智能控制技术综述
智能控制技术在工程机械上应用的进展综述
智能控制技术在工程机械上应用的进展综述
智能控制技术在工程机械上的应用已经取得了显著的进展。
随着人工智能和物联网技术的发展，工程机械的智能化程度不断提高，为工程施工和生产带来了许多便利和效益。
以下是智能控制技术在工程机械上应用的进展综述：
1. 自动化控制：智能控制技术可以实现工程机械的自动化控制，减少了人工干预的需求，提高了工作效率和精度。
通过传感器和执行器等设备，可以实现对工程机械的自动定位、自动导航、自动操作等功能。
2. 智能传感：智能控制技术可以通过传感器获取工程机械的各种参数和状态信息，包括温度、压力、振动等。
这些传感器可以将获取到的数据实时传输到控制系统，控制系统可以根据这些数据做出相应的调整和优化，提高机械的工作效率和安全性。
3. 数据分析：智能控制技术可以通过对大量数据的分析和处理，为工程机械的运行和维护提供有益的信息和建议。
通过数据分析，可以识别和预测机械故障，提前采取维修措施，避免停机时间和成本的浪费。
4. 远程监控：智能控制技术可以实现对工程机械的远程监控和管理。
通过网络连接，可以实时获取机械的运行状态和工作情况，及时发现和解决问题，提高工作效率和安全性。
5. 协作与集成：智能控制技术可以实现多台工程机械之间的协同工作和集成管理。
通过智能控制系统，可以实现机械之间的
信息共享和任务分配，提高工作效率和生产能力。
总之，智能控制技术在工程机械上的应用已经取得了显著的进展，为工程施工和生产带来了诸多便利和效益。
随着技术的不断发展，相信智能控制技术在工程机械领域的应用会越来越广泛。
人工智能智能控制技术综述
人工智能智能控制技术综述人工智能（AI）智能控制技术是一门涉及计算机科学、机器学习、控制工程等多个领域的交叉学科，旨在利用智能算法和技术来设计、优化和实施自动控制系统。
以下是关于人工智能智能控制技术的综述：1. 基本原理：-模型学习：利用机器学习和深度学习技术，系统可以从数据中学习模型，无需显式地指定规则。
-自适应性：智能控制系统具备自适应性，能够在面对变化的环境或系统时进行实时调整。
2. 机器学习在控制中的应用：-监督学习：使用标记好的数据进行训练，以学习输入和输出之间的映射。
-无监督学习：从无标记数据中提取模式，用于控制系统中的数据分析和模型识别。
-强化学习：通过试错学习，系统根据环境的反馈调整其行为，适用于控制决策问题。
3. 深度学习在智能控制中的角色：-神经网络：利用深度神经网络进行非线性系统建模和控制。
-卷积神经网络（CNN）：用于图像和空间数据的处理，例如在自动驾驶中的感知。
-循环神经网络（RNN）：适用于处理序列数据，如时间序列的控制问题。
4. 智能控制系统的应用领域：-自动驾驶：利用计算机视觉、深度学习等技术进行车辆控制。
-工业自动化：在生产线上应用智能控制技术，提高效率和质量。
-智能家居：利用AI技术实现对家庭设备的智能控制，如智能灯光、温控等。
5. 优势和挑战：-优势：能够适应复杂、非线性和动态的系统，提高控制系统的鲁棒性和性能。
-挑战：对大规模数据的依赖、可解释性、安全性等方面的问题需要解决。
6. 智能控制系统的未来发展趋势：-多模态融合：结合多种传感器信息，提高系统的感知和决策能力。
-可解释性和透明度：强调开发可解释和透明的智能控制系统，使其更容易被理解和接受。
-联邦学习：在分布式环境中学习，避免集中式学习中的隐私和数据安全问题。
总体而言，人工智能智能控制技术在各个领域都展现出强大的潜力，同时也需要应对一系列挑战，如数据隐私、可解释性等问题。
未来随着技术的不断进步，智能控制系统将在更多复杂应用场景中发挥关键作用。
智能控制技术概述
发展期
现在
智能控制思潮出现于60年代，智能控制的产生和发展经历了萌 芽、形成和发展三个阶段。
1）萌芽期（1960－1970）
1965年，加利福尼亚大学 的扎德(L.A. Zadeh)教授 提出了模糊集合理论；
1967年，利昂德斯（）和 门德尔首先使用“智能 控制”一词。这标志着智 能控制的思想已经萌芽
L.A. Zadeh
2）形成期（1970－1980）
20世纪70年代可以看做是智能控制的形成期： ➢1974年英国工程师曼德尼（）将模糊集合和模糊语言用于锅 炉和蒸汽机的控制，取得良好的结果。 ➢1977年，萨里迪斯(Saridis)提出智能控制三元结构定义。
3）发展期（1980－ ）
➢1985年，IEEE在纽约召开了第一届全球智能控制学术 讨论会，标志着智能控制作为一个学科分支正式被学术 界接受。 ➢1987年在费城举行的国际智能控制会议上，提出了智 能控制是自动控制，人工智能、运畴学相结合的说法。 此后，每年举行一次全球智能控制研讨会，形成了智能 控制的研究热潮。
目录
智能控制应用领域 智能控制的提出 智能控制的发展 智能控制的概念
一、智能控制应用领域
工业
航天航空 军事领域
智能医疗
智能 控制
智能交通
智能家电 智能家居
智能电网
智能控制代表着当今科学和技术发展的最新方向之一。目前，智能控制技术已经 日渐完善，并得到广泛应用，例如智能家电、智能家居、智能电网、智能交通， 航空航天、军事以及工业、医疗等领域。
智能控制的发展
智能控制理论
智能控制
进
自学习控制
展
方 向
自适应/鲁棒控制
随机控制 最优控制
现代控制理论
智能控制技术综述
为：智能控制是人工智能、运筹学和控制系统理论三者的结合。 近年来，智能控制技术在国内外已有了较大的发展，已进入工程化、实用化的阶段。但 作为一门新兴的理论技术，它还处在一个发展时期。然而，随着人工智能技术、计算机技术 的迅速发展，智能控制必将迎来它的发展新时期。
结论
智能控制与智能自动化是自动化科学和技术的一个崭新的分支， 在整个科学技术领域占有重 要位置， 其发展和应用将对整个科学和技术的进步起到积极的推动作用。 智能控制是一门边 缘交叉学科，它的核心在高层控制，它的任务在于对实际环境或过程进行组织，即决策和规 划，实现广义问题求解。为了实现这些任务，需要采用符号信息处理、启发式程序设计、知 识表示， 以及自动推理和决策等相关技术。 这些问题的求解过程与人的思维过程具有一定的 相似性，即具有不同程度的智能。可以看出，智能控制研究的主要目标不再是单一的数学解 析模型， 而是基于知识的非数学广义模型。 在正文的最后部分， 介绍了智能控制的发展状况， 说明智能控制是一门形成不久的学科，无论在理论上和应用上都还不够成熟、不够完善，有 待于我们进一步的研究和开发。
2
它是针对问题求解和控制指标的不同要求，对系统动态信息空间
Ʃ
的一种划分。
如此划分出的每一个区域分别表示系统的一种特征状态ƒi，特征模型为所有特征状 态的集合，即 F={ƒ1，ƒ2...,ƒ n}, ƒ i
ϵƩ
2. 特征记忆：是指智能控制器对一些特征信息的记忆，这些特征信息或者集中地表示 了控制器前期决策与控制的效果，或者集中地反映了控制任务的要求以及被控对象 的性质。所记忆的信息称为特征记忆量，其集合记为
4
学习报告
课程名称：自动化技术导论
报告题目：智能控制技术综述
班级 姓名 学号
智能控制方法的应用及发展综述综述
智能控制方法的应用及发展综述1 智能控制的产生1.1智能控制产生的背景早期的自动控制基本上是解决简单对象的控制问题，人们追求研制完全自动运行不用人参与的自治系统。
随着控制对象的日益复杂，系统所处的环境因素、控制性能要求都列入了控制系统设计的考虑范围，已有的自动控制方法与技术受到了某种程度的挑战，尤其在学习控制研究与机器人控制方面，矛盾日渐突出，迫切需要为自动控制学科注入新的活力，智能控制正是在这样的背景下产生。
1.2智能控制的产生及发展智能控制思想最早是由美国普渡大学的傅京孙教授于60年代中期提出的，他在1965年发表的论文中率先提出把人工智能的启发式推理规则用于学习系统，这篇开创性论文为自动控制迈向智能化揭开了崭新的一页.接着，Mendel于1966年在空间飞行器的学习控制中应用了人工智能技术，并提出了“人工智能控制”的新概念；同年，Leondes和Mendel首次使用了“智能控制(Intelligent Control)”一词，并把记忆、目标分解等技术用于学习控制系统；这些反映了智能控制思想的早期萌芽，常被称为智能控制的孕育期.70年代关于智能控制的研究是对60年代这一思想雏形的进一步深化，是智能控制的诞生和形成期.1971年，傅京孙发表了重要论文，提出了智能控制就是人工智能与自动控制的交叉的“二元论”思想，列举三种智能控制系统：人作为控制器、人机结合作为控制器、自主机器人；1974年，英国的Mamdani教授首次成功地将模糊逻辑用于蒸汽机控制，开创了模糊控制的新方向；1977年，Saridis的专著出版，并于1979年发表了综述文章、，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程，提出了智能控制是人工智能、运筹学、自动控制相交叉的“三元论”思想及分级递阶的智能控制系统框架.80年代，智能控制的研究进入了迅速发展时期：1984年，Astrom发表了论文，这是第一篇直接将人工智能的专家系统技术引入到控制系统的代表，明确地提出了建立专家控制的新概念；与此同时，Hopfield提出的Hopfield网络及Rumelhart提出的BP算法为70年代以来一直处于低潮的人工神经网络的研究注入了新的活力，继60年代Kilmer和McClloch 提出KBM模型实现对“阿波罗”登月车的控制之后，人工神经网络再次被引入控制领域，并迅速得到了广泛的应用，从而开辟了神经网络控制；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；1987年1月，在美国费城由IEEE控制系统学会与计算机学会联合召开了第一界智能控制国际会议，这标志着智能控制作为一门新学科正式建立起来.进入90年代，关于智能控制的研究论文、著作、会议、期刊大量涌现，应用对象也更加广泛，从工业过程控制、机器人控制、航空航天器控制到故障诊断、管理决策等均有涉及，并取得了较好的效果.2智能控制概念及应用2.1智能控制的定义智能控制至今为止并没有一个公认的、统一的定义。
智能控制技术综述
智能控制技术的综述学院：数理与信息工程学院姓名：程玉柱专业：电气工程及其自动化学号： 1609110203智能控制技术的综述摘要：从控制论角度来看，电网是一个典型动态大系统，电力网络地域分布广阔，大部分元件具有延迟、磁滞、饱和等复杂的物理特性，对这样的系统实现有效决策控制是极为困难的。
另一方面，由于公众对新建高压线路的不满日益增强，线路造价，特别是走廊使用权的费用日益昂贵，以及电力网的不断增大，使得人们对电力网络的决策控制提出了越来越高的要求。
正是由于电网具有这样的特征，一些先进的控制论思想和技术被不断地引入到电网中来。
关键词：智能控制；综合智能控制；电网规划一、综合智能控制技术：智能控制的概念智能控制是当今多学科交叉的前沿领域之一。
以1987 年召开的第一界智能控制国际会议为标志，智能控制已经开始成为一门新的学科。
纵观智能控制产生、发展的历史背景与现状，其研究中心始终是解决传统控制理论、方法(包括古典控制、现代控制、自适应控制、鲁棒控制、大系统方法等)所难以解决的不确定性问题。
控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性愈益突出，智能控制的研究正提供了解决这类问题的有效手段，集中表现在控制工程中运用智能方法解决复杂系统的控制已取得了相当多的成功；另一方面，智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出，应用则主要是解决技术问题，对象具体而单一。
1992 年美国国家科学基金会发出发展智能控制研究建议指出：智能控制研究工作的中心应放在系统问题描述和智能控制器设计等方面的新方法的研究上，而不是在下级拼凑诸如 PID 控制器之类的传统控制技术方法与监控级基于规则的控制器相连结所构成的松耦合系统。
应当着重于基础控制工程方法的开发而不是技术演示.。
智能控制作为多学科交叉的产物，其研究现状与存在的问题固然与交叉学科的发展密切相关，但传统的方法论也在一定程度上束缚了它的发展.事实上，在人们久已习惯的还原论思想及传统控制思路的引导下，智能控制面临的一些关键问题均难以突破，宏观上需要寻求新的思路。
智能控制技术综述
智能控制技术综述智能控制技术的发展在当今科技领域中扮演着重要的角色。
这项技术结合了人工智能、机器学习和自动化控制等领域的知识，在各个行业中起到了革命性的作用。
本文将对智能控制技术的应用范围、发展历程以及未来趋势进行综述。
一、智能控制技术的应用范围智能控制技术广泛应用于工业、交通、医疗、农业等各个领域。
在工业领域，智能控制技术可以实现生产线的自动化控制，提高生产效率和质量。
在交通领域，智能控制技术可以应用于智能交通系统，优化车流量和交通安全。
在医疗领域，智能控制技术可以辅助医生进行诊断和手术，提高医疗水平。
在农业领域，智能控制技术可以实现智能化种植和养殖，提高农产品的产量和质量。
二、智能控制技术的发展历程智能控制技术的发展可以追溯到上世纪50年代。
最早的智能控制系统是基于传统的控制理论和算法，但对于复杂的问题和大规模系统而言，传统方法存在局限性。
随着人工智能和机器学习的兴起，智能控制技术逐渐引入了神经网络、遗传算法和模糊逻辑等方法，提高了控制系统的性能。
近年来，深度学习和强化学习等新技术的出现，使得智能控制技术在实际应用中取得了巨大的突破。
三、智能控制技术的未来趋势未来，智能控制技术将朝着以下几个方向发展：1. 多模态智能控制：随着物联网的发展，智能控制系统将与传感器、无线通信等技术相结合，实现多源信息的融合和分析，从而更好地适应复杂环境和任务需求。
2. 自适应智能控制：智能控制系统将具备自适应能力，能够根据环境变化和系统需求进行自主调整和优化，提高控制系统的灵活性和鲁棒性。
3. 协同智能控制：智能控制系统将能够实现多个智能设备之间的协同工作，共同完成复杂任务。
这有助于提高整体性能，实现更高效的控制。
4. 高效能耗管理：智能控制系统将注重能源利用效率的提高，通过优化控制算法和能源管理策略，实现能耗最小化。
综上所述，智能控制技术在各个领域的应用前景广阔，其发展历程和未来趋势也值得关注。
未来，随着人工智能和机器学习等领域的进一步发展，智能控制技术将会得到更加广泛和深入的应用，为各行各业带来更多的创新和变革。
智能控制及其应用综述
学模型描述 " 否 则 就 会 使 原 问 题 丢 失 很 多 信 息" 例 骑自行车沿一条曲线行走这套看似简单的动作 " 如( 如果我们要把这一系列的动作和环境建立出精确的 然后再一步一步按模型去操作 " 可以想象 数学模型 " 其过程是多复杂而 又 难 以 实 现 ) "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 / 0 1 2 3 4控 制 可 以 克 服 系 统 中 所 包 保证控制系统的控制质量不变 " 达到 含的不确定性 " 优化控制的目的 $ 但他们仅适用于系统参数在一定 其优化控制的范围是很有 范围内缓慢变化的 情 况 " 限的 $ # 传 统 的 控 制 系 统 要 求 输 入 的 信 息 比 较 单 而现代的控制系 统 要 面 对 复 杂 系 统 以 各 种 形 式 一" 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 所以智能控制应运而生 $ 策问题 "
"
,(,
自然科学版 # -卷 !!!!!!! 重 庆 邮 电 学 院 学 报 ! !!!!!!!!!!!!!!! 第 !
时期 ( ! ’ #年" . 3 4 ? 0 D 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 ) 同 年" B 0 K < 6 9 8提出的 B 0 K < 6 9 8网络 J J 及/ 提出的 算法为 人 工 神 经 网 络的研 2 D 6 9 H C ? 4 L , 究 注 入 了 新 的 活 力 "并 迅 速 得 到 了 广 泛 的 应 ! (" ! )’ 用& ) ! ’ %年-月" ; @ @ @ 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; @ @ @ 控制系 统学会内设立一个 ; 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 ! ’ ’ ) 年% ! ’ ’ * 年% ( " " " 年% ( " " ( 年% ( " " # 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 ! >M> ; $ # " 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 即是一类无 需 人 的 直 接 干 预 就 能 独 立 地 驱 的过程 " ! #’ 动智能机 器 实 现 其 目 标 的 自 动 控 制 & $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 ! ’ * !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 & ) 美国的萨里迪斯 ! 于! # NA OA E C ? < 8 < 3 ’ * * 年 把傅 京 孙 即人工智能 % 自动 教授的二元结构扩展为三元结构 " 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 $
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
网络高等教育本科生毕业论文（设计）需要完整版请点击屏幕右上的“文档贡献者”题目：智能控制技术综述20世纪20年代,在建立了以频域法为主的经典控制理论的基础上,智能控制技术逐步发展。
随着信息技术的进步,许多新方法和新技术进入工程化、产品化阶段。
这对自动控制理论技术提出了新的挑战,促进了智能理论在控制技术中的应用。
在智能控制技术比较的基础上,较详细地阐述了智能控制技术主要方式的特点及优化算法,并举例说明。
智能控制技术将不断地发展和充实。
关键词：自动化；智能控制；应用摘要 (I)1 绪论 (1)1.1 智能控制技术简介 (1)1.2 智能控制技术研究的领域及应用 (1)1.2.1模糊逻辑控制 (1)1.2.2神经网络控制 (1)1.3 智能控制技术的应用现状 (1)1.4 本论文的主要工作 (1)2 智能控制理论概述 (2)2.1 智能控制的基本概念 (2)2.2 智能控制技术的主要方法 (2)2.2.1 模糊控制 (2)2.2.2 专家控制 (2)2.2.3 神经网络控制 (3)2.2.4 集成智能控制 (3)2.3 智能控制技术常用的优化算法 (3)2.3.1 遗传算法 (3)2.3.2 蚁群算法 (3)3 模糊控制及其应用 (4)3.1 模糊控制理论提出 (4)3.1.1 模糊控制理论的概念 (4)3.1.2 模糊控制理论与传统控制相比的优势 (4)3.2 模糊控制理论在制冷领域的应用情况 (4)3.3 模糊控制理论在磨煤机控制系统领域的应用情况 (4)4 神经网络控制及其应用 (5)4.1 神经网络控制理论提出 (5)4.1.1 神经网络控制理论的概念 (5)4.1.2 神经网络控制理论与传统控制相比的优势 (5)4.2 神经网络控制理论在入侵检测系统领域的应用情况 (5)4.3 神经网络控制理论在控制领域的应用情况 (6)5 智能控制技术在电气工程自动化领域的应用情况 (7)5.1 工业过程中的智能控制 (7)5.2 机械制造中的智能控制 (7)5.3 电力电子学研究领域中的智能控制 (7)6 结论 (8)参考文献 (9)1 绪论1.1 智能控制技术简介智能控制技术(ICT:Intelligent Control Technology)是控制理论发展的新阶段,主要用来解决那些用传统方法难以解决的复杂系统的控制问题[1]。
常用的智能技术包括模糊逻辑控制、神经网络控制、专家系统、学习控制、分层递阶控制、遗传算法等。
以智能控制为核心的智能控制系统具备一定的智能行为,如:自学习、自适应、自组织等。
1.2 智能控制技术研究的领域及应用1.2.1模糊逻辑控制1.2.2神经网络控制1.3 智能控制技术的应用现状1.4 本论文的主要工作2 智能控制理论概述2.1 智能控制的基本概念智能控制技术作为计算机科学的一个重要分支将智能的本质阐述了出来，生产出一种具有人类智能的机器。
其研究的主要内容有对图像和语言的识别、专家系统、语言处理以及机器人等系统。
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。
2.2 智能控制技术的主要方法2.2.1 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。
自从1965年美国自动控制理论专家Zadeh L A提出用模糊集合描述客观世界中存在的不确定性信息以来，模糊逻辑理论有了飞跃性的发展，并得到了广泛的应用。
模糊控制（fuzzy control)是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法，实际上是一种非线性控制。
模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效，引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。
2.2.2 专家控制专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制[2]。
主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
2.2.3 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。
2.2.4 集成智能控制智能控制技术的集成包括两方面:一方面是将几种智能控制方法或机理融合在一起,构成高级混合智能控制系统,如模糊神经( FNN)控制系统、基于遗传算法的模糊控制系统、模糊专家系统等;另一方面是将智能控制技术与传统控制理论结合,形成智能复合型控制器,如模糊PID 控制、神经元PID控制、模糊滑模控制、神经网络最优控制等。
2.3 智能控制技术常用的优化算法2.3.1 遗传算法2.3.2 蚁群算法3 模糊控制及其应用3.1 模糊控制理论提出3.1.1 模糊控制理论的概念3.1.2 模糊控制理论与传统控制相比的优势3.2 模糊控制理论在制冷领域的应用情况3.3 模糊控制理论在磨煤机控制系统领域的应用情况4 神经网络控制及其应用4.1 神经网络控制理论提出4.1.1 神经网络控制理论的概念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。
4.1.2 神经网络控制理论与传统控制相比的优势神经网络控制理论的突出优点(1)可以充分逼近任意复杂的非线性关系；(2)所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性及容错性；(3)采用并行分布处理方法，使得快速进行大量运算成为可能；(4)可学习和自适应不知道或不确定的系统；(5)能够同时处理定量、定性知识。
神经网络控制理论的特点和优越性，主要表现在三个方面：第一，具有自学习功能。
例如实现图像识别时，只在先把许多不同的图像板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。
自学习功能对于预测有特别重要的意义。
预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。
第二，具有联想存储功能。
用人工神经网络的反馈网络就可以实现这种联想。
第三，具有高速寻找优化解的能力。
寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。
4.2 神经网络控制理论在入侵检测系统领域的应用情况利用神经网络进行检测入侵的思路是用一系列命令训练神经元,利用学习算法,训练神经网络。
这样在给定一组预定的输入值后,就可能预测出我们想要的输出结果。
这种方法很是适合入侵检测,因为神经网络更好地表达了变量间的非线性关系,并且能自动学习和更新。
神经网络模块结构是当前命令和刚过去的 N 个命令组成了神经网络的输入层,其中 N 是神经网络预测下一个命令时所包含的过去命令集的大小。
用户训练网络后,特征命令表就和用户建立了一一对应的关系。
,输入层的 N 个箭头代表了用户最近的 N 个命令。
神经网络方法的优点在于能更好地处理原始数据的非规律性随机特征,也就是参与数据处理的这些输入矢量不需要做任何规格化统计假设,经验表明神经网络有较好的识别能力,并且抗干扰能力强。
缺点在于网络拓扑结构、网络流量在不断更新,以及各元素的权重也很确定,命令窗口 N 的大小也很难选取,在设计过程中窗口的值应取4.3 神经网络控制理论在控制领域的应用情况.5 智能控制技术在电气工程自动化领域的应用情况随着智能控制技术的不断发展, 很多研究人员展开了针对智能控制技术在电气工程自动化控制方面的研究,例如:应该如何将人工智能系统应用于故障的诊断和预测、电气产品设计优化和保护与控制等领域。
在优化设计方面, 设计电气设备是很繁琐的工作。
它需要对电磁场、电路、电器电机等学科的知识综合性的运用, 同时还要使用以往设计中的经验。
设计以往的产品时,通常是在根据经验和实验的基础上, 通过手工的方式开展的。
这样的设计过程很难取得最优的设计方案。
电气产品的设计随着计算机技术的发展, 逐渐由手工设计向计算机辅助设计不断转变, 使开发产品的周期大大减少。
尤其是在引进了智能控制技术之后,更加促进了CAD技术的发展,大大提高了设计产品的质量和效率。
智能控制技术在电气设计方面的应用主要包括专家系统和遗传算法。
其中的遗传算法是一种优化的先进算法,在产品的设计优化上有举足轻重的作用。
因此电气产品的智能控制技术设计很多都采用了这种方式进行优化。
电气设备的故障征兆和故障之间有着很多必然和偶然的关系,具有非线性、不确定性的特点, 它的优势能够通过智能控制的方式得到最大的发挥。
智能控制技术在电气设备诊断故障方面的应用主要由:专家系统、模糊逻辑和神经网络等。
在电力系统之中, 变压器因为重要的地位而受到很多研究者的关注。
目前诊断变压器故障的常用方法主要是分析变压器油中分解出来的气体, 通过这种气体分析找出变压器的故障范围。
同时在电动机和发电机等方面,人工智能诊断故障技术也有了长足的发展。
5.1 工业过程中的智能控制5.2 机械制造中的智能控制5.3 电力电子学研究领域中的智能控制6 结论传统控制无法胜任的控制对象与领域给了智能控制发展的动力与空间,它的未来给人们以无限的遐想。
尽管智能控制的理论与一些规则还远未达到完善的地步,很多应用尚停留在实验仿真阶段,但作为交叉学科,随着各个科学理论的不断完善与发展,相信智能控制技术也将不断地发展和充实,并不断渗透到各个应用领域,乃至我们的日常生活中。
智能控制已初具学科体系,包括基础理论、技术方法和实际应用等方面。
在基础理论方面,涉及传统人工智能的知识表示和推理、计算智能(如模糊计算、神经计算和进化计算等)和机器学习等。
在技术方法方面,对专家控制、模糊控制、神经控制、学习控制和仿人控制等系统加以研究。