具，能看、听、用多种语言说话，并能可靠地去干最脏最累最危险的活。

交通事故死亡率成为人类和平时期非正常死亡概率的第一因素，引入智能交

通系统，可以大大缓解这一状况。智能交通系统是信息自动化处理的系统，包括收集最基本的道路信息，建立多种交通模型，需求最优的交通诱导，给出出行者提供充分的信息。智能交通系统在美国的一些城市已经实施，它可以减少10%的废弃材料，20%的交通延迟，30%的停车次数。

全世界约有6万种语言，智能化电脑同步翻译机的出现，将真正实现人类语言达到沟通无障碍的“全球通”状。目前我国科学家已经成功研制出中国和韩国间的同声翻译，以及中日间掌上电脑的同步翻译。预计十多年后，会有大量的语音翻译产品问世，30多年后将出现没有领域限制的翻译系统，全球将基本实现无语言障碍交流。

决策系统、专家控制系统、学习控制系统、模糊控制系统、神经网络控制、智能规划个故障诊断等智能控制的一些研究成果，也已被应用于各类工业（电力、化工、冶金等）生产过程控制系统和智能化生产（制造）系统，如：飞行器制造，汽车自动驾驶系统等。智能技术广泛应用于社会，有利于提高人民的生活质量，提高全社会的文化素质，创造更高的就业率。

目前，在世界范围内，智能控制和智能自动化科学与技术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，并被许多发达国家确认为面向21世纪和提高国家竞争力的核心技术。

参考文献

[1]蔡自兴.智能控制原理与应用[M].北京：清华大学出版社，2007

[2] 李士勇.模糊控制、神经控制和智能控制论[M].哈尔滨：哈尔滨工业大学出版社，1998

[3] 宋健.智能控制——超越实际的目标[J].中国工程学报，1999，1(2):1-5

[4]Lee T H Ge ,SS.Intelligent control of mechatronic systems

[J]Proceedings of the 2003 IEEE International Symposium on Intelligent Control

[5] 戴汝为.人工智能[M].北京：化学工业出版社，2002

[6] 王永冀，涂健.神经网络控制[M].北京：机械工业出版社，1998