智能采矿概论第五章 采矿系统智能控制

一智能控制概述智能控制关键技术

二智能控制系统的应用及发展趋势

三第五章采矿系统智能控制本章重点难点1、智能控制关键技术2、智能控制系统的应用5.1智能控制的基本概念智能控制，是指通过设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据（包括被控对象和被控过程）信息的变化做出适应性反应。第五章采矿系统智能控制5.1智能控制的基本结构典型结构控制对象传感器执行器认知部分通信接口第五章采矿系统智能控制5.1智能控制的基本结构分层递阶的结构组织级协调级控制级对象识别功能第五章采矿系统智能控制5.2智能控制的功能学习功能靠自身的学习功能来认识控制对象和外界环境的特性，并相应地改变自身特性以改善控制性能。具有一定的识别、判断、记忆和自行调整的能力,能够将未知的信息进行学习，并将学习得到的经验或知识用于进一步的估计、分类、决策和控制，从而使系统的性能得到改善。第五章采矿系统智能控制5.2智能控制的功能适应功能智能控制系统的适应性是一种从输入到输出之间的映射关系；它具有对未知学习例子的插补功能；在系统某部分出现故障时，系统也应能正常工作；更高级的智能控制系统甚至还能实现对故障的修复。第五章采矿系统智能控制5.2智能控制的功能组织功能工作中的智能控制器在面临复杂的任务和分散的信息时，在任务要求的范围内需要自行决策主动采取行动；当多目标冲突时，控制器自行裁决。这就要求智能控制系统必有的组织和协调功能。第五章采矿系统智能控制5.3智能控制的基本特点1）有效的控制结构和参数的模型都不固定，应用范围较大。2）智能控制可以准确地处理数据，从而保证系统正常的运行。3）线性优点是智能控制的第三个优点，智能化控制兼容传统控制的功能。第五章采矿系统智能控制5.3智能控制的基本特点4）与传统控制相比，智能控制的工作效率更高。5）智能控制将精确度达到了最大化，与传统控制相比，智能控制系统能更有效的、更精确的把握数据。第五章采矿系统智能控制5.3智能控制的基本特点6）在智能控制中控制器与对象、环境往往没有明显的分离。7）智能控制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，是多种学科知识相结合的控制系统。第五章采矿系统智能控制5.4智能控制的研究对象特点模型的不确定性高度的非线性复杂的信息模式和任务要求第五章采矿系统智能控制5.5智能控制关键技术智能控制以控制理论、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。应用较多的关键技术主要有专家系统、模糊控制、神经网络等控制理论与技术模型的不确定性。第五章采矿系统智能控制5.5.1专家系统专家系统是利用专家知识对专门的或困难的问题进行描述的控制系统。专家系统的结构是指专家系统各个组成部分的构造结构方法和组织形式。第五章采矿系统智能控制5.5.1专家系统知识库存放着作为专家经验的判断性知识。如，产生式规则和各种控制知识。叙述性知识（数据），用于说明问题的状态、有关的事实和概念以及当前的条件及常识等。完整的知识库还应包括具有管理功能的软件系统，主要用于对只是条目的查询、检索、增删、修改和扩充等。第五章采矿系统智能控制5.5.1专家系统推理机推理机是专家系统中实现基于知识推理的部件，是基于某种通用的问题，进行自动推理、求解问题的计算机软件系统。包括解释程序和调度程序，前者是用于决定如何使用判断性知识，后者用于决定判断性知识的使用次序。第五章采矿系统智能控制5.5.1专家系统推理机推理机通过“推理咨询”机构与系统用户联系。系统可以输入并“理解”用户有关领域问题的咨询提问,再向用户输出问题求解的结论,并对推理过程作出解释。人机之间的交互信息一般要在机器内部表达形式与人可接受的形式(如自然语言、图文等)间进行转换。第五章采矿系统智能控制5.5.1专家系统推理机推理机的运行可以根据不同的控制策略：正向推理或数据驱动策略，从原始数据和已知条件判断出结论。反向推理或目标驱动策略，先提出结论或假设，然后寻找支持这个结论或者假设的条件或证据，如若成功则结论成立，否则再重新假设。双向推理或混合控制，运用正向推理帮助系统提出假设，在运用反向推理寻找证据。第五章采矿系统智能控制5.5.1专家系统综合数据库问题求解过程中符号或数据的集合，又称工作储存器。用于存储求解问题所需的原始数据和推理过程中得到的中间信息，包括原始信息、推理的中间假设和中间结论、推理过程的信息等。第五章采矿系统智能控制5.5.1专家系统知识获取机构负责建立、修改与扩充知识库,以及对知识库的一致性、完整性等进行维护。具有知识变换手段，能够把与专家对话的内容变换成知识库的内部知识，修改知识库中原有的知识，增加新的知识。“人工移植”方法。“机器学习”方法。第五章采矿系统智能控制5.5.1专家系统人机接口接口又称界面,是用户与系统的信息纽带,为用户使用专家系统提供一个良好的交互环境。完成用户到专家系统、专家系统到用户的双向信息转换,用户能够输入数据,提出问题,了解推理过程及推理结果;系统可通过人机接口,回答用户提出的问题,进行必要的解释。多媒体的人机接口是最有效的形式。第五章采矿系统智能控制5.5.1专家系统解释机构解释机构负责对求解过程做出说明和解释,回答用户的提问,并使用户了解推理过程及所运用的知识和数据。解释机构在工作中通常要用到知识库中的知识、数据库推理过程结果、中间假设和记录等。第五章采矿系统智能控制5.5.1专家系统专家系统基本性能1）启发性，运用规范的专门知识和直觉的评判知识进行判断、推理和联想，实现问题求解。2）透明性。它使用户在对专家系统结构不了解的情况下，可以进行相互交往。3）灵活性。系统不断接纳新的知识，以满足商业和研究的需要。第五章采矿系统智能控制5.5.2模糊控制系统利用人的智力，模糊地进行系统控制的方法就是模糊控制。第五章采矿系统智能控制5.5.2模糊控制系统是以模糊集合理论、模糊语言及模糊逻辑为基础的控制，它是模糊数学在控制系统中的应用，是一种非线性智能控制。利用人的知识对控制对象进行控制的一种方法，通常用“if条件，then结果”的形式来表现，所以又通俗地称为语言控制。第五章采矿系统智能控制5.5.2模糊控制系统可利用人(熟练专家)的经验和知识来控制无法以严密的数学表示的控制对象。模糊控制系统结构大体分为模糊化接口、知识库、推理机这三大部分。第五章采矿系统智能控制5.5.2模糊控制系统模糊化接口是模糊控制器的输入接口。它的主要作用是将真实的确定量输入转换为一个模糊矢量。把物理量的清晰值转换成模糊语言变量的过程叫做清晰量的模糊化。第五章采矿系统智能控制5.5.2模糊控制系统模糊化接口实例，对于一个模糊输入变量e,其模糊子集通常可以作如下方式划分：①{负大,负小,零,正小,正大={NB,NS,Z0,PS,PB}②{负大,负中,负小,零,正小,正中,正大}={NB,NM,NS,ZO,PSPM,PB}③{大,负中,负小,零负,零正,正小,正中,正大}={Nb,NM,NS,NZ,PZ,PS,PM,PB}第五章采矿系统智能控制5.5.2模糊控制系统知识库知识库涉及应用领域和控制目标的相关知识,它是由数据库和规则库组成的。数据库提供了必要的定义,包含了语言控制规则论域的离散化、量化及隶属函数的定义等。规则库则是根据控制目的和控制策略给出了一套由语言变量描述、并由专家或自学习产生的控制规则的集合。第五章采矿系统智能控制5.5.2模糊控制系统推理机推理机是模糊控制的核心。以模糊概念为基础,模糊控制信息可通过模糊蕴涵和模糊逻辑的推理规则来获取,并可实现拟人决策过程。根据模糊输入和模糊控制规则,模糊推理求解模糊关系方程,获得模糊输出。第五章采矿系统智能控制5.5.2模糊控制系统模糊控制特点1）不完全依赖于纯粹的数学模型，它依赖的是操作者经过大量的操作实践总结出来的一套完整的模糊控制规则（模糊数学模型）。2）模糊控制的对象内部结构、机理，无法用语言描述其运动规律，无法去建立精确的数学模型，被称为黑匣。第五章采矿系统智能控制5.5.2模糊控制系统模糊控制优点使用语言方便，可不需要精确的数学模型；鲁棒性强（鲁棒性即系统的健壮性）；有较强的容错能力；具有适应受控对象动力学特征变化、环境特征变化和动行条件变化的能力；易于通过人的自然语言进行人机界面联系，模糊条件语句容易加到过程的控制环节上。第五章采矿系统智能控制5.5.2模糊控制系统模糊控制缺点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；模糊控制的设计尚缺乏系统性，无法定义控制目标。第五章采矿系统智能控制5.5.3神经网络控制系统神经网络控制是智能控制的一个重要分支，是人工神经网络理论与控制理论相结合的产物，它汇集了包括数学、生物学、神经生理学、脑科学、遗传科学、人工智能、自动控制和计算机科学等理论、科学和技术。第五章采矿系统智能控制5.5.3神经网络控制系统神经网络控制基本已经不依赖于控制模型，并适合于具有不确定性或高度非线性的控制对象，且具有较强的适应性和自学习功能。。第五章采矿系统智能控制5.5.3神经网络控制系统利用物理器件来模拟生物神经网络的某些结构和功能，该结构一般由几个神经元组成，每一个神经元有一个单一的输出，可通过连接很多其它神经元，获得有多个连接通道的输入，每个连接通道对应一个连接权系数。神经控制经过几十年的发展已经形成了多种控制结构。第五章采矿系统智能控制5.5.3神经网络控制系统感知器网络感知器是一种前馈人工神经网络，是人工神经网络中的一种典型结构。感知器具有分层结构，信息从输入层进入网络，逐层向前传递至输出层。根据感知器神经元变换函数、隐层数以及权值调整规则的不同，可以形成具有各种功能特点的人工神经网络。第五章采矿系统智能控制5.5.3神经网络控制系统感知器网络单层感知器第五章采矿系统智能控制5.5.3神经网络控制系统感知器网络多层感知器第五章采矿系统智能控制5.5.3神经网络控制系统多层前馈神经网络多层前馈网络的误差反向传播(ErrorBackpropagation，BP)学习算法已经成为神经网络的重要模型之一，已在很多领域得到应用。第五章采矿系统智能控制5.5.3神经网络控制系统多层前馈神经网络前馈神经网络结构简单，应用广泛，能够以任意精度逼近任意连续函数及平方可积函数．而且可以精确实现任意有限训练样本集。前馈网络是一种静态非线性映射。通过简单非线性处理单元的复合映射，可获得复杂的非线性处理能力。分类能力和模式识别能力一般强于反馈网络。第五章采矿系统智能控制5.5.3神经网络控制系统自适应线性神经元自适应线性神经元是线性神经网络最早的典型代表，其学习算法称之为LMS算法或WH学习规则。第五章采矿系统智能控制5.5.3神经网络控制系统自适应线性神经元单层自适应线性神经元网络和感知器网络一样，只能解决线性可分的问题，但其LMS学习规则却比感知器的学习规则的性能要强得多一是增加了网络的抗噪能力，二是比感知器学习算法具有更广泛的实际用途，特别是在数字信号处理方面，比如实现高性能的自适应滤波器。第五章采矿系统智能控制5.5.3神经网络控制系统模糊神经网络利用模糊box分割问题空间，使每个模糊box不仅具有CEN给出的评分，含有作为控制作用的输出语言变量，而且整个模糊box还隐含定义了模糊规则库。第五章采矿系统智能控制5.5.3神经网络控制系统模糊神经网络模糊神经网络主要有三种结构：输入信号为普通变量，连接权为模糊变量；输入信号为模糊变量，连接权为普通变量；输入信号与连接权均为模糊变量。第五章采矿系统智能控制5.5.3神经网络控制系统模糊神经网络模糊神经网络是神经网络控制系统的高级形式：1）具有自适应功能。2）具有泛化功能。3）非线性映射功能。4）高度并行处理信息。5）高度的并行性。6）高度的非线性全局作用。7）良好的容错性和联想记忆功能。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用于：地面控制中心各个子系统（三机智能系统、智能掘进系统、监测传感系统）的智能控制中心控制传输线路第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：地面分控中心和顺槽监控中心对综采工作面设备的“一键启停”控制、监测和远程干预操控。自动化系统无故障自诊断功能、故障类型显示、语音提示、人员定位等，工作面自动找直和巡检功能，实现全工作面自动找直，同时实现在三维地质模型基础上的智能化控制。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：工作面工业以太网及无线通信网络，实现工作面数据的无线传输和高速传输。配备“单兵”系统，为操作人员和巡检人员配备手机、无线视频、无线Wi-Fi设备等，通过工作面无线通信系统，高速传输实时信息到顺槽和井上以保证巡检人员与地面视频、语音、环境参数实时交互。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：当综采工作面自动化控制系统出现故障时，各子系统不受综采自动化系统控制，以保证在检修和自动化控制系统出现故障时，各子系统能单独开车。工作面视频系统，实现对主要综采设备进行实时监控，实现采煤机机载视频化，提高采煤视频效果。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：液压支架外接一级护帮行程传感器监测装置，用于实现防片帮及防碰功能。支架一二级护帮液压控制系统实现联动功能，伸一级护帮时，差动伸二级护帮，使二级护帮与煤壁贴紧，保证煤帮支护效果；收一级护帮时，差动伸二级护帮，保证护帮收回时，二级护帮不予顶梁干涉，贴紧顶梁。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：三机监测装置，对各个动力设备运行参数的监测，在软启动控制、刮板链自动张紧、单链断链预警、双链断链保护停机和运行工况监测技术，并在关键部位布置状态感知传感器，刮板输送机根据煤量大小进行自主决策调整运行参数及故障预警；并通过转载机与带式输送机自移系统实现。第五章采矿系统智能控制5.6智能控制系统在采矿中的应用智能控制系统在采矿工程中主要应用有：转载机和带式输送机自移电控、遥控和远程控制。通过智能集成供液控制