智能控制及其应用综述_李文

第18卷第3期重庆邮电学院学报(自然科学版)Vol.18　No.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:TP18 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;②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。③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”的新概念[5]。1967年,Leo ndes和M endel首次使用了“智能控制(Intellig ent Co ntrol)”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:2005-09-26 2005-12-26

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。

程[9,10]。80年代,智能控制的研究进入了迅速发展时期:1984年,Astrom直接将人工智能的专家系统技术引入到控制系统,明确地提出了建立专家控制的新概念[11];同年,H o pfield提出的H opfield网络及Rumelhart提出的BP算法为人工神经网络的研究注入了新的活力,并迅速得到了广泛的应用[12,13];1985年8月,IEEE在美国纽约召开了第一界智能控制学术讨论会,会议决定在IEEE控制系统学会内设立一个IEEE智能控制专业委员会。这标志着智能控制这一新兴学科研究领域的正式诞生,并已作为一门独立的学科正式在国际上建立起来。在我国智能控制也受到广泛的重视,中国自动化学会于1993年、1997年、2000年、2002年、2004年分别在北京、西安、合肥、上海、杭州组织召开了五届全球华人智能控制与智能自动化大会(CWCI-CIA),已成立的学术团体有中国人工智能学会、中国人工智能学会智能机器人专业委员会和中国自动化学会智能自动化专业委员会等。这些情况表明,智能控制作为一门独立的新学科,已在我国建立起来了。

智能控制是指驱动智能机器自主地实现其目标的过程,即是一类无需人的直接干预就能独立地驱动智能机器实现其目标的自动控制[14]。其理论基础是人工智能、控制论、运筹学、和信息论等学科的交叉。傅京孙教授于1971年首先提出了智能控制的二元交集理论即人工智能和自动控制的交叉[15];美国的萨里迪斯(G.N.Saridis)于1977年把傅京孙教授的二元结构扩展为三元结构,即人工智能、自动控制和运筹学的交叉;后来中南大学的蔡自兴教授又将三元结构扩展为四元结构即人工智能、自动控制、运筹学和信息论的交叉,从而进一步完善了智能控制的结构理论,形成智能控制的理论体系。

3　智能控制的性能和特点

3.1　智能控制的性能

智能控制主要用来解决传统控制难以解决的高度非线性、强不确定性等复杂系统的控制问题。一个理想的智能控制系统应具有如下性能[16]:①学习能力,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;②适应功能,系统应具有适应受控对象的动力学特性变化、环境变化和运行条件变化的能力,这实质上是不依赖模型的自适应估计,较传统的自适应控制中的适应功能具有更广泛的意义。除此之外,系统还应具有较强的容错性和鲁棒性;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自协调功能,使系统具有主动性和灵活性,即智能控制器可以在任务要求的范围内自行决策,主动采取行动;④智能控制系统还应具有相当的在线实时响应能力和友好的人-机界面,以保证人-机互助和人-机协同工作。

3.2　智能控制的特点

智能控制理论不同于经典控制理论和现代控制理论的处理方法,它研究的主要目标不再是被控对象而是控制器本身。控制器不再是单一的数学模型解析型,而是数学模型和知识系统相结合的广义模型。特点概括为[17,18]:①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;②智能控制的核心在高层控制,能对复杂系统进行有效的全局控制,实现广义问题求解,并具有较强的容错能力,系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习和自协调能力;③智能控制具有混合控制特点,系统能以知识表示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决策及定量控制相结合的多模态控制方式;④智能控制系统有补偿及自修复能力;⑤智能控制系统具有判断决策能力,体现了“智能递增,精度递降”的一般组织结构的基本原理,并具有高度的可靠性。总之,智能控制系统通过智能机自动地完成其目标的控制过程,其智能机可以在熟悉或不熟悉的环境中自动或人-机交互地完成拟人任务。

4　智能控制的主要方法与研究热点

基于人工神经网络理论、模糊数学理论、模式识别理论及专家系统理论等,并融合生理学、心理学、行为学、运筹学、传统控制理论等多学科的知识和方法,出现了许多智能控制理论和方法,分析当前国际最新智能控制方法及应用的状况和发展趋势,智能控制的主要方法有:①专家控制;②模糊控制;③神经网络控制;④分级递阶智能控制;⑤拟人智能控制;⑥集成智能控制,即将几种智能控制方法或机理融合在一起而构成的智能控制方法;⑦组合智能控制方法,即将智能控制和传统控制有机地结合起来而形成的控制方法;⑧混沌控制;⑨小波理论。

当前的研究热点是:①专家控制;②神经网络控制;③模糊控制;④混沌控制;⑤集成智能控制。

4.1　专家控制

专家系统是美国斯坦福大学E.A.Feigenbanm 于1965年开创的人工智能研究的新领域,80年代专家系统的概念和方法被引入控制领域。专家控制是智能控制的一个重要部分,它在将人工智能中专家系统的理论和技术同自动控制的理论和方法有机结合的基础上,在未知环境下模仿专家的智能,实现对系统的有效控制。专家系统主要由4部分组成:①知识库;②推理机;③解析机制;④知识获取系统。

·

377

·

第3期 李文,等:智能控制及其应用综述

专家控制的核心是专家系统,它具有处理各种非结构性问题,尤其是处理定性的、启发式的或不确定性的知识信息的能力,经过各种推理过程达到系统的控制目标,主要有以下特点:①启发性;②透明性;③灵活性;④专家控制的核心是知识信息处理系统,而不是数值信息处理系统,它依据知识表示技术确定问题的求解途径,而不是基于数学描述方法建立处理对象的计算模型,它主要采用知识推理的各种方法求解问题及制订决策,而不是在固定程序控制下通过执行指令完成求解任务;⑤专家系统由组织级、协调级和执行级组成,核心是组织级,并具有“由低层至高层”智能逐级升高、精度逐级降低的特点。专家控制系统在机器人控制方面得到成功的应用,但还有许多问题有待进一步研究探讨,主要有:①专家经验知识的获取问题,如何获取专家知识,以及如何建造通用的满足控制过程的专家开发工具成为研制专家系统的主要“瓶颈”之一;②动态知识的获取问题,专家控制系统与一般的专家系统不同,是一个动态系统,如何在控制过程中自动更新和扩充知识,并满足实时控制的快速准确性需求是非常关键的;③专家控制系统的稳定性可控性分析是另一个研究难题,它涉及的对象具有不确定性或非线性,它实现的控制基于知识模型,采用启发式逻辑和模糊逻辑,专家控制系统本质是非线性的,目前的稳定性分析方法很难直接用于专家控制系统。

4.2　神经网络控制

神经网络控制是基于结构模拟人脑生理结构而形成的智能控制和辨识方法。随着人工神经网络应用研究的不断深入,新的模型不断推出。在智能控制领域中,应用最多的是BP网络、H opfield网络等。与传统控制相比,它具有以下重要特性:①非线性,神经元网络在理论上可以充分逼近任意非线性函数;②并行分布处理,神经网络具有高度的并行结构和并行实现能力,使其具有更大程度的容错能力和较强的数据处理能力;③学习和自适应性,能对知识环境提供的信息进行学习和记忆;④多变量处理,神经网络可自然地处理多输入信号,并具有多输出,它非常适合用于多变量系统。目前神经网络在信号处理、系统辨识和优化、模式识别、故障诊断、机器人等多个领域取得成功应用[19-25],它对智能控制的发展应用将具有重大而深远的意义。但我们也看到,神经网络控制在理论上和设计方法上还存在许多问题有待进一步的研究,主要是人工神经网络系统稳定性的分析方法、神经网络结构和规模的选取及优化方法、学习和控制算法的收敛性和实时性问题,神经网络理论如何应用到具体的控制系统以提高性能等一系列课题。

4.3　模糊控制

美国加利福尼亚大学的自动控制理论专家L.A.Zadeh于1965年首先提出了“模糊集合”的概念[26]。模糊控制是基于模糊推理和模仿人的思维方法,对难以建立精确数学模型的对象实施的一种控制,其成功应用的根源在于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种系统的推理方法[27],以模糊集合、模糊语言变量与模糊逻辑推理为基础,以先验知识和专家经验为控制规则,其主要特点有:①控制系统设计依据操作人员控制经验和操作数据,而不需要精确的数学模型;

②具有较强的鲁棒性,可用于解决传统控制难以解决的非线性、时变及时滞系统的控制;③应用语言变量而不是数学变量,易于构造形成专家系统;④推理过程采用“不精确推理”,推理过程模仿人的思维过程,能够处理复杂甚至“病态”系统;⑤离线计算得到控制查询表,提高了控制系统的实时性。模糊控制从诞生到现在仅仅经历了二三十年时间,但已在一些领域取得了很好的研究成果[28-32],展示了其强大的生命力。但是模糊控制系统还有许多理论和设计问题亟待解决,这些问题主要有:①要揭示模糊控制器的实质和工作机理,解决稳定性和鲁棒性理论分析的问题,从理论分析和数学推导的角度揭示和证明模糊控制系统的鲁棒性优于传统控制策略;②信息简单的模糊处理将导致系统的控制精度降低和动态品质变差;③模糊控制的设计尚缺乏系统性,无法定义控制目标。

4.4混沌控制

混沌控制由1963年美国气象学家Lorenz首先提出。混沌和混沌控制是非线性动力系统的新理论、新方法和新概念,是智能控制的重要组成部分。混沌是指某种对初始条件敏感的运动,是在确定性系统中出现的一种貌似无规则,类似随机的现象,是普遍存在的复杂运动形式和自然现象。混沌是非线性动力学系统在一定条件下所表现的一种运动形式。是系统处于非平衡过程中所呈现的随机行为,它无序中又有序。因此非线性是产生混沌的必要条件,但并非任何非线性系统都会产生混沌,一般认为当系统具有如下3条数值特征时就会发生混沌[33]:①系统的运动轨迹为奇怪吸引子现象;②系统运动的功率谱具有连续谱上叠加有尖峰的特点;③系统中至少有一个李雅普诺夫指数λ>0。混沌的类型大体可分为4大类,它们分别是时间混沌、空间混沌、时空混沌、功能混沌。混沌的特性[34]:①系统的动力学特性对初始条件的敏感性;②存在不稳定周期轨迹的稠密集;③正的Ly apunov指数或有限Kolmog orow-Sinai熵(KS熵);④连续能量谱;⑤非遍历性;⑥混合性(mixing),及其他一些极限性质。最常用的混沌控制方法有:①OGY法;②连续反馈控制法;③自适应控制法;④神经网络法。由于混沌

·

378

· 重庆邮电学院学报(自然科学版) 第18卷

控制在工程技术上的重大研究价值和极其诱人的应用前景,近几年,混沌控制问题引起了国际上非线性动力系统和工程控制专家的极大关注,成为了非线性科学研究的热点之一。因此,混沌系统和混沌现象的控制是一个全新的科学前沿,很多系统的理论和有效的方法尚待开发。

4.5集成智能控制

各种智能方法都具有自身明显的优势和特点,但同时也存在一定的局限性。近年来,人们普遍认为:基于知识和经验的专家系统、基于模糊逻辑推理的模糊控制、基于人工神经网络的神经网络控制方法的交叉与融合,相互取长补短、优势互补、有机结合是当今智能控制的研究热点之一。近年来集成智能控制方法及其在控制中应用的研究非常活跃,取得了令人鼓舞的成果[35-39],并形成了模糊神经网络控制、专家模糊控制等多个方向。目前,智能集成控制还处于初级研究阶段,由于各种智能控制方法本身的理论还不完善,客观上制约了集成智能控制理论的发展。

5　智能控制应用现状

目前,智能控制已广泛地应用于自然科学和社会科学的各个领域,其工程应用现状日益成熟,为方便智能控制应用的开发,研究人员开发设计了各种软硬件技术。软件方面,有M ath w o rks公司推出的高性能数值计算可视化软件M atlab,其中的神经网络工具箱、模糊逻辑工具箱可以通过直接调用其中的函数进行智能控制系统的设计应用。硬件方面,微电子技术界出现了DSP芯片极大提高了运算速度,大大方便了智能控制应用系统的实现。以下将着重介绍智能控制的工程应用及其发展现状[38]。

5.1　机器人智能控制[41,42]

采用人工神经网络、模糊控制和专家系统技术对机器人进行定位、环境建模、检测、控制和规划的研究已经日趋成熟,并在多个实际应用系统中得到验证。智能控制技术也应用于机器人传感器信息融合和视觉处理方面。在机器人装配作业中利用神经网络来进行机器人手臂控制和动态调度。同时,遗传算法和进化计算为机器人系统带来了新型的优化编程和控制技术。机器人动力学的时变、强耦合和非线性特点,使得运用传统控制方法来驱动机器人存在很大的局限性,尤其对多关节、复合肢体的机器人,其关节耦合关系和非线性模型使得利用一般控制方式无法达到较好的运动效果。而神经网络强大的自学习和非线性映射能力使其在机器人动力学上得到广泛应用。为提高系统的鲁棒性和适应能力,引入了模糊控制原理,构造了基于模糊逻辑和神经网络的控制器。此外,水下自主运载器、水下无人机车、无人自主驾驶机动车在未知或复杂危险环境下完成探索、通信、合作等功能也需要智能控制的协助实现。

5.2　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,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。

5.3　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[43-46]。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。

5.4　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[47,48]。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。

5.5　智能控制在广义控制领域中的应用

从广义上理解自动控制,可把它看作不通过人工干预而对控制对象进行自动操作或控制的过程。对于这个控制对象的理解也可以包括那些具体的有形的机械设备以及抽象的时变的信息对象,如股市行情、气象信息、城市交通、地震火灾预报数据

·

379

·

第3期 李文,等:智能控制及其应用综述

等[49,50]。这类对象的特点是以知识表示的非数学广义模型,或者含有不完全性、模糊性、不确定性的数字过程。对它们进行控制是无法用常规的控制器,而需要采用符号信息知识表示和建模,进行智能算法的程序设计来进行自动推理和决策。

6　智能控制的前景和展望

智能控制出现时间不长,取得了可喜的成果和进展,但作为一门新学科,无论在理论上还是应用上都不够完善,有待继续研究与发展。总体来说,智能控制在以下几方面要加强研究工作[51]。①加强理论研究,寻求更新的理论框架,目前呈现出应用前景广泛而理论研究大大滞后的状况,要重点研究智能控制系统的稳定性、可控性、可观性、鲁棒性、镇定性、跟踪性等问题。②加强对智能控制学习问题的研究工作。③解决知识获取和优化的瓶颈问题,特别是在动态系统的知识获取、分类、表达、利用及规划的相容性和完备性等问题上。④加强各种智能控制方法结合特别是人机智能结合系统、离散事件动态系统、神经网络方法、混沌方法、认知心理学等方法更深入研究以及同传统控制方法结合研究,注意开展对照研究。⑤注重技术创新进行更好的技术集成,加快研制新型智能控制硬件和软件的步伐。为此,智能控制工程研究将深入建模过程,把模型视为不断演化的实体。所开发的模型将不仅含有解析的数值,而且包括定性分析的符号。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、控制规则和协议等新理论。实质上,这就是要建立智能化的控制系统模型,或者建立混合(集成)控制模型,其核心就是实现控制器的智能化。⑥加强智能优化技术的发展。

⑦扩宽实际应用范围,提高实时控制能力;智能控制已被广泛地应用于工业、农业、军事等多个领域,已经解决了大量的传统控制无法解决的实际控制应用问题,呈现出强大的生命力和发展前景,随着基础理论不断创新和实际应用方法日益成熟,智能控制在控制领域将产生一个大的飞跃。

参考文献:

[1]　蔡自兴.智能控制基础与应用[M].北京:国防工业出

版社,1998.

[2]　李人厚.智能控制理论和方法[M].陕西:西安电子科

技大学出版社,1999.

[3]　张丽香.智能控制的发展前景及在电厂中的应用[J].

电力学报,2002,17(4):247-250.

[4]　W A LT Z M D,F U K S.A H euristic A ppro ach to Re-

infor cement L ea rning Contr ol Sy stem[EB/O L].(2006-

06-20)[2005-08-11].http://ieeex plore.ieee.o rg/

Xplo re/guestho me.jsp.[5]　M END EL J M.A pplicatio n of A r tificial Intelligence

T echniques to A Spacecraf t Contro l Pro blem[J].De n-

g les Rept,1966,25(28):593-598.

[6]　L EO N DES C T,M EN DEL J M.A r tificial I ntellig ent

Co ntrol[J].T ech Rept,1967,171(4):433-438. [7]　L EO N DES C T.Advance s In Contro l System[J].T ech

Rept,1968,171(5):371-376.

[8]　M A M DA NI E H.A pplicatio ns of Fuzzy A lgo rithm for

Co ntrol fo r Simple Dy namic[J].IEEE Jo ur nal of IF-

A C,1974,121(12):1585-1588.

[9]　SA RIDIS G N.Self-O rg anizing Contro l o f Stochastic

Sy stems[M].N ewY or k:M ar sel Dekker,1977. [10]　SA RIDIS G N.T o wa rds the Realizatio n of I ntellig ent

Co ntrols[J].IEEE Pr oceeding,1979,67(8):1115-

1133.

[11]　A ST RO M K J.Expert Co ntrol Automa tica[J].IEEE

Jo urnal of IF A C,1986,22(9):277-286.

[12]　H OP FI ELD J J.Neur ons with G raded Respo nse hav e

Co llective Computa tional Pr opertie s Like T hose o f

T wo State N eurons[J].ro c.of the N A S,1984,81

(17):336-442.

[13]　RU M E LH A RT D E,HIN TO N G E,WI LL IA M S R

J.L ea rning Internal Representatio ns by Erro r P ro pa-

g atio n[M].In PDP:Ex plor ations in the M icrostr uc-

ture o f Co g nition,M I T P ress1986.

[14]　SA RIDIS G N.A naly tic for M ulation of the Principle

of Increasing P recision with Decreasing Intellig ence for

Intelligent M achines[J].Automa tica,1989,25(3): 19-34.

[15]　F U K S.L earning Co ntrol Systems and I ntellig ent

Co ntrol Sy stem[EB/O L].(2006-06-20).[2005-08-

11].ht tp://ieee xplo re.ieee.or g/Xplo re/g ue sthome.

jsp.

[16]　李刚.智能控制理论及发展[J].空军工程大学学报,

2003,4(3):75-78.

[17]　邹村,周耕书.智能控制面临的问题及其展望[J].自

动化与仪器仪表,1997,6(2):1-3.

[18]　A ST O RM K J.Ex per t Co ntrol[J].A utomatica,

1986,22(9):277-286.

[19]　蒋传纪,郑正奇,李宗标.用分形和神经网络算法改善

仪表精度和响应时间[J].仪器仪表学报,2004,25(1): 81-85.

[20]　徐秀平,李柱峰.基于神经网络的电功率自适应测量

方法[J].工业仪表与自动化装置,2004,17(2):47-49.

[21]　陆爽,张子达,李萌.基于径向基函数神经网络的滚动

轴承故障模式的识别[J].中国工程科学,2004,6(2): 56-60.

[22]　练继建,王春涛,赵寿昌.基于BP神经网络的李家峡

拱坝材料参数反演[J].水力发电学报,2004,23(2): 44-48.

[23]　M A HDI Jalili-Khar aajoo.Identification A nd Co nt rol

U sing Directio n Basis F unctio n Neural N etwo rk[EB/

O L].(2004-07-28)[2005-08-12].http://w ww.spri-

nge rlink.co m/(141nwn45ny w qzlzzam1zy2me)/app/

ho me/subject.asp?refe rre r=jo unal&id=20609.

·

380

· 重庆邮电学院学报(自然科学版) 第18卷

[24]　杜鑫,唐大全,杨迎化.基于神经网络的电子线路故障

诊断[J].航空计测技术,2004,24(1):7-9.

[25]　L IU M ing,L IU Peng,ZH O U Dong hua.N eural Ne t-

wo rk Ba sed Fault T ole rant Contro l of a Class of N on-

linear Sy stems w ith I nput T ime Delay[EB/O L].

(2004-07-28)[2005-08-12].http://w ww.springer-

link.co m/(141nwn45ny w qzlzzam1zy2me)/app/ho me/

subject.asp?r efe rre r=jo unal&id=20609.

[26]　ZA DEH L A.Fuzzy Sets[J].Informa tion and Con-

tro l,1965,3(8):338-353.

[27]　刘向杰.模糊控制研究的现状与新发展[J].信息与控

制,1999,28(4):283-292.

[28]　张秦,徐向东,李明.自适应模糊控制在热力系统容错

控制中的应用[J].动力工程,2004,24(1):50-54. [29]　王强.模糊控制在水厂混凝投药系统中的应用[J].自

动化仪表,2004,25(1):46-48.

[30]　沈凯,陆继东,昌鹏,等.模糊自适应方法在垃圾焚烧

炉温度控制系统中的应用[J].动力工程,2004,24(3):

366-369.

[31]　罗乔东,武自芳,辛乐.基于模糊综合评判的电梯群控

算法的研究与实现[J].自动化仪表,2004,25(1):43-

45.

[32]　刘亚,胡寿松.基于模糊模型的鲁棒自适应重构飞行

控制[J].航空学报,2004,25(2):243-247.

[33]　邹恩,李祥飞,陈建国.混沌控制及其优化应用[M].

长沙:国防科技大学出版社,2002.

[34]　李忠,毛宗源.混沌控制综述[J].电路与系统学报,

1998,3(1):59-65.

[35]　徐春梅,尔联结,王宗学.基于模糊神经网络的飞行仿

真转台控制[J].计算机仿真,2004,21(1):47-49. [36]　肖思和,鲁红英.基于动态模糊神经网络的入侵检测

系[J].成都理工大学学报,2004,31(4):402-407. [37]　施小成,徐箭雨,陈强,等.模糊CM A C神经网络在潜

艇深度及纵倾控制中的应用[J].哈尔滨工程大学学

报,2004,25(1):13-18.

[38]　BA RUCH Ierohams,BEL T RA N L Rafael,LI VERS

Jose Luiso,et al.A Fuzzy-N eural M ulti-mode l fo r M e-

chanical Sy stems Identificatio n and Contro l[EB/OL].

(2004-07-28)[2005-08-12].http://w ww.springer-

link.co m/(141nwn45ny w qzlzzam1zy2me)/app/ho me/

subject.asp?r efe rre r=jo unal&id=20609.

[39]　崔晓利,陈龙,李德超.基于神经网络的半主动悬架自

适应模糊控制研究[J].中国机械工程,2004,15(2): 178-181.

[40]　蔡自兴.智能控制工程研究的进展[J].控制工程,

2003,10(1):1-10.

[41]　SU N Fuchun,ZH A NG Hao,W U Hao.Neur o-Fuzzy

Hy brid Po sitio n/Fo rce Co ntrol for a Space Ro bo t with

Fle xible D ual-A rms[EB/O L].(2004-07-28)[2005-08-

12].http://ww w.springer https://www.360docs.net/doc/1318815992.html,/

(141nwn45ny wqzlzzam1zy2me)/app/ho me/subject.

asp?refer rer=jounal&id=20609.

[42]　FENG Xiao-nan,NA H A VA N DI S.V isual feedback

co ntrol of a r obot in an unknow n environment(lear n-

ing co ntro l using neural netw orks)[J].A dv anced

M anufacturing T echnolog y,2004,24(7):509-516.

[43]　严宇,刘天琪.基于神经网络和模糊理论的电力系统

动态安全评估[J].四川大学学报,2004,36(1):106-

110.

[44]　陈益飞,薛迎成.PL C模糊神经网络变频调速系统

[J].电气传动自动化,2004,26(1):36-38.

[45]　蔡开龙,杨秉政,谢寿生.基于模糊神经网络的航空发

动机故障诊断研究[J].机械科学与技术,2004,23(1): 96-98.

[46]　张利平,唐德善,刘清欣.遗传神经网络在凝汽器系统

故障诊断中的应用[J].水电能源科学,2004,22(1): 77-79.

[47]　K HO U RY G M,SA A D M,K A N A AN H Y,et al.

Fuzzy P ID Co ntrol of a F ive Do f Robot A rm[J].Intel-

lig ent and Robotic Sy stem s,2004,40(3):299-320. [48]　刘红波,李少远,柴天佑.一种设计模糊-P ID复合控

制器的新方法及其在电厂控制中的应用[J].动力工

程,2004,24(1):78-82.

[49]　张金良,刘媛媛,练继建.模糊神经网络对汛期三门峡

水库泥沙冲淤量的计算[J].水力发电学报,2004,23

(2):39-43.

[50]　张毅,罗元.基于人工神经网络城市交通流量智能预

测的研究[J].重庆邮电学院学报(自然科学版),2005,

17(2):241-243.

[51] 李玉清.智能控制的研究方法及其应用最新动态

[EB/O L].(2005-02-16)[2005-09-11].ht tp://w w w.

https://www.360docs.net/doc/1318815992.html,/maga/make/plc/detail.asp?id=1229.

(责任编辑:田海江)

Survey of intelligent control and its application

LI Wen,OU Qing-li,S HEN H ong-y uan,W U Tie-bin

(I nstitute of In f o and Electrica l Engineering,Hunan University o f Science and T echnology,X iangtan,411201) A bstract:This paper intro duces the intellig ent co ntrol's production backg round,the concept,ca-pability and characteristic o f intelligent co ntrol and analy ses several ty pical intelligent contro l techniques and their application at present and prospects the develo pment of intellig ent control. Key words:intelligent control;ex pert co ntrol;neural netw orks control;fuzzy control;chaos con-tro l;intellig ent o ptimization.·

381

·

第3期 李文,等:智能控制及其应用综述