智能控制ppt课件

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,控制理论发展的三个阶段,第一阶段：经典控制理论（形成于20世纪40到60年代）。,研究对象：单输入单输出系统。,主要数学模型：微分方程，传递函数。,主要研究方法：时域法、根轨迹法、频率特性法,代表人物：,伯德（H.W.Bode),1945年提出伯德图法。,伊文思（W.R.Evens），1948年提出根轨迹法,。,1,控制理论发展的三个阶段1,第二阶段：现代控制理论（形成于20世纪60到70年代）。,研究对象：多输入多输出系统,数学模型：状态空间表达式,主要方法：时域方法,重点问题：能控能观性分析、稳定性分析,第三阶段：智能控制理论（20世纪70年代至今）。,研究对象：不确定性的复杂的高度非线性系统,模型：非数学的语言描述模型。,2,第二阶段：现代控制理论（形成于20世纪60到70年代）。2,数学工具：采用数值计算与符号处理的交叉与结合形,式，如：神经元网络、模糊集合论等。,智能控制分支：模糊控制、神经网络控制、专家控制、,学习控制及仿人控制等。,3,数学工具：采用数值计算与符号处理的交叉与结合形3,第一章 绪论,第一节 智能控制的基本概念,1.1.1 智能控制的由来,传统控制理论（包括经典控制理论和现代控制理论）是建立在被控对象精确数学模型基础上的控制理论。实际上，许多工业被控对象或过程常常具有非线性、时变性、变结构、多层次、多因素以及各种不确定性等，难于建立精确的数学模型。即使对一些复杂对象能够建立起数学模型，模型也往往过于复杂，既不利于设计也难于实现有效控制。虽然对缺乏数学模型的被控对象可以进行在线辨识，但是由于算法复杂、实时性差，使得应用范围受到一定限制。,4,第一章 绪论第一节 智能控制的基本概念,随着科学技术的不断进步，被控对象变得越来越复杂，而对控制精度的要求日益提高，这就产生了复杂性和精确性的矛盾，传统控制理论对于解决这样的矛盾显得无能为力。智能控制则应运而生。,1.1.2 智能控制的定义,（1）付京逊和Saridis提出：智能控制就是应用人工智能的理论和技术及运筹学的优化方法同控制理论与技术相结合，在未知环境下，仿效人类的智能，实现对系统的控制。,一个系统具有从周围环境自学习的能力，自动进行信息处理以减少其不确定性，能规划、产生并能安全、可靠地执行控制作用，这就构成了一个智能控制系统。,5,随着科学技术的不断进步，被控对象变得越来越复杂,（2）Meystel（迈斯特尔）对智能控制的定义：智能控制是一种有效的计算机程序，这个程序指引一个未充分表示的复杂系统，在没有充分说明怎样做的情况下达到目标，即在一个不确定的环境中作出适当的行为。,智能控制的定义：,一种控制方式或一个控制系统，如果它能够有效地克服被控对象（过程）和环境所具有的高度复杂性和不确定性，并且能够达到所期望的目标，那么称这种控制方式为智能控制，这种控制系统为智能控制系统。,1.1.3 智能控制系统的三大功能特点,（1）学习功能：对一个过程或未知环境所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系统的性能。与人的学习过程类似。,6,（2）Meystel（迈斯特尔）对智能控制的定义：智能控制是,（2）适应功能：它包括更高层次的适应性，对于从输入到输出的映射关系，它是不依赖于模型的自适应估计。如当系统的输入不是已经学习过的例子时，由于具有插补功能，从而也可给出合适的输出。甚至当系统中某些部分出现故障时，系统也能够正常工作，如智能程度更高的话，还能自动找出故障甚至具备自修复功能，从而体现了更强的适应性。,（3）组织功能：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。智能控制器可以在任务要求范围内进行自行决策，主动采取行动，当出现多目标冲突时，在一定限制下，各控制器可以在一定范围内自行解决。,1.1.4 智能控制的研究对象,（1）不确定性的模型,7,（2）适应功能：它包括更高层次的适应性，对于从输入到输出的映,模型的不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。,（2）高度的非线性,传统控制理论解决非线性方法复杂，有时只能定性分析。如继电器特性、磁滞回环特性、死区、饱和特性等。,（3）复杂的任务要求,传统控制，控制任务要求比较单一，如要求输出量恒定或要求输出量跟随期望的运动轨迹变化。如在复杂的工业过程控制系统中，除了要求对各被控物理量实现定值调节外，还要求实现整个系统的自动启停、故障的自动诊断以及紧急情况的自动处理等功能，就要用智能控制系统了。,可以概括为：智能控制是“三高三性”的产物。即“控制系统的高度复杂性、高度不确定性及人们要求越来越高的控制性能”,8,模型的不确定性包含两层意思：一是模型未知或知之,1.1.5 智能控制系统的结构,1.智能控制系统的基本结构,数据库,认知学习,控制知识库,规划与,控制决策,感知信息,与处理,评价机构,传感器,执行器,广义对象,环 境,智 能 控 制 器,还包括外部各种干扰等不确定性因素,9,1.1.5 智能控制系统的结构1.智能控制系统的基本结,2.分层递阶智能控制结构,1977年Saridis以机器人控制为背景提出了三级递阶控制结构。,组织级,协调级,执行级,对象,识别,用户指令,组织级：是最高智能级。功能为推理、规划、决策和长期记忆信息的交换以及通过外界环境信息和下级反馈信息进行学习等。可以看作是知识处理和管理级。,协调级：协调级是组织级和执行级之间的接口，用来根据组织级提供的指令信息进行任务协调，协调执行级的动作，需具备学习功能，并将反馈信息给组织级。,10,2.分层递阶智能控制结构1977年Saridis以机器人控,执行级：是系统的最低一级，精度要求较高，理论方法为传统的控制理论。,识别功能模块：在执行级其功能是获得不确定的参数值或监督系统参数的变化；在协调级其功能是根据执行级送来的测量数据和组织级送来的指令产生合适的协调作用；在组织级其功能是翻译定性的命令和其它的输入。,1.1.6 智能控制研究的数学工具,传统控制理论：微分方程、状态方程及各种变换形式。,其本质：数值计算方法,人工智能：符号处理、一阶谓词逻辑等。,其本质：符号推理方法,智能控制研究的数学工具则是以上两方面的交叉和结合。主要形式如下：,11,执行级：是系统的最低一级，精度要求较高，理论方法为传统的控制,1.符号推理与数值计算的结合,例：专家控制。它的上层是专家系统，采用人工智能中的符号推理方法；下层是传统的控制系统，采用的仍然是数值计算方法。,2.离散事件系统和连续时间系统分析的结合,例：计算机集成制造系统（,CIMS,）。上层任务的分配和调度、零件的加工和传输等均可用离散事件系统理论来分析和设计；下层的控制，如机床及机器人的控制则采用常规的连续时间系统分析方法。,3.介于符号推理和数值计算两者之间的方法,（1）神经元网络。通过简单的关系来实现复杂的函数关系。本质上是非线性的动力学系统，但不依赖于模型。,12,1.符号推理与数值计算的结合例：专家控制。它的上层是专家系,（2）模糊集合论。形式上是利用规则进行逻辑推理，但其逻辑取值可在0-1之间连续变化，采用数值的方法而非符号的方法进行处理。,1.1.7 智能控制系统的分类,按作用原理分类：,1.递阶控制系统,是智能控制最早的理论之一。最具影响的是萨里迪斯的分级递阶智能控制理论。三级组成如前图。,2.专家控制系统,专家控制系统（Expert Control System)，是把专家系统技术与方法与控制机制尤其是工程控制论的反馈机制有机结合而建立的。专家控制系统一般由知识库、推理机、控制规则集和控制算法等组成。,13,（2）模糊集合论。形式上是利用规则进行逻辑推理，但其逻辑取值,3.模糊控制系统,是应用模糊集合理论的控制方法。是基于知识（基于规则）的，甚至用语言描述的控制规律的控制方式。模糊控制器一般由模糊化、模糊规则库、模糊推理和模糊判决4个功能模块组成。,专家控制系统和模糊控制系统一个共同点是都要建立人的经验和决策行为模型。,4.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。,14,3.模糊控制系统4.学习控制系统14,5.神经控制系统,基于人工神经网络的控制简称神经控制。人工神经网络是模拟人的大脑结构和功能。神经控制具有并行处理能力、非线性处理能力、通过训练获得学习能力以及自适应能力，特别适合于复杂系统、大系统和多变量系统的控制。,6.仿生控制系统,从某种意义上说，智能控制就是仿生和拟人控制。模仿人和生物的控制机构、行为和功能所进行的控制，就是拟人控制和仿生控制。,在模拟人的控制结构的基础上，进一步研究和模拟人的控制行为与功能，并把它用于控制系统，实现控制目标，就是仿人控制。,仿人控制综合了递阶控制、专家控制和基于模型控制的特点，可以看作是一种混合控制。,15,5.神经控制系统6.仿生控制系统15,生物界遵循适者生存、物竞天择的进化准则。生物通过个体间的选择、交叉和变异来适应大自然环境。把进化计算，特别是遗传算法机制和传统的反馈机制用于控制过程，可实现一种新的控制进化控制。,自然免疫系统是个复杂的自适应系统。把免疫控制和计算方法用于控制系统，即可构成免疫控制系统。,神经控制、进化控制、免疫控制等都是仿生控制；递阶控制、专家控制、学习控制和仿人控制等属于拟人控制。,7.集成智能控制系统,把几种不同的智能控制机理和方法集成起来而构成的控制，称为集成智能控制或复合智能控制，其系统称为集成智能控制系统。它集各智能控制方法的长处，弥补各自的短处，取长补短。如模糊神经控制、神经学习控制、神经专家控制、遗传神经控制、进化模糊控制等都属于集成智能控制系统。,16,生物界遵循适者生存、物竞天择的进化准则。生物通,8.组合智能控制系统,把智能控制与传统控制（包括经典PID控制和现代控制）有机地组合起来，即可构成组合智能控制系统。如PID模糊控制、神经自适应控制、神经自校正控制、神经最优控制等。,第二节 智能控制的发展概况,智能控制是从20世纪60年代开始的。,1965年，著名的美籍华裔科学家傅京逊（K.S.Fu）首先把人工智能的启发式推理规则应用于学习控制系统；又于1971年论述了人工智能与自动控制的交接关系。已成为国际公认的智能控制的先行者和奠基人。,1965年，查德（Zadeh）发表了著名论文“模糊集合”，开辟了模糊控制的新领域。之后，模糊控制发展迅速，并取得了令人感兴趣的成果。,1.2.1 智能控制的发展历程,17,8.组合智能控制系统第二节 智能控制的发展概况,1966年，门德尔（,J.M.Mendel,)首先主张将人工智能用于飞船控制系统的设计。,1967年，利昂兹（,Leondes,)等人首次正式使用“智能控制”一词。比“人工智能”晚11年。,1977年，萨里迪斯（,G.N.Saridis,)出版了“随机系统的自组织控制”一书；1979年发表了综述文章“朝向智能控制的实现”，提出分层递阶智能控制，对智能控制系统的分类做出了贡献。虽然递阶控制的应用实例较少，但递阶控制的思想已渗透到其它智能控制系统中，并成为这些智能控制的有机组成部分。,1986年，奥斯特洛姆（,K.J.Astrom,)发表“专家控制”著名文章，提出了专家控制的智能控制系统。,1974年，玛达尼（,Mamdani,)将模糊集合与模糊语言逻辑用于控制，创立了基于模糊语言描述控制规则的模糊控制器。,18,1966年，门德尔（J.M.Mendel),1987年以来，一些国际学术组织如美国电气和电子工程师协会（IEEE）、国际自动控制联合会（IFAC）定期或不定期地举办各类有关智能控制的国际学术会议或研讨会，在一定程度上反映出智能控制发展的好势头。,上个世纪80年代中后期，神经网络控制也得到了发展。,上个世纪90年代以来，国内对智能控制的研究也开始活