智能控制与智能系统论文模板

智能控制理论综述

摘要:介绍了智能控制的发展历史与现状,智能控制与传统控制的关系,智能控制的主要方法与当前的研究热点以及智能控制发展的前景与展望.

关键词:智能控制;传统控制;神经网络;模糊控制;遗传算法

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的.智能控制的概念提出之后,自动控制界纷纷仿效,主流是人工智能技术引入到自动控制系统中,寻求难以精确建模的复杂系统的自动控制(自治).

一智能控制的内涵对于人的智能行为,特别是创造性思维的理解行为,是一个长期研究的科学理论问题.通常人们把自动识别和记忆信号(图像、语言、文字)会学习、能推理、有自动决策能力的自动控制系统称之为智能控制系统.对智能控制的理解,不同的研究者从不同的侧面出发,阐述各自的观点.智能控制是通过应用人工智能的方法来扩展传统控制方法,解决传统控制的局限性.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.20世纪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,很快被人们放到了一边.第二阶段为智能控制的发展初期(1965～1979年)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寻求发展成为必然.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.1965年,美国普渡大学的傅京孙(K.S.Fu)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,提出把人工智能的直觉推理规则方法用于学习控制系统.次年,Mendel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(IntelligentControl)”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,被称为智能控制的孕育期.20世纪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.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3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.第三阶段为智能控制的迅速发展时期(1980～1991年)20世纪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作,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算法为一直处于低潮的人工神经网络的研究注入了新的活力,继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.第四阶段为智能控制进入新的发展阶段(1992年至今)进入20世纪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.进入21世纪,智能控制进入新的历史阶段,控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性日益突出,智能控制的研究提供了解决这类问题的有效手段.

二智能控制与传统控制的关系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.但是,与传统自动控制比较,智能控制具有其自身的特点: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。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。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) ,而智能控制系统的控制任务可比较复杂。

三智能控制的主要方法与当前的研究热点

智能控制的主要技术方法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.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.

智能控制发展的前景和展望纵观智能控制产生、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，所难以解决的不确定性问题.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