《智能控制技术的研究与发展 毕业论文.doc》由会员分享，可在线阅读，更多相关《智能控制技术的研究与发展 毕业论文.doc（7页珍藏版）》请在三一文库上搜索。
1、摘要：智能控制是一类无需人的干预就能够自主地驱动智能机器，利用对实际环境或过程进行组织、决策和规划，以实现问题求解及其目标的自动控制,是使用计算机模拟人类智能的一个重要领域。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。所以智能控制技术的作用以及影响力将会关系国民生计，并且智能控制技术的发展也是日新月异。我们只有时刻关注智能控制技术，才能跟上其日益加快的技术更新步伐。因此智能控制技术的研究对各行各业的发展具有十分重要的意义。本文讨论了智能控制的特点和主要类型，还具体阐
2、述了智能控制在各行各业中的应用以及未来发展的趋势和前景。关键词：智能控制，自动，发展，各行各业，应用一、智能控制的特点智能控制系统通过智能机自动地完成其目标的控制过程,其智能机可以在熟悉或不熟悉的环境中自动地或人机交互地完成拟人任务，同时具有以知识表示的非数学广义模型和以数学模型表示的混合过程，也往往是那些含有复杂性,不完全性,模糊性或不确定性以及不存在已知算法的非数学过程,并以知识进行推理，以启发引导求解过程； 智能控制的核心在高层控制，即组织级； 智能控制器具有非线性特性； 智能控制具有变结构特点； 智能控制器具有总体自寻优特性； 智能控制系统应能满足多样性目标的高性能要求； 智能控制是一
3、门边缘交叉学科； 智能控制是一个新兴的研究领域。二、智能控制在各行各业的应用（一）机械制造中的智能控制 在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况,人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If”逆向推理作为反馈机构,修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行处
4、理信息的能力,进行在线的模式识别,处理那些可能是残缺不全的信息。 (二）工业过程中的智能控制 生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象 。全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。（三）电力电子学研究领域中的智能控制 电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控
5、制是一个复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了良好的控制效果 。遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一。 三、智能控制的类型 （一）专家控制系统(Expert System)专家指的是那些对解决专门问题非常熟悉的人们,他们的这种专门技术通常源于丰富的经验,以及他们处理问题
6、的详细专业知识. 专家系统主要指的是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,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.它具有启发性,透明性,灵活性,符号操作,不一确定性推理等特点.应用专家系统的概念和技术,模拟人类专家的控制知识与经验而建造的控制系统,称为专家控制系统. 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. 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
7、用相对还是比较少。(二）分级递阶控制系统分级递阶智能控制是在自适应控制和自组织控制基础上,由美国普渡大学Saridis提出的智能控制理论.分级递阶智能控制(Hierarchical Intelligent Control)主要由三个控制级组成,按智能控制的高低分为组织级,协调级,执行级,并且这三级遵循伴随智能递降精度递增原则。 组织级(organization level):组织级通过人机接口和用户(操作员)进行交互,执行最高决策的控制功能,监视并指导协调级和执行级的所有行为,其智能程度最高. 协调级(Coordination level):协调级可进一步划分为两个分层:控制管理分层和控制监督
8、分层. 执行级(executive level):执行级的控制过程通常是执行一个确定的动作. （三）人工神经网络控制系统神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络;或由大量象生物神经元的处理单元并联互连而成.这种神经网络具有某些智能和仿人控制功能. 学习算法是神经网络的主要特征,也是当前研究的主要课题.学习的概念来自生物模型,它是机体在复杂多变的环境中进行有效的自我调节.神经网络具备类似人类的学习功能.一个神经网络若想改变其输出值,但又不能改变它的转换函数,只能改变其输人,而改变输人的唯一方法只能修改加在输人端的加权系数. 神经网络的学习过程是修改加权系数的过
9、程,最终使其输出达到期望值,学习结束.常用的学习算法有：Hebb学习算法,widrow Hoff学习算法,反向传播学习算法一BP学习算法,Hopfield反馈神经网络学习算法等。 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. 神经网络可以和模糊逻辑一样适用于任意复杂对象的控制,但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出系统的多变量控制. 在模糊
10、逻辑表示的SIMO 系统和MIMO 系统中,其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现.模糊神经网络技术和神经模糊逻辑技术：模糊逻辑和神经网络作为智能控制的主要技术已被广泛应用. 两者既有相同性又有不同性. 其相同性为：两者都可作为万能逼近器解决非线性问题,并且两者都可以应用到控制器设计中. 不同的是：模糊逻辑可以利用语言信息描述系统,而神经网络则不行;模糊逻辑应用到控制器设计中,其参数定义有明确的物理意义,因而可提出有效的初始参数选择方法;神经网络的初始参数(如权值等) 只能随机选择. 但在学习方式下,神经网络经过各种训练,其参数设置可以达到满足控制所需的行为. 模糊逻辑和神
11、经网络都是模仿人类大脑的运行机制,可以认为神经网络技术模仿人类大脑的硬件,模糊逻辑技术模仿人类大脑的软件. 根据模糊逻辑和神经网络的各自特点,所结合的技术即为模糊神经网络技术和神经模糊逻辑技术. 模糊逻辑、神经网络和它们混合技术适用于各种学习方式 智能控制的相关技术与控制方式结合或综合交叉结合,构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点 （四）模糊控制系统所谓模糊控制,就是在被控制对象的模糊模型的基础上,运用模糊控制器近似推理手段,实现系统控制的一种方法.模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标. 模糊控制的基本思想是用机器去模拟人对系统的
12、控制.它是受这样事实而启发的:对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统,有经验的操作者或专家却能取得比较好的控制效果,这是因为他们拥有日积月累的丰富经验,因此人们希望把这种经验指导下的行为过程总结成一些规则,并根据这些规则设计出控制器.然后运用模糊理论,模糊语言变量和模糊逻辑推理的知识,把这些模糊的语言上升为数值运算,从而能够利用计算机来完成对这些规则的具体实现,达到以机器代替人对某些对象进行自动控制的目的。 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
13、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。 (五)学习控制系统学习是人类的主要智能之一,人类的各项活动也需要学习.在人类的进化过程中,学习功能起着十分重要的作用.学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试. 所谓学习是一种过程,它通过重复输人信号,并从外部校正该系统,从而使系统对特定输人具有特定响应.学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息,积累控制经验,并在一定的评价标准下进行估值,分类,决策和不断改善系统品质的自动控制系统。 1、迭代学习
14、控制 迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。 2、遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,
15、适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。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。 四、智能控制的发展趋势 智能控制是自动控制理论发展的必然趋势。 人工智能为智能控制的产生提高了机遇。 自动控制理论是人类在征服自然,改造自然的斗争中形成和发展的.控制理论从形
16、成发展至今,已经经历多年的历程,分为三个阶段.第一阶段是以上世纪40年代兴起的调节原理为标志,称为经典控制理论阶段;第二阶段以60年代兴起的状态空间法为标志,称为现代控制理论阶段;第三阶段则是80年代兴起的智能控制理论阶段. 傅京孙在1971年指出,方了解决智能控制的问题,用严格的数学方法研究发展新的工具,对复杂的环境-对象进行建模和识别,以实现最优控制,或者用人工智能的启发式思想建立对不能精确定义的环境和任务的控制设计方法.这两者都值得一试,而更重要的也许还是把这两种途径紧密地结合起来,协调地进行研究.也就是说,对于复杂的环境和复杂的任务,如何,将人工智能技术中较少依赖模型的问题的求解方法与
17、常规的控制方法相结合,这正是智能控制所要解决的问题. Saridis在学习控制系统研究的基础上,提出了分级递阶和智能控制结构,整个结构自上而下分为组织级,协调级和执行级三个层次,其中执行级是面向设备参数的基础自动化级,在这一级不存在结构性的不确定性,可以用常规控制理论的方法设计.协调级实际上是一个离散事件动态系统,主要运用运筹学的方法研究.组织级涉及感知环境和追求目标的高层决策等类似于人类智能的功能,可以借鉴人工智能的方法来研究.因此,Saridis将傅京孙关于智能控制是人工智能与自动控制相结合的提法发展为:智能控制是人工智能,运筹学和控制系统理论三者的结合. 1985年8月,IHE在美国纽约
18、召开了第一届智能控制学术讨论会,智能控制原理和智能控制系统的结构这一提法成为这次会议的主要议题.这次会议决定,在IEEE控制系统学会下设立一个IEEE智能控制专业委员会.这标志着智能控制这一新兴学科研究领域的正式诞生.智能控制作为一门独立的学科,己正式在国际上建立起来.智能技术在国内也受到广泛重视,中国自动化学会等于1993年8月在北京召开了第一届全球华人智能控制与智能自动化大会,1995年8月在天津召开了智能自动化专业委员会成立大会及首届中国智能自动化学术会议,1997年6月在西安召开了第二届全球华人智能控制与智能自动化大会. 近年来,智能控制技术在国内外已有了较大的发展,己进入工程化,实用
19、化的阶段.但作为一门新兴的理论技术,它还处在一个发展时期.然而,随着人工智能技术,计算机技术的迅速发展,智能控制必将迎来它的发展新时期结束语：本文讨论了智能控制的特点和主要类型，还具体阐述了智能控制在各行各业中的应用以及未来发展的趋势和前景。智能控制正是在各行各业应用中的一个缩影，它的作用以及影响力将会关系国民生计。并且智能控制技术的发展也是日新月异，我们只有时刻关注智能控制技术才能跟上其日益加快的技术更新步伐。又因为在当今社会各行各业中，智能控制技术对实现生产过程自动化有着更为积极的作用。所以智能控制技术的研究与发展也越来越成为当代科学的一门重要课程。 参考文献：1 巩敦卫，孙晓燕. 智能控制技术简明教程.国防工业出版社,2010,082 张铭钧. 智能控制技术.哈尔滨工程大学出版社 ,2008,043 孙彦广.工业智能控制技术与应用.科学出版社有限责任公司,2007,124 韦巍，何衍，王耀南.智能控制基础.清华大学出版社,2008,115 孙增圻. 智能控制理论与技术.清华大学出版社，广西科学技术出版社,1997,01