智能控制-研究生课程测试-论文

第一部分论述题

1．目前传统控制存在什么机遇与挑战？为什么要发展智能控制？

传统控制的主要特征是基于精确的系统数学模型的控制，适于解决线性、时不变等相对简单的控制问题。它自身的发展面临巨大的局限性，其控制系统的分析和设计必须建立在精确数学模型的基础上，难以解决现实中复杂性、非线性、时变性、不确定性和不完全性的系统控制问题。智能控制是自动控制理论发展的必然趋势，其产生和发展给传统控制带来了新的机遇和挑战。

发展智能控制主要是因为相比较于传统控制，智能控制在解决现实复杂控制问题中具有的几大突出特点：

一是传统控制建立在确定的模型基础上，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，比如工业过程的病态结构问题、某些干扰的无法预测，致使无法建立其模型，这些问题对基于模型的传统自动控制来说很难解决。

二是传统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，例如在智能机器人系统中，它要求系统对一个复杂的任务具有自动规划和决策的能力，有自动躲避障碍物运动到某一预期目标位置的能力等。对于这些具有复杂的任务要求的系统，采用智能控制的方式便可以满足。

三是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。工业过程智能控制系统除具有上述几个特点外，又有另外一些特点，如被控对象往往是动态的，而且控制系统在线运动，一般要求有较高的实时响应速度等，恰恰是这些特点又决定了它与其它智能控制系统如智能机器人系统、航空航天控制系统、交通运输控制系统等的区别，决定了它的控制方法以及形式的独特之处。

四是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。

五是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。

六是与传统自动控制系统相比，智能控制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。

七是与传统自动控制系统相比，智能控制系统有补偿及自修复能力和判断决策能力。

2．举例说明分层递阶控制的应用情况。

分层递阶智能控制，是人们分析和组织系统阶次高、子系统互相关联、系统的评价目标多且目标间又可能相互冲突的大型复杂系统的一种常用方法，所涉及的大型复杂系统，同时还要要求系统具有规划、决策、学习等功能。其分层结构主要包括组织级、协调及（任务、功能）和执行级。

网上有一篇关于城市电网自愈控制的分层递阶控制系统的介绍文章，我以此为例，对其使用分层递阶控制的相关原理进行介绍：

城市电网示意图如下：

城市电网自愈控制体系中包括了七种控制，根据分层递阶控制的思想，设计如下图所示的城市电网自愈控制结构，包括四层控制器：

（1）知识组织级：根据城市电网当前运行状态制定需要完成的控制目标，并分解为多个不同的控制任务，下达到控制任务分配器。

（2）任务协调级：根据决策计机下达的任务，有选择地分配给相应功能的控制协调器。

（3）功能协调级：根据分配器下达任务，通过解析翻译形成控制命令，并下达给具体功能模块。

（4）功能执行级：完成控制任务的具体装置和设备。

为适应分布式复杂系统控制要求，根据功能特点和物理特性将控制结构划分为功能上独立、具有逻辑推断能力和通讯能力的计算实体，称为智能体，共同形成智能体群体系统，如下图所示：

执行级的测控智能体的功能是完成城市电网的信息测量、执行控制动作，具体的控制行为可能来源于协调级智能体，或者有测控智能体自治形成。测控智能体包括继电保护智能体、低频减载智能体、五防控制智能体、电压无功控制智能体、故障录波智能体、开关状态监测智能体、变压器状态监测智能体等。测控智能体与其感知和控制对象之间的关系氛围1对1型、1对多型和多对1型3种。

协调智能体分为2个层次，上层为控制决策智能体，下层为变电站智能体。

控制决策智能体包括状态评估智能体、紧急控制智能体、恢复控制智能体、孤岛控制智能体、校正控制智能体、预防控制智能体、优化控制智能体和健壮控制智能体。

3．举例分析一个在线学习控制系统的稳定性和收敛性。

考虑一个闭环PD型迭代学习控制系统，其学习算法如下：

U k+1(t) = f(U k(t), e k+1(t)) = U k(t) + αe k+1(t) + βU k+1(t),

其中，kT ≤ t ≤ (k+1)T , k=0,1,2…，T为学习周期，α、β分别为比例、微分学习因

子矩阵。初始U

0(t)应使闭环系统保持稳定，期望输出y

d

(t),t∈[0,∝]应满足周期为T

的条件。

此复合迭代学习控制器的设计采用前向通道控制器加迭代学习控制器的复合迭代学习策略。前向通道控制器主要针对受控对象的稳定性以及带宽对系统进行校正。而迭代学习控制器则应保证系统对期望误差轨迹的收敛性。结构图如下所示：

当迭代学习次数趋于正无穷时，如果e

d

(t)在[0,∝]上一致趋于零，则迭代学习算法是收敛的。收敛性是迭代学习算法中最重要的因素之一。只有收敛，迭代学习算法才有意义。

假设被控对象、前向通道控制器和迭代学习率的传递函数分别为P(s)、C(s)和H(s)。

令G(s)=C(s).P(s)，有y k(s)= u k(s). G(s),

u k(s)= v k(s) + H(s). e k(s), u k+1(s)= v k+1(s) + H(s). e k+1(s)，

又v k+1(s)= u k(s), 则u k+1(s)= u k(s)+ H(s). e k+1(s)

可知此迭代算法为闭环算法，具有很好的收敛性与鲁棒性，可减少迭代次数实现对期望轨迹的无差跟踪，极大提高控制效果。同时

e k(s)= y d(s) - y k(s) = y d(s) - u k(s). G(s)