智能控制基础：第一章 智能控制概述

智能控制基础IntelligentControl授课时间教材参考文献网络资料考核方法教材：《智能控制技术》，易继锴、侯媛彬编著，北京：北京工业大学出版社，1999，第1版。

参考文献：《智能控制》，刘金锟编著，北京：电子工业出版社，2009，第2版；《模糊控制·神经控制和智能控制论》，李士勇编著，哈尔滨：哈尔滨工业大学出版社，1998，第2版；《智能控制理论与技术》，孙增圻等编著，北京：清华大学出版社，南宁：广西科学技术出版社，1997，第1版。

网络资料：中国期刊网万方数据服务平台/

考核方式：包括试卷成绩及平时成绩两大部分：试卷成绩比例：70%

平时成绩：30%(考勤、课堂作业、提问)

考核方式：注：一次考勤不到平时成绩扣5分；迟到扣2分；替考勤者和被替者平时成绩记为0分；三次考勤不到者，平时成绩记0分；课堂作业视完成程序给分；提问视问题难度、回答情况加减一定的分数；踊跃回答问题且回答正确者有加分。纪律杜绝迟到早退不许讲话拒绝抄袭智能控制基础第一章智能控制概述第二章知识的表示第三章分级递阶控制第四章遗传算法第五章神经网络控制第六章模糊控制第七章专家控制第八章仿人控制第一章智能控制概述

1.1

智能控制的基本概念

1.2

智能控制的特性

1.3智能控制系统的类型

1.4智能控制的发展概况

1.1智能控制的基本概念

1.1.1

什么是智能控制

1.1.2

智能控制的研究对象IntelligentControliseverywhere

1.1.1什么是智能控制智能：能有效地获取、传递、处理、再生和利用信息，从而在任意给定的环境下成功地达到预定目的的能力。思考题：智能是什么？何种情况下需要智能？研究智能理论与技术的目的，是要设计制造出具有高度智能水平的人工系统(智能系统)，以便在那些必要的场合能够用人工系统替代人去执行各种任务。Curiosity蛟龙号智能控制：是应用人工智能的理论与技术和运筹学的优化方法，并将其同控制理论方法与技术相结合，在未知环境下，仿效人的智能，实现对系统的控制。IC=AI∩AC∩OR人工智能AI智能控制IC运筹学OR自动控制ACArtificialIntelligence一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。OperationResearch一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。AutomaticControl描述系统的动力学特性，是一种动态反馈。Intelligentcontrol智能控制是一类无需(或仅需尽可能少的)人的干预就能够独立地驱动智能机器实现其目标的自动控制。智能控制是智能机器自主地实现目标的过程。智能控制是研究与模拟人类智能活动信息传递与处理的规律。从工程控制角度看：智能信息∩智能反馈∩智能决策智能控制

1.1.2智能控制的研究对象

无精确数学模型不满足苛刻的线性化假设无法解决建模问题传统控制系统可靠性低实际系统的复杂性、非线性、时变性等假设与实际不吻合对复杂的和包含不确定性的控制过程为提高性能，使传统控制复杂化，并增加了设备投资传统控制：模型论=不精确模型+固定控制算法缺乏灵活性和应变能力难控制复杂系统智能控制：“控制论”=控制理论+人工智能改变控制策略去适应对象的复杂性和不确定性1.2智能控制的特性1.2.1智能控制系统的一般结构1.2.2

智能控制系统的主要功能1.2.3

智能控制系统的特征模型

1.2.1智能控制系统的一般结构广义对象感知信息处理规划/控制认知执行器各种传感器通常意义下的控制对象和所处的外部环境将传感器传递的分级的和不完全的信息加以处理，并在学习过程中不断加以辨识、整理和更新，以获得有用的信息包括：不完全任务描述、任务协调、混合知识表示。接受和储存知识、经验和数据，分析推理，做出行动的决策并送至规划和控制部分系统的核心，根据给定任务的要求、反馈信息及经验知识，进行自动搜索、推理决策、动作规划，最终产生具体的控制作用，经常规控制器和执行机构作用于控制对象

1.2.2智能控制系统的主要功能特征1.2.2智能控制系统的主要功能学习能力适应性容错性鲁棒性组织功能实时性人－机协作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。在经历某种变化后，变化后的系统性能应优于变化前的系统性能。系统应具有适应受控对象动力特性变化、环境变化和运行条件变化的能力。可看成是不依赖模型的自适应估计。系统对各类故障应具有自诊断、屏蔽和自恢复的功能。系统性能应对环境干扰和不确定性因素不敏感。对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性。智能控制器可在任务要求范围内自行决策，主动采取行动。系统应具有相当的在线实时响应能力。系统具有友好的人-机界面。

1.2.3智能控制系统的特征模型

特征模型：是对系统动态特性的一种定性与定量相结合的描述。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的一种划分。

智能控制系统的特征模型上述特征表明，系统正处于受扰动的作用，以较大的速度偏离目标值的状态。其中参数为阈值。

智能控制系统的特征模型

特征记忆：是指智能控制器对一些特征信息的记忆。反映控制前期决策与控制的效果。如：误差出现的极值、误差极值之间的时间间隔、误差的过零速度等。

智能控制系统的特征模型特征记忆：有利于有效地利用控制的储存容量，消除冗余。可构成判断系统稳定性的特征模型，也可作为智能控制系统稳定性监控的依据。

智能控制系统的特征模型

控制决策模态：是当前特征状态和特征记忆量与输出信息之间的某种定量或定性的映射关系。如：：IF前提条件THEN结论或动作

1.3智能控制系统的类型1.3.1

按系统构成原理分类1.3.2

按系统结构分类1.3.3按系统实现功能分类

1.3.1按系统构成原理分类

分级递阶智能控制系统专家控制系统模糊控制系统神经网络控制系统基于规则的仿人智能控制系统集成智能控制系统组合智能控制系统

由组织级、协调级和执行级组成；遵循“精度递增，智能递减”；组织级起主导作用，应用人工智能；协调级起桥梁作用；执行级进行高精度控制分级递阶智能控制系统组织级协调级执行级精度智能分为专家控制器和专家控制系统；应用于故障诊断、过程控制等；工程控制论与专家系统的结合。专家控制系统

实现基于自然语言描述规则的控制；可替代、改进非线性控制器；由知识库、模糊化、模糊推理和反模糊化组成。模糊控制系统基于仿生学研究人脑；由控制效果作为评价函数引导学习。能充分逼近任意非线性特性，分布式并行处理机制，自学习和自适应能力，数据融合能力，适合于多变量系统，可硬件实现。神经网络控制系统

不是研究被控对象，而是控制器本身；概括和总结人的控制经验和技巧；使控制器模仿控制专家的功能行为。仿人智能控制系统

将几种智能控制方法或机理融合在一起；模糊神经控制系统；基于遗传算法的模糊控制系统；模糊专家系统。集成智能控制系统将模糊系统转换为对应的神经网络，从而提高整个系统的学习能力和表达能力。针对模糊规则的不变性，基于遗传算法的优化搜索，使模糊推理规则能根据实际情况作出相应变化。模拟人类专家，运用不太完善的知识体系，给出尽可能准确的解答和提示。

将智能控制与常规控制模式组合起来；

PID模糊控制器；自组织模糊控制器基于神经网络的自适应控制系统。组合智能控制系统获取互补特性，以获得人类、人工智能和控制理论的紧密结合的智能控制系统。

直接智能控制系统间接智能控制系统分级递阶智能控制系统集散智能控制系统1.3.2按系统结构分类智能控制器对象reuy

直接智能控制系统y直接控制器对象reu智能控制器

间接智能控制系统

智能自适应控制系统智能自组织控制系统智能自学习控制系统智能自修复控制系统1.3.3按系统实现功能分类

智能自适应控制系统(间接)y变结构控制器对象reu智能推理与决策智能辨识与估计智能自适应控制系统传统的自适应控制根据对象IO，能在线辨识出对象不断变化的参数与结构通过智能推理与决策不断改变直接控制器的结构与参数，以达到满意的控制效果

智能自学习控制系统(间接)

智能自学习控制系统基本控制器未知对象reuy智能控制器学习模块智能辨识与估计20世纪60年代，傅京孙先生提出：学习是使系统做适应性的变化，从而在下次完成相同或类似任务时效果更好。自学习：可以是完全未知情况下，或变化比较巨大/显著自适应：有一定先验知识下的自学习

智能自组织控制系统

智能自组织控制系统(间接)y基本控制器未知对象reu自组织模块智能辨识与估计根据被控对象的要求、特性、环境信息，把已有的控制单元和连接工具组成一个满足性能要求的新控制器。

智能自修复控制系统在系统运行过程中，能够自动诊断并排除故障。

1.4智能控制的发展概况

经典控制论现代控制论智能控制论研究对象、研究重点、形成时间、理论基础、分析方法、核心装置、应用

经典控制论线性定常系统SISO20世纪20年代末诞生、40-50年代成形调节器传递函数法/频域反馈控制

现代控制论线性/具有一定非线性/分布参数系统MIMO20世纪50-60年代诞生、60-70年代成形状态空间法/时域最优/随机/自适应

智能控制论20世纪80年代成形智能算子/多级控制大系统理论/智能控制理论智能机器复杂非线性系统1991-至今发展期形成期萌芽期1970以前1970-19791980-1990萌芽期（1970以前）控制系统具有初步的智能和一定的适应性，比如模型参考自适应控制。1965年普渡大学的傅京孙（Fu,K.S.）教授把人工智能引入到控制技术中，提出将人工智能的启发式推理规则用于学习控制系统的思想和方法。1966年Mendel将人工智能用于飞船控制系统的设计并首先提出“人工智能控制”的概念。1967年Leondes和Mendel开始首先使用“智能控制”一词。形成期（1970-1979）1971年傅京孙从控制论的角度进一步总结了人工智能技术与自适应、自组织、自学习控制之间的关系，正式提出智能控制是人工智能技术与控制理论的交叉的“二元论”思想。1974年Mamdani教授把模糊理论用于控制领域，把扎德教授提出的IF～THEN～型模糊规则用于模糊推理，再把这种推理用于蒸汽机的自动控制。1977年Saridis全面地论述了从反馈控制到最优控制、随机控制以及自适应控制、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”思想以及分级递阶的智能控制系统框架。发展期（1980-1990）1982年Hopfield网络和BP算法提出为一直处于低潮的人工神经网络研究注入了新的活力，掀起了神经网络控制研究和应用的新高潮。1984年瑞典著名学者K.J.Astrom在他的论文“专家控制”中，将人工智能中的专家系统技术引入控制系统，形成了——专家控制系统（ECS）。1985年，在Saridis等人的倡议下，在美国纽约州的Troy召开了第一次智能控制学术讨论会，此后不久在IEEE的控制系统学术会议上成立了智能控制专业委员会，标志着智能控制作为一个新的学科分支正式被控制界所公认。1987年1月在美国费城由IEEE控制系统学会和计算机学会联合召开了第一次智能控制国际会议。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。新的发展阶段（1990-至今）1992年美国国家自然科学基金会和电力研究院联合发出“智能控制”研究项目倡议书。1993年美国IEEE控制系统学会智能控制专业委员会成立专家小组，专门探讨“智能控制”的含义。1993年中国自动化协会在北京召开了第一届全球华人智能控制