智能控制综述

智能控制综述摘要：介绍了智能控制的产生、开展和定义，分析了智能控制理论结构，讨论了智能控制的主要方法，列举了智能控制在不同领域成功实施的例子。关键词：智能控制；专家控制；模糊控制；神经网络；遗传算法SummaryofIntelligentControlAbstract:Thehistoryanddevelopmentofintelligentcontrolareintroduced.Thedefinitionofintelligentcontrolisgiven.Themainmethodsofintelligentcontrolareincluded.Somesuccessfulexamplesofintelligentcontrolwhicharesuccessfulimplementedareshown.Keywords:intelligentcontrol;expertcontrol;fuzzycontrol;neuralnetworkscontrol;geneticalgorithms0引言控制理论在近一个多世纪的开展过程中，经历了经典控制理论和现代控制理论的两大阶段，形成了控制理论的体系。科学技术的快速开展和巨大进步对系统和控制科学提出了新的更高的要求，自动控制理论和工程正面临新的开展机遇和严峻挑战。传统的控制理论在应用中遇到不少难题。随着人工智能学科的开展，对控制理论研究的深度和广度得到开拓，形成了智能控制理论。智能控制作为一门新兴学科，也是控制论开展的第三阶段，其研究领域相当广泛，涉及的应用领域也十分丰富。与传统控制理论相比，智能控制的应用研究十分活泼，能更有效的解决实际应用问题，且取得了很多成功的应用。智能控制技术呈现出的强大生命已引起世界各国专家学者的关注。1智能控制的产生与开展人工智能产生于上世纪50年代，它是控制论、信息论、计算机科学、神经生理学、数学、以及哲学等多种学科相互渗透的结果，也是计算机的出现和广泛应用的结果。人工智能的根本思想是用机器模仿和实现人类的智能，实现脑力劳动自动化或局部自动化[1]。人工智能与控制相结合，促成了智能控制的产生和开展。1965年，傅京逊教授首先提出把基于符号操作和逻辑推理的启发式规那么应用于学习控制系统。Leondes和Mendel在1976首次使用了术语“智能控制”，然而，作为一个学科，智能控制这个名称是由傅京逊教授在1971年确定的。1979年Saridis将运筹学用于系统整体优化，提出了所谓的三元论。20世纪80年代是智能控制迅速开展的时期。1984年瑞典著名学者K.J.Astrom将专家系统技术引入控制系统，提出专家控制系统。Hopfield网络及BP算法为人工神经网络注入了新的活力,从而出现了神经网络控制。以智能控制为主题的首次国际学术会议是1987年1月由IEEE控制系统学会和计算机学会在美国费城联合召开的，150多位与会者来自美国、欧洲、日本、中国以及其他国家。这次会议标志着智能控制学科在国际上确实立和形成。从20世纪90年代至今，智能控制进入了新的开展时期。随着对象规模的扩大和过程复杂性的加大，以及随着人工智能技术、信息论、系统论和控制论的开展，人们试图从更高层次上研究智能控制，如认知心理学、神经网络技术、进化论及遗传算法、混沌论等。这不仅形成了智能控制的多元论，而且在应用实践方面取得了突破性的进展。2智能控制的定义智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，简单地说就是在传统的控制理论中引入诸如咯及、推理和启发式规那么等因数，使之具有某种“智能”性。但对智能控制做出完整的定义仍然是困难的。Lewis等把智能控制系统定义为对各种过程、干扰和运行条件具有综合、推理和学习能力的系统，能够到达优化系统性能的目的。K.J.Astrom那么认为，把人类具有的直觉推理和试凑法等智能加形式化或机器模拟，并用于控制系统的分析与设计中，以期在一定程度上实现控制系统的智能化，这就是智能控制。IEEE控制系统学会的智能控制技术委员会对智能控制的特征的定义是，智能控制系统应该具有模仿人进行诸如规划、学习和自适应的能力，其中，“学习”是最重要的特性。3智能控制的结构理论 智能控制是一门涉及领域很广的交叉学科。对于它的结构，自1971年傅京逊教授提出二元结构以来，许多学者又提出了一些新的结构，以下作简单介绍。3.1二元结构论傅京逊教授曾对含有拟人控制器的控制系统、含有人-机控制器的控制系统、自主式机器人系统这三个设计学习控制的领域进行了研究。在这根底上，为了强调系统的问题求解和决策能力，他用“智能控制系统”来包括这些系统，并指出：“智能控制系统描述自动控制系统与人工智能交接的作用。”最终提出了如式3.1和图3.1所示的二元结构。〔〕智能控制；人工智能；自动控制。图3.1智能控制的二元结构3.2三元结构论 Saradis认为，构成二元交集的自动控制和人工智能相互支配，无助于智能控制有效和成功地应用，需要引入运筹学。因此他在1977年提出了另一种智能控制结构，把傅京逊的二元结构扩展为三元结构，即由自动控制、人工智能和运筹学的交集构成的三元结构，如式3.2和图3.2。〔3.2〕智能控制；人工智能；自动控制；运筹学。图3.2智能控制的三元结构3.3四元结构论 我国学者蔡自兴教授认为信息论对智能控制起重要作用，并考虑到信息理论对知识和智能的解释作用、信息论与控制论和系统论之间的紧密关系，提出了如式3.3和图3.3所示的四元结构，即智能控制是自动控制、人工智能、运筹学和信息论的交集。〔3.3〕智能控制；人工智能；自动控制；运筹学；信息论。图3.3智能控制的四元结构4智能控制的主要方法 智能控制已不是一个学科所能独立完成得了的，应结合多种学科知识来解决复杂系统的控制问题。这一点已得到专家的共识。基于这种认识，人们将各种学科大胆地应用于控制中，并引出了许多新理论和新方法。分析当前国际最新智能控制方法及应用的状况和开展趋势，智能控制的主要方法有:专家控制；模糊控制；神经网络控制；遗传算法等。4.1专家控制 蔡自兴教授对专家系统作了如下定义：专家系统是一个智能计算机程序系统，内部包含某个领域大量专家的知识和经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。也就是说专家系统是具有大量专门知识和经验的程序系统，通过推理和判断来模拟人类专家进行决策，以解决需要人类专家才能处理的问题。专家系统的根本组成局部是知识库和推理机。根据不同的背景有不同的结构，本文介绍如图4.1所示结构。知识库知识库知识获取规那么库数据库推理机解释程序调度程序推理咨询领域专家系统用户图4.1专家系统结构 图4.1中，知识库包括规那么库和数据库两局部。其中规那么库存放专家经验和判断性知识；数据库存放用于说明问题状态、事实、概念和各种条件和尝试的数据。推理机包括解释程序和调度程序，用于问题模型的推理和求解。 专家控制是将专家系统的设计标准和运行机制与传统的控制理论和技术相结合而成的实时设计和实现方法。实质是基于控制对象和控制规律的各种知识，并用智能的方式利用这些知识，以求得控制系统尽可能的优化和实用化。根本思想把有经验的控制工程师放在控制环节中，给他提供一个包括控制、辨识、测量、监控和设计各种算法在内的工具箱，然后由他确定何时采用何种工具。 专家控制的特点为：具有领域专家级的专业知识，能进行符号处理和启发式推理。具有获取知识能力，具有灵活性、透明性和交互性。“隶属函数”的概念来定量描述事物模糊性的模糊集合理论，并提出了模糊集合的概念。与经典集合只有“属于”“不属于”两种状态不同，模糊集合描述的是对象在某累集合中的占有程度，即隶属度。模糊集的思想反映了现实世界所存在的客观不确定性与人们在人世中出现的不确定性。 模糊控制，又称模糊逻辑控制，其根本思想是借助于计算机和模糊集合理论来模拟人对系统的控制过程。如图4.2所示，模糊控制的核心为模糊推理，主要依赖模糊规那么和模糊变量的隶属度函数。输出模糊化输出模糊化被控对象知识库模糊推理去模糊化输入模糊控制器图4.2模糊控制系统的原理框图 模糊化模块实现对系统变量论域的模糊划分和对清晰输入值的模糊化处理。知识库通常由数据库和模糊控制规那么库组成，包含了具体应用领域的知识和要求。模糊推理是一种近似推理，是根据模糊控制规那么库和当前系统状态〔事实〕推断出应施加的控制量〔结论〕的过程。去模糊化模块实现将模糊推理结果转变为清晰量的过程。 模糊控制的特点为：提供了一种实现基于自然语言描述规那么的控制规律的新机制。提供了一种非线性控制器，这种控制器一般用于控制含有不确定性和难以用传统非线性理论处理的场合。神经网络控制神经网络控制是在控制系统中采用神经网络这一工具，对难以通过常规方法进行描述的复杂非线性对象进行建模，或充当控制器，或信息处理，或模式识别，或故障诊断等，或以上几种功能的组合，这种神经网络控制系统的控制方式即为神经网络控制。 神经网络的模型众多，可以把神经网络主要分成前馈或前向型网络、反响或回归型网络和竞争性网络。在前馈网络中，各神经元之间的连接只存在输入层-隐含层，隐含层-隐含层，隐含层-输出层之间，其典型代表有MLP、CMAC和径向基函数〔RBF〕网络。回归型网络存在逆向的反响连接，从而网络中形成了一个闭环回路，其典型代表有Elman网和Jordan网。竞争性网络采用“胜者全取”的竞争学习规那么，其中最著名的模型有Kohonen的自组织映射〔SOM〕网络、学习向量量化〔LVQ〕网络和Grossberg的自适应共振理论〔ART〕网络。 以误差反向传播〔BP〕算法神经网络为例，图4.3给出了该神经网络运行的流程。NoNoYes参数设定计算和保存所有层的输出修改并保存权值和阈值初始化权值和阈值满足要求？计算并保存误差结束Yes训练周期图4.3BP神经网络算法流程图 神经网络控制的特点为：能充分逼近任意非线性特征。分布式并行处理机制。自学习和自适应能力。数据融合能力。适应于多变量系统，可进行多变量处理。遗传算法〔GA-GeneticAlgorithm〕 遗传算法是基于自然选择和基因遗传原理的搜索算法，采用选择、复制、交叉、变异等基因操作作为其模型，并把这些算子应用于抽象的染色体上，使得优良品质得到保存并重新组合生成更好地染色体。遗传算法的根本思想是，有一群个体组成一个种群。每一个个体代表问题的一个可能的解。每一个个体都受到评价并得到其相应的适应值，反响该个体的适应程度。种群中的局部个体要经过遗传操作，即选择、复制、交叉和变异，得到新的个体，这样循环往复，经过假设干代后，算法就收敛到一个最有个体。图4.4为遗传算法运行流程图。随机产生染色体随机产生染色体产生第i代种群变异逐个计算适应值交叉找出最大适应值选择、复制数据输出迭代结束？是否图4.4遗传算法的流程框图遗传算法的特点为：以决策变量的编码作为运算对象。直接以目标函数值作为搜索信息。同时进行解空间的多点搜索。使用自适应的概率搜索技术。5智能控制的成功运用实例。5.1仙台城市地铁控制系统 由日立公司开发的仙台城市地铁控制系统是模糊逻辑的第一个商业应用。该系统通过设定不同的驱动和刹车等级来控制地铁的加减速度。如果频繁的改变驱动或者刹车等级或增减过快，都会对乘坐出适度造成负面影响。同时，平安性、准点运行、能耗和停车精度等都是操作人员必须要考虑的因素。 采用模糊逻辑来选择驱动和刹车等级，以最好的满足多方面的甚至是相互矛盾的目标。通过列车运行的动力学的简单仿真可以预测运行速度、停车位置以及每一个档位可能的到达时间。然后根据各个预测的输出值，考虑平安性、到达时间、停车位置、档位的该变量以及各个档位之间的切换间隔时间等因素，采用模糊规那么对每个档位的期望性能进行评估。获得最高评估值的档位就被选中作为实际的执行指令。5.2智能控制在火电厂的应用在200MW机组热工自动化改造中，在直吹式锅炉主汽压力控制中采用模糊控制，较好地解决了主汽压力被控对象的纯迟延和大惯性等难题。在300MW机组协调控制系统中，由于对象准确的数学模型很难确定，因此，采用经典和现代控制理论是很难奏效的。引入智能控制后，使协调控制系统投入了自动运行，并且受到了较好的控制效果。 在Rockwell的图形系统公司，神经网络被应用与彩色报纸的印刷。平板印刷过程中的色彩调整是一个高度复杂的非线性过程，收到很多因素的影响，例如，油墨和润版溶液的输入量、印刷速度、润版溶液的化学特性、印刷温度、潮湿度及纸张的质量等。有经验的操