第六章智能控制.ppt

《第六章智能控制.ppt》由会员分享，可在线阅读，更多相关《第六章智能控制.ppt（85页珍藏版）》请在三一文库上搜索。

1、第六章 智能控制 本章将首先介绍智能控制的发展过程和定义；其次分析智 能控制的结构理论和特点；然后阐述智能控制的主要研究领域 ；接着探究智能控制系统的机理。 通过本章的学习要掌握智能控制的定义、结构理论和特点 ，以及分级递阶智能控制系统、专家控制系统、模糊控制系统 ；了解学习控制系统、神经控制系统、进化控制系统。 1 传统的反馈控制、近代控制理论和大系统理论，都是建立在精确的系统数学模传统的反馈控制、近代控制理论和大系统理论，都是建立在精确的系统数学模 型的基础上的。而且，研究这些系统时，必须提出一些比较苛刻的假设。因此型的基础上的。而且，研究这些系统时，必须提出一些比较苛刻的假设。因此 传统

2、控制所面临的难题是：传统控制所面临的难题是： (1) (1) 实际系统存在复杂性、非线性、时变性、不确定性和不完全性等，一般实际系统存在复杂性、非线性、时变性、不确定性和不完全性等，一般 无法获得精确的数学模型。无法获得精确的数学模型。 (2) (2) 为研究这类系统提出并遵循的一些假设在应用中与实际不符。为研究这类系统提出并遵循的一些假设在应用中与实际不符。 (3) (3) 对于某些复杂的和包含不确定性的对象，无法以传统数学模型来表示。对于某些复杂的和包含不确定性的对象，无法以传统数学模型来表示。 (4) (4) 为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始为了提高性能，传

3、统控制系统可能变得很复杂，从而增加了设备的初始 投资和维修费用，降低系统的可靠性。投资和维修费用，降低系统的可靠性。 智能控制概述 2 智能控制的产生和发展 1.自动控制的发展过程 自动控制领域面临上述难题其解决途径是：(1) 推进控制硬件、软件和智能 的结合。(2) 实现自动控制科学与其它相关学科（科学）的结合。 特别是人工智能的出现和发展，促进了自动控制向着它的更高层次-智能 控制发展。下图是自动控制的发展过程。从人工智能角度看,智能控制是智能科 学的一个新的应用领域；而从自动控制的角度看，智能控制是控制科学一个新 发展的学科。 有趣的是，在相当长时间内，很少有人提到控制理论与人工智能的联

4、系。 不过，这也不足为奇，因为传统的控制理论(包括古典的和近代的)主要涉及对 与伺服机构有关的系统或装置进行操作与数学运算，而人工智能所关心的则主 要与符号运算及逻辑推理有关。 3 自动控制的发展过程 4 线性控制理论 线性控制理论是系统与控制理论中最为成熟和最为基础的一个 组成分支，是现代控制理论的基石。系统与控制理论的其他分支， 都不同程度地受到线性控制理论的概念、方法和结果的影响和推动 。 严格地说，一切实际的系统都是非线性的，真正的线性系统在 现实世界是不存在的。但是，很大一部分实际系统，它们的某些主 要关系特性，在一定的范围内，可以充分精确地用线性系统来加以 近似地代表。并且，实际系

5、统与理想化了的线性系统间的差别，对 于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。 因此，从这个意义上说，线性系统或者可线性化的系统又是大量存 在的，而这正是研究线性系统的实际背景。 简单说，线性系统理论主要研究线性系统状态的运动规律和改 变这种运动规律的可能性方法，建立和揭示系统结构、参数、行为 和性能间的确定的和定量的关系。在对系统进行研究的过程中，建 立合理的系统数学模型是首要的前提，对于线性系统，常用的模型 有时间域模型和频率域模型，时间域模型比较直观，而频率域模型 则是一个更强大的工具，两者建立的基本途径一般都通过解析法和 实验法。 5 PID控制 PID（比例-积分-微

6、分）控制器作为最早实用化的控制器已有50 多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易 懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广 泛的控制器。 PID控制器由比例单元（P）、积分单元（I）和微分单元（D） 组成。其输入e (t)与输出u (t)的关系为: 因此它的传递函数为： 它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定 三个参数（Kp， Ki和Kd）即可。在很多情况下，并不一定需要全 部三个单元，可以取其中的一到两个单元，但比例控制单元是必不 可少的。 PID控制器是最简单的有时却是最好的控制器 6 最优控制 最优控制问题研究的主要内容是：怎样

7、选择控制规律才能使控 制系统的性能和品质在某种意义下为最优，求解最优控制问题的方 法，目前主要的就是上述的两种方法，另外可能还会用到一些数值 解法。用这些方法已经成功的解决了许多动态控制问题，如最小时 间控制，最少燃料控制和最佳调节器等。最优控制已经在航天，航 海，导弹，电力系统，控制装置，生产设备和生产过程中得到了比 较成功的应用，而且在经济系统和社会系统中也得到了广泛的应用 。 最优控制问题有四个关键点：（1）受控对象为动态系统。（2） 初始与终端条件（时间和状态）。（3）性能指标。（4）容许控制 。而最优控制问题的实质就是要找出容许的控制作用或控制规律， 使动态系统（受控对象）从初始状态

8、转移到某种要求的终端状态， 并且保证某种要求的性能指标达到最小值或者是最大值。 时至今日，最优控制理论的研究，无论在深度或是广度上，都 有了较大的进展。然而，随着人们对客观世界认识的不断深化，又 提出了一系列有待解决的新问题。可以毫不夸张地说，最优控制理 论依旧是极其活跃的科学领域之一。 7 自适应控制 在日常生活中，所谓自适应是指生物能改变自己的习性以适应 新的环境的一种特征。因此，直观地讲，自适应控制器应当是这样 一种控制器，它能修正自己的特性以适应对象和扰动的动态特性的 变化。 自适应控制的研究对象是具有一定程度不确定性的系统，这里 所谓的“不确定性”是指描述被控对象及其环境的数学模型不

9、是完全 确定的，其中包含一些未知因素和随机因素。 任何一个实际系统都具有不同程度的不确定性，这些不确定性 有时表现在系统内部，有时表现在系统的外部。从系统内部来讲， 描述被控对象的数学模型的结构和参数，设计者事先并不一定能准 确知道。作为外部环境对系统的影响，可以等效地用许多扰动来表 示。这些扰动通常是不可预测的。此外，还有一些测量时产生的不 确定因素进入系统。面对这些客观存在的各式各样的不确定性，如 何设计适当的控制作用，使得某一指定的性能指标达到并保持最优 或者近似最优，这就是自适应控制所要研究解决的问题。 8 鲁棒控制 鲁棒控制（Robust Control）方面的研究始于20世纪50年

10、代 。在过去的50年中，鲁棒控制一直是国际自控界的研究热点。所 谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下 ，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁 棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固 定控制器称为鲁棒控制器。 鲁棒控制方法，是对时间域或频率域来说，一般要假设过程 动态特性的信息和它的变化范围。一些算法不需要精确的过程模 型，但需要一些离线辨识。 一般鲁棒控制系统的设计是以一些最差的情况为基础，因此 一般系统并不工作在最优状态。常用的设计方法有：INA方法， 同时 镇定，完整性控制器设计，鲁棒控制， 鲁棒PID控制以及 鲁棒极点配置，鲁棒观

11、测器等。 鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用， 同时过程的动态特性已知且不确定因素的变化范围可以预估。飞 机和空间飞行器的控制是这类系统的例子。 9 2.智能控制的发展 智能控制思潮第一次出现于60年代，几种智能控制的思想和方法得到提出和发展。 早在30年前，学习控制的研究就十分活跃，并获得应用。学习机器的要领是在控制论出 现的时候提出的。自学习和自适应方法被开发用于解决控制系统的随机特性问题。 60年代中期，自动控制与人工智能开始交接。1965年，傅京孙(K.S.Fu) 教授首先把 人工智能的启发式推理规则用于学习控制系统；他又于1971年论述了人工智能与自动控 制的交接关系

12、。他已成为国际公认的智能控制的先行者和奠基人。 模糊控制是智能控制的又一活跃研究领域。Zadeh于1965年发表了他的著名论文“模 糊集合（fuzzy sets）“，开辟了模糊控制的新领域。此后，在模糊控制的理论探索和实 际应用两个方面，都进行了大量研究，并取得一批令人感兴趣的成果。 1967年，Leondes等人首次正式使用“智能控制“一词。这一术语的出现要比“人工智 能“晚11年，比“机器人“晚47年。初期的智能控制系统采用一些比较初级的智能方法，如 模式识别和学习方法等，而且发展速度十分缓慢。 近十年来，随着人工智能和机器人技术的快速发展，对智能控制的研究出现一股新 的热潮。各种智能决策

13、系统、专家控制系统、学习控制系统、模糊控制、神经控制、主 动视觉控制、智能规划和故障诊断系统等已被应用于各类工业过程控制系统、智能机器 人系统和智能化生产（制造）系统。 10 3.智能控制学科的形成 智能控制新学科形成的条件逐渐成熟。1985年8月，IEEE在美国纽约召开 了第一届智能控制学术讨论会。会上集中讨论了智能控制原理和智能控制系统 的结构。 这次会议之后不久，在IEEE控制系统学会内成立了IEEE智能控制专 业委员会，该专业委员会组织了对智能控制定义和研究生课程教学大纲的讨论 。 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智 能控制国际会议。这是有关智能控

14、制的第一次国际会议，显示出智能控制的长 足进展；同时也说明了：由于许多新技术问题的出现以及相关理论与技术的发 展，需要重新考虑控制领域及其邻近学科。这次会议及其后续相关事件表明， 智能控制作为一门独立学科已正式在国际上建立起来。 11 智能控制的定义 智能机器：能够在定形或不定形，熟悉或不熟悉的环境中自主地或与操智能机器：能够在定形或不定形，熟悉或不熟悉的环境中自主地或与操 作人员交互作用以执行各种拟人任务的机器叫做智能机器。作人员交互作用以执行各种拟人任务的机器叫做智能机器。 自动控制：自动控制是能按规定程序对机器或装置进行自动操作或控制自动控制：自动控制是能按规定程序对机器或装置进行自动操

15、作或控制 的过程。的过程。 智能控制：智能控制是驱动智能机器自主地实现其目标的过程。智能控制：智能控制是驱动智能机器自主地实现其目标的过程。 智能控制系统：用于驱动自主智能机器以实现其目标而无需操作人员干智能控制系统：用于驱动自主智能机器以实现其目标而无需操作人员干 预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制预的系统叫智能控制系统。智能控制系统的理论基础是人工智能、控制 论、运筹学和信息论等学科的交叉。论、运筹学和信息论等学科的交叉。 12 1.智能机器人规划与控制 机器人研究者们所关心的主要研究方向之一是机器人运动的规划与控制。给出一个规定 的任务之后，首先必须作出满足该

16、任务要求的运动规划；然后，这个规划再由控制来执 行，该控制足以使机器人适当地产生所期望的运动。 智能控制的研究领域 13 2.生产过程的智能监控 许多工业连续生线，如轧钢、化工、炼油、材料加工、造纸和核反应等，其生产过程 需要监视和控制，以保证高性能和高可靠性。为保持物理参数具有一定的精度，确保产品 的优质高产，已在一些连续生产线或工业装置上采用了有效的智能控制模式。例如，旋转 水泥窑的模糊控制、汽车工业的高级模糊逻辑控制、轧钢机的神经控制、分布式材料加工 系统、分级智能材料处理、智能pH值过程控制、塑料剪切过程的智能控制、工业锅炉的递 阶智能控制以及核反器的知识基控制等。 14 3.智能故障

17、检测与诊断 所有智能故障检测与诊断（IFDD）系统的一般任务是根据已观察到的状况 、领域知识和经验，推断出系统、部件或器官的故障原因，以便尽可能及时发 现和排除故障，以提高系统或装备的可靠性。智能故障检测与诊断系统是一个 问题求解的计算机系统，也是一种智能控制系统。它一般由知识库（故障信息 库）、诊断推理机构、接口和数据库等组成。典型的IFDD系统有太空站热过程 控制系统的故障诊断、火电站锅炉给水过程控制系统的故障检测与诊断和雷达 故障诊断专家系统等。 15 4.自动加工系统的智能控制 计算机集成加工系统（CIMS）和柔性加工系统（FMS）在近年来获得迅速 发展。在一个复杂的加工过程中，不同条

18、件下的多种操作是必要的，以求保 证产品质量。环境的不确定性以及系统硬件和软件的复杂性，向当代控制工 程师们设计和实现有效的集成控制系统提出了挑战。 16 5.飞行器的智能控制 自80年代中叶以来，智能控制已被应用于飞行过程控制，尤其是飞机的俯倾 （flare）和降落（landing）控制。一种已经实现的神经网络结构，其输入信号 包括飞行高度的指令和飞行高度估计值等。所考虑的输入包括当前飞行高度和 高长比误差值以及前一个仿真段的有关值。此外，还提供了前段的倾斜高度指 令。可训练适应飞行控制器主要由“教师”（人或控制规律）和可训练控制器组 成，而后者则由神经网络（采用BP学习算法）实现。整个飞行控

19、制过程由飞机 数学模型来表示。下图为一飞行器的飞行智能控制系统的制导、领航和控制结 构，其中用虚线表示领航员的作用，以期与计算机的作用进行比较。 17 6.医疗过程智能控制 早从70年代中叶起，专家系统技术就被成功的应用于各种医疗领域。作为医用智能过程 控制的新例子，介绍一个用于控制手术过程中麻醉深度的病人平均动脉血压（MAP）的 模糊逻辑控制系统。MAP是衡量麻醉深度的重要参数。在该控制系统的设计和实现时， 采用模糊关系函数和语言规则。本系统已在许多不同的外科手术中得到成功应用。下图 为麻醉深度模糊控制系统的方框图。 18 7.智能仪器智能控制 随着微电子技术、微机技术、人工智能技术和计算机

20、通讯技术的迅速发展，自动化仪器 正朝着智能化、系统化、模块化和机电仪一体的方向发展，微型计算机或微处理机在仪 器中的广泛应用，已成为仪器的核心组成部件之一，它能够实现信息的记忆、判断、处 理、执行以及测控过程的操作、监视和诊断，并使这类仪器被称为“智能仪器”。 比较高级的智能仪器具有多功能、高性能、自动操作、对外接口、“硬件软化”和自 动测试与自动诊断等功能。智能仪器的“智能”仍然较低。通常所说的智能仪器实际上是 一种微机化的自动化仪器。比较高级的智能仪器大多正在研究之中，其中有一部分已投 入试用。例如，一种由连接器、用户接口、比较器和专家系统组成的系统，与心电图测 试仪一起构成的心电图分析咨

21、询系统，就已获得成功应用。 19 智能控制的结构理论 智能控制具有十分明显的跨学科(多元)结构特点。在此，我们主要讨论智能控 制的二元交集结构、三元交集结构和四元交集结构三种思想，它们分别由下列 各交集(通集)表示： IC=AIAC ；IC=AICTOR ；IC=AICTITOR 式中，各子集(或合取项)的含义如下： AI人工智能(Artificial Intelligence ) AC自动控制(Automatic Control) CT控制论(Control Theory, Cybernetics) OR运筹学(Operation Research) IT信息论(Information Th

22、eory, Informatics) IC智能控制(Intelligent Control) 在此，我们主要讨论智能控制的二元交集结构、三元交集结构和四元交集结构 三种思想，它们分别由下列各交集(通集)表示。 智能控制的结构理论与特点 20 1 二元结构 傅京孙提出的“智能控制系统”描述了自动控制系统与人工智能的交接作用。这 种结构称之为二元交集结构。 傅京孙研究的机器人系统如图所示：该系统主要的三个功能，即感知、模拟和 问题求解。系统中比较高层的智能决策可由拟人控制器完成，如识别复杂的环 境状况；较低层的智能作用，如数据收集、例行程序执行及在线计算等可以有 机器控制器完成。 21 2 三元结

23、构 萨里迪斯(Saridis)提出的智能控制结构，他把智能控制看作为有人工智能、自 动控制和运筹学的交集。此外他提出的分级智能控制系统由三个智能级组成： 第一级：组织级，它代表系统的主导思想，并由人工智能起控制作用。 第二级：协调级，是上下级间的接口，由人工智能和运筹学起控制作用。 第三级：执行级，是智能控制系统的最低层级，要求具有很高的精度，并由控 制理论进行控制。 22 3 四元结构 蔡自兴提出的四元智能控制结构包括人工智能、自动控制、运筹学和信息论的交集。 （a） 信息论是解释知识和智能的一种手段 （b） 控制论、系统论和信息论是紧密相互作用的 （c） 信息论已成为控制智能机器的工具 （

24、d） 信息熵成为智能控制的测度 （e） 信息论参与智能控制的全过程，并对执行级起到核心作用 23 智能控制的特点 （1） 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控制过程。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字过程， 并以知识进行推理，以启发来引导求解过程。因此，智能控制系统的设计重点不在常规 控制器上，而在智能机模型上。也就是说，重点放在对任务和世界模型（world model ）的描述、符号和环境的识别以及知识库和推理机的设计开发上。 (2） 智能控制的核心在高层控制，即组织级。高层控制的任务在于对实际环境或过程进 行组织，即决策和规

25、划，实现广义问题求解。为了实现这些任务，需要采用符号信息处 理、启发式程序设计、知识表示以及自动推理和决策等相关技术。这些问题的求解过程 与人脑的思维过程具有一定相似性，即具有不同程度的“智能”。 （3） 智能控制是一门边缘交叉学科。智能控制的发展需要各相关学科的配合与支援，同 时也要求智能控制工程师是个知识工程师。 （4） 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完 善，需要进一步探索与开发。 24 智能控制的一般结构 控制工程师正在设计未来的控制系统，从任务形式化开始，至驱动器操作止。很久一段 时间内，控制过程设计被理解为系统各参数的综合。后来，越来越清楚地认

26、识到，控制 过程设计是系统模型和实际结构的综合。现在，更进一步明确到，这个综合包括任务形 式化过程。此外，对任务集合的协调也是设计的一个组成部分。 智能控制器的设计具有下列特点的组合： （1） 具有以微积分 (DIC) 表示和以技术应用语言 (LTA) 表示的混合系统方法。 （2） 采用不精确的和不完全的装置分层（级）模型。 （3） 含有由多传感器递送的分级和不完全的外系统知识，并在学习过程中不断加以 辨识、整理和更新。 （4） 把任务协商作为控制系统以及控制过程的一部分来考虑。 在上述讨论的基础上，我们能够给出智能控制器的一般结构，如图所示。 25 1-智能控制系统；2-多层控制器；3-多传

27、感系统 26 我们已在前面简要地讨论了智能控制的结构理论。从本节起，我们将对智能控 制系统的理论基础作进一步的研究。所要研究的系统包括分级递阶控制系统、 专家控制系统、模糊控制系统、学习控制系统、神经控制系统、进化控制系统 等。实际上，几种方法和机制往往结合在一起，并用于一个实际的智能控制系 统或装置，从而建立起混合或集成的智能控制系统。不过，为了便于研究与说 明，我们试图分别逐一讨论这些控制系统。 智能控制系统 27 1.定义与假设 首先对智能控制系统的某些概念作进一步的定义和假设。智能控制系统各级的共同要 素涉及机器各种作用的不确定性，这就建议采用概率模型来描述这些具有共同度量的作用 ，即

28、它们各自的熵(entropies)。这些熵在智能控制系统的不同层级所具有的物理意义如下 ： （1） 在组织级(最高级)，按照香农(Shannon)的观点，具有信息理论含义，因为这一 级涉及知识的表示与处理。我们定义：知识是结构信息的一种形式。因此，考虑用香农的 熵来衡量所需知识是很自然的。 （2） 在协调级，由几个嵌套自动装置以概率描述的决策方式来表示，这些方案的熵 用于度量协调的不确定性。 （3） 在执行级，执行代价等价于系统所消耗的能量，并由Boltzman的熵来表示。 分级递阶智能控制系统 28 2 递阶智能机器的一般结构 fCE 为自执行级至协调级的在线反馈信号；fOE 为自协调级至组

29、织级的离线反馈信号；C = c1, c2, . , cm为输入指令；U = u1, u2, . , um为分类器的输出信号，即组织器的输 入信号。 这一递阶智能控制系统是个整体，它把定性的用户指令变换为一个物理操作序列。系统 的输出是通过一组施于驱动器的具体指令来实现的。一旦接收到初始用户指令，系统就 产生操作，这一操作是由一组与环境交互作用的传感器的输入信息决定的。这些外部和 内部传感器提供工作空间环境（外部）和每个子系统状况（内部）的监控信息；对于机 器人系统，子系统状况，有位置、速度和加速度等。智能机器融合这些信息，并从中选 择操作方案。 29 3 组织级与知识基系统 组织级代表控制系统

30、的主导思想，并由人工智能起控制作用。根据贮存在长期存储内的 本原数据集合，组织器能够组织绝对动作、一般任务和规则的序列。换句话说，组织器 作为推理机的规则发生器，处理高层信息，用于机器推理、规划、决策、学习（反馈） 和记忆操作 。 组织级算法执行下列功能： (1)接收指令，并对它进行推理。(2)规划包含对活动的操作。完成一规划所需的活动次序 及插入的重复本原事件是由所选择的规则来完成的。 (3)决策选择最有希望的规划。(4)在 完成和估计每项任务之后，通过学习算法，由反馈实现对概率的更新。(5)记忆交换，实 现对储存在长时存储器内信息的更新。 30 4 协调级与嵌套树 协调级为一中间结构。它作

31、为组织级与执行级的界面把组织信息发送至执行级。协调级 的目标是把控制问题的实际公式与最有希望的完全的协调规划联系起来，此规划由组织 级建立，并将实时执行所需要的工作任务。这包括在可供选择的规划原本中挑选一个规 划。这些规划原本根据工作空间模型和定时要求提出的约束，依不同方法完成同样的工 作任务。 31 5具有熵函数的执行级 执行级是递阶智能控制的最底层，要求具有较高的精度但较低的智能；它按控制论进 行控制，对相关过程执行适当的控制作用。执行级的性能也可由熵来表示，因而统一了 智能机器的功用。此熵的量度选择一适当的控制，以执行某任务的不确定性。我们能够 选择某个最优控制使此熵(即执行的不确定性)

32、为最小。可把此熵看作一种能量。 智能控制已作为多级递阶结构而建立起来，它遵循提高精度而降低智能（IPDI）的原 理。概率模型用于表示组织级推理、规划和决策的不确定性，指定协调级的任务以及执 行级的控制作用。采用熵来度量智能机器执行各种指令的效果，并采用熵进行最优决策 。 6 递阶智能控制理论 通过上述讨论，可把递阶智能控制理论归纳如下：智能控制理论可被假定为寻求某 个系统正确的决策与控制序列的数学问题，该系统在结构上遵循精度随智能降低而提高 （IPDI）的原理，而所求得序列能够使系统的总熵为最小。 32 另一种比较重要的智能控制系统为专家式控制系统，或叫做专家控制系统(expert contr

33、ol system,ECS)它已广泛应用于故障诊断、工业设计和过程控制，为解决工业控制 难题提供一种新的方法，是实现工业过程控制的重要技术。 专家控制系统 33 1 对专家控制器的要求 （1）运行可靠性高 对于某些特别的装置或系统，如果不采用专家控制器来取代常规控制 器，那么，整个控制系统将变得非常复杂，尤其是其硬件结构。其结果使系统的可靠性 大为下降。因此，对专家控制器提出较高的运行可靠性要求。它通常具有方便的监控能 力。 （2）决策能力强 决策是基于知识的控制系统的关键能力之一。大多数专家控制系统要求 具有不同水平的决策能力。专家控制系统能够处理不确定性、不完全性和不精确性之类 的问题，这

34、些问题难以用常规控制方法解决。 （3）应用通用性好 应用的通用性包括易于开发、示例多样性、便于混合知识表示、全局 数据库的活动维数、基本硬件的机动性、多种推理机制以及开放式的可扩充结构等。 （4）控制与处理的灵活性 这个原则包括控制策略的灵活性、数据管理的灵活性、经验表 示的灵活性、解释说明的灵活性、模式匹配的灵活性以及过程连接的灵活性等。 （5）拟人能力 专家控制系统的控制水平必须达到人类专家的水准。 34 2 专家控制器的特点与原则 (1) 模型描述的多样性 所谓模型描述的多样性原则是指在设计过程中，对被控对象和控制 器的模型应采用多样化的描述形式，不应拘泥于单纯的解析模型。如：离散事件模

35、型、 模糊模型、规则模型、基于模型的模型等。 （2）在线处理的灵巧性 智能控制系统的重要特征之一就是能够以有用的方式来划分和构 造信息。在信息存储方面，应对那些对作出控制决策有意义的特征信息进行记忆，对于 过时的信息则应加以遗忘；在信息处理方面，应把数值计算与符号运算结合起来。 （3）控制决策的灵巧性 控制策略的灵活性是设计专家式控制器所应遵循的一条重要原则 。工业对象本身的时变性与不确定性以及现场干扰的随机性，要求控制器采用不同形式 的开环与闭环控制策略，并能通过在线获取的信息灵活地修改控制策略或控制参数，以 保证获得优良的控制品质。 (4) 决策机构的递阶性 人的神经系统是由大脑、小脑、脑

36、干、脊髓组成的一个分层递阶 决策系统。以仿智为核心的智能控制，其控制器的设计必然要体现分层递阶的原则。 （5）推理与决策的实时性 对于设计用于工业过程的专家式控制器，这一原则必不可少。 这就要求知识库的规模不宜过大，推理机构应简单，以满足工业过程的实时性要求。 35 3 专家控制器的结构 专家控制器(EC)的基础是知识库(KB)，KB存放工业过程控制的领域知识，由经验数据库 (DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的 功能就是根据在线获取的信息，补充或修改知识库内容，改进系统性能，以便提高问题 求解能力。 控制规则集(CRS)是对被控过程的各种控制模式

37、和经验的归纳和总结。由于规则条数 不多，搜索空间很小，推理机构(IE)就十分简单，采用向前推理方法逐次判别各种规则的 条件，满足则执行，否则继续搜索。 特征识别与信息处理(FRIP)部分的作用是实现对信息的提取与加工，为控制决策 和学习适应提供依据。它主要包括抽取动态过程的特征信息，识别系统的特征状态，并 对特征信息作必要的加工。 36 专家控制器的输入集为：E = (R, e, Y, U); e = R - Y式中，R为参考控制输入，为误差 信号，Y为受控输出，U为控制器的输出集。 EC的模型可用下式表示：U = f (E,K,I) 智能算子f为几个算子的复合运算：f=ghp 其中，g:ES

38、；h:SKI；p:IU g、h、p均为智能算子，其形式为： IF A THEN B 其中，A为前提或条件，B为 结论。A与B之间的关系可以包括解析表达式、Fuzzy关系、因果关系和经验规则等多种 形式。B还可以是一个子规则集。 37 模糊控制是一类应用模糊集合理论的控制方法。模糊控制的价值可从两个方面来考虑。 一方面，模糊控制提供一种实现基于知识(基于规则)的甚至语言描述的控制规律的新机理 。另一方面，模糊控制为非线性控制器提出一个比较容易的设计方法，尤其是当受控装 置（对象或过程）含有不确定性而且很难用常规非线性控制理论处理时，更是有效。 专家控制系统与模糊逻辑控制系统至少有一点是是相同的，

39、即两者都想要建立人类经验 和决策行为模型。然而，它们存在一些明显的区别： （1） 现存的FLC系统源于控制工程而不是人工智能； （2） FLC模型绝大多数为基于规则系统； （3） FLC的应用领域要比专家控制系统窄； （4） FLC系统的规则一般不是从人类专家提取，而是由FLC的设计者构造的。 模糊控制系统 38 1 模糊控制器的结构 在理论上，模糊控制器由N维关系R表示。关系R可视为受约于0，1区间的N个变量的 函数。R是几个N维关系Ri的组合，每个Ri代表一条规则ri:IFTHEN。控制器的输入x 被模糊化为一关系X，它对于多输入单输出(MISO)控制时为(N-1)维。模糊输出Y可应用 合

40、成推理规则进行计算。对模糊输出Y进行非模糊化(模糊判决)，可得精确的数值输出y 。 理论模糊控制器框图 模糊逻辑控制器的一般结构 39 自组织模糊控制的结构能够自动获得模糊控制器的规则库。当用FLC控制装置(对象)至期 望响应时，新的条件一出现，规则就被产生和修改。该控制器由性能评价、对象建模、 规则库更新和FLC保持等部分组成。 “性能评价“用于分析清晰装置有关性能目标的状态矢量(位置误差PE和误差变化CE)，产 生对已辨识过的规则的校正，以补偿任何差劣的性能。“校正“是通过标量来调整规则结 论的。采用可接受和不可接受阶跃响应相平面轨迹作为性能目标。 “装置(对象)模型“用于考虑装置规则校正

41、时的输入-输出极性。规则库更新部分检查 哪条或哪些规则可对当前差劣的性能产生响应，并进行校正。自组织模糊控制器在学习 试验过程中的连续采样时间内，不断(迭代)地改善规则库。 自组织模糊控制器的结构 40 2 模糊控制器的控制规则 专家模糊控制器（EFC）容许复杂的分级规则， 如： IF过程状态THEN中间变量1 IF中间变量N THEN控制作用 这里中间变量代表一些稳含的不可测状态，它们能影响所采用的控制作用。 在更复杂层次，EFC容许包含策略性知识。因此，就可以确定应用那一低级规则的 中级规则，即： IF过程状态1THEN应用规则集A IF过程状态N THEN应用规则集B 也可有这类规则，它

42、们被用来确定低级规则的某一时间次序。即: IF过程状态1THEN应用规则集A然后应用规则集B 上面所描述的规则全都是我们称之为“事件-驱动规则“的例子，都以所谓正向链接的 模式处理。即这些规则只有在过程的状态同预先确定的条件相“匹配“时才加以应用。 41 此外，EFC还容许问题的目标及约束函数作为规则的可能。这些目标驱动-规则将用于改 变控制器的结构，比如说从一种控制模式转换为另一种控制模式。例如，假定希望将过 程从一个稳定状态驱动到另一个稳定状态(也许是为了响应生产上所需的变化)，那么就需 要这类形式的规则： IF新目标THEN初始化规则组1 这里新目标是当前目标同新目标之间差 别的某种陈述

43、，而初绐化规则组1则指出应当采用完全不同的低级规则集。 新规则(如上述这些规则的引入对EFC的结构有重要的结论)必然地使EFC比FLC的“ 应用全部规则“的方法要复杂得多。为了应用模糊推理并获得有效的操作效率，就需要某 种形式的多级处理。当然，请注意，随着采用的规则愈精致，高速度和高精度的控制方 法就可以用响应时间较长、性能检测精度较差的控制方法来代替。众所周知，人控制器 在高速度、高精度处理信息方面其能力有限，这就完全同我们采用模糊的基于规则的方 法的动机一致。如果精度是目标，那么应采用精确方法，而不要用模糊试探法。 总之，EFC提供了一个相当丰富的表达过程控制信息的语言，从而加强了我们处理

44、“ 困难“的控制问题的能力，这也正是模糊逻辑控制器的目的。 42 3 模糊控制器的设计方法 用于模糊控制器的规则和隶属函数往往是试探地确定的；也就是说，它们是在对正在进 行的受控过程作用的直觉理解的基础上，加以人工编码的。曾尽力对规则及其隶属函数 进行系统的设计。这方面的例子很多。例如，一个遗传算法被成功地用于优化模糊控制 器，该控制器用于某自主太空飞行器的会合机动飞行。更新的例子是一个联想记忆型神 经网络，用于倒摆模糊控制器参数的初始离线训练和后续在线应用。还有一种以模糊归 纳推理为中心的模糊控制器的设计方法，此法用于动态连续时间过程的定性模拟。 有下列几种模糊控制器的设计方法： (1)语言

45、相平面法；(2)专家系统法；(3)CAD环境工具；(4)遗传优化算法等。 以上各种方法都是结合具体的控制器，如模糊PID控制器，进行研究的。 43 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.学习控制的发展及研究课题 （1）学习控制的发展 对学习机的设想与研究始于50年代，学习机是一种模拟人的记忆与条件反射的自动 装置。学习机的概念是与控制论同时出现的。下棋机是学习机器早期研究阶段的成功例 子。 60年代发展了自适应和自学习等方法，并开始研究双重控制和人工神经网络的学习

46、控制理论，其控制原理是建立在模式识别方法的基础上的。另一类基于模式识别的学习 控制方法把线性再励技术用于学习控制系统。研究基于模式识别的学习控制的第三种方 法是利用Bayes学习估计方法。 80年代由于基于模式识别的学习控制方法存在收敛速度慢、占用内存大、分类器选 择涉及训练样本的构造以及特征选择与提取较难等具体实现问题，反复学习控制及重复 学习控制，在80年代被提出来，并获得发展。 学习控制系统 44 （2）学习控制的研究课题 学习控制具有4个主要功能，搜索、识别、记忆、推理。在学习系统研制初期，对搜 索和识别方面研究较多，而对记忆和推理的研究还是薄弱环节。傅京孙指出：几乎所有 的学习算法都

47、具有相似的学习特性。较复杂的在线学习技术的实现需要高速度和大容量 的计算机。对于运行在随机环境中的系统，必须用在线学习方法，但在线学习比离线学 习需要更长的时间。在很多情况下都是两种方法结合使用，先用离线方法尽可能获取先 验信息，然后再进行在线学习控制。此外，他还提出了需要进一步深入的课题： （a） 在非稳定环境中的学习 大多数学习算法仅在稳定的环境中有效，若把一个非稳定环境近似为若干个稳定的 环境，则可应用模式识别等技术加以解决。 （b） 提高学习效率 多数算法都需要较长时间，不适于快速响应系统的控制，可增加有利的先验知识加 以改进。 45 （c） 结束规则(stopping rule) 若

48、系统已达到指定的要求，则需要有适当的结束规则，以缩短学习时间。 （d） 学习系统的多级结构 对不同复杂程度的环境信息分别用不同的学习算法处理，且处于不同层次，高一级中 的学习品质取决于低一级中一个或几个学习机构所获得的信息。 （e） 把模糊数学用于学习系统 （f） 直觉推理的应用 很多(包括复杂的)控制问题，有时只需要用直觉推理方法就可解决。 （g） 文法推理 近年来，控制理论正向广度和深度发展，把人工智能技术应用于自动控制取得了可喜 的成果。Saridis提出了很多有关学习控制的新的思想方法。Astrom等在以“专家控制“为 题的开拓性论文中指出，用专家系统的方法实现工程控制中存在的很多启发

49、式逻辑推理， 可使常规控制系统得到简化，并获得新的功能。日本学者田口英郎对人在对象特性变化时 的适应控制能力进行了研究，用学习控制方法得出了双控制策略，模拟了人在学习控制中 控制模型的变化，以及异常检验、操作保持和特征辨识等特点。但他单纯地全部模拟人的 行为的方法，也引入了一些不良的因素 。 46 2 学习控制的设计原则 传统控制所面临的难题之一，就是由于对被控制对象数学模型的依赖性太强和理论推导 的假设条件太严格，不适于实际应用。那么，如何在今后的生产过程自动化中应用学习 控制的方法呢？最有效的途径仍是仿人和吸收人工智能的研究成果。近年来，仿人智能 控制器的研究已初见成效。智能控制算法的基本思想是仿人的学习、在线特征辨识、特 征记忆、直觉推理和多模态控制策略等，而在结构上是分层的。 47 一个通用的仿人智能控制器（SHIC）应具有在线特征辨识的分层递阶结构 。主控制器 MC和协调器K构成运行控制级；自校正器ST构成控制参数自校正器；自学习器SL构成控 制规则组织级。MC、ST和SL分别具有各自的在线特征辨识器