哈工大机电一体化系统设计课程论文讲述.doc

智能控制技术在机电一体化系统中的应用综述 摘要：随着科技的发展，对机电一体化系统控制的要求也越来越高，被控制的对象、目标与环境及其任务都变得复杂，因此智能控制技术在机电一体化系统中的应用越来越受到重视。本文介绍了智能控制技术的分类、特点以及在机电一体化系统中的应用，并提出了对智能控制技术的展望。 关键词：智能控制技术，机电一体化，系统，应用 0 引言 智能控制是自动控制发展的高级阶段，是控制论、系统论、信息论和人工智能等多种学科交叉和综合的产物，为解决那些用传统方法难以或不能很好解决的复杂系统的控制提供了有效的理论和方法。智能控制系统主要包括模糊控制系统、神经网络控制系统和专家控制系统等。随着我国科技的快速发展，智能化、数据化、信息化等各种先进技术在人们生产生活中的应用也越来越广泛。在机电一体化系统中，特别重视对智能控制技术的应用，通过智能控制与机电一体化系统的完美结合，有效改善了传统机电一体化系统存在的各种缺陷，有效的提高了机电一体化设备的运行效率，促进了社会的发展。 1 智能控制与传统控制的比较 智能控制与传统控制相比，在理论方法、应用领域、性能指标等方而存在明显的不同，主要表现在： ①在应用领域方而，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题； ②在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识，而智能控制通常是学习积累非精确知识；传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统； ③在性能指标方而，传统控制有严格的性能指标，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。 2 智能控制技术的主要方法 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等，以及常用优化算法有：遗传算法、蚁群算法、免疫算法等。 2.1模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础，以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段，实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定，以及控制规则的制定。二者缺一不可。 与传统控制相比，模糊推理不需要精确的数学模型，其设计主要建立在相关数据与规则的基础之上，因此适于解决非线性系统的控制问题；而且模糊控制的鲁棒性好、自适应性强，适用于时变、时滞系统。但是模糊控制也有其自身的弊端，如学习能力不强，设计时控制规则的拟订过于依赖经验和专家知识，因此有时精确度不高。 图1 模糊控制系统原理框图 2.2专家控制 专家控制是将专家系统的理论技术与控制理论技术相结合，仿效专家的经验，实现对系统控制的一种智能控制。主体由知识库和推理机构组成，通过对知识的获取与组织，按某种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。 专家控制可以灵活地选取控制率，灵活性高；可通过调整控制器的参数，适应对象特性及环境的变化，适应性好；通过专家规则，系统可以在非线性、大偏差的情况下可靠地工作，鲁棒性强。 但是由于专家控制主要依据知识表示技术确定问题的求解途径，采用知识推理的各种方法求解问题及制订决策。因此如何获取专家知识，并将知识构造成可用的形式就成为研制专家系统的主要瓶颈之一；另一方而，专家控制系统是一个动态系统，因此如何在控制过程中自动更新和扩充知识，并满足实时控制的决速准确性需求是非常困难的。以目前的稳定性分析方法很难直接用于专家控制系统。 2.3神经网络控制 神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制，与传统控制相比具有如下的优势： ①能够充分逼近任意复杂的非线性系统； ②能够学习和适应严重不确定性系统的动态特性； ③由于大量神经元之间广泛连接，即使有少量单元或连接损坏，也不影响系统的整体功能，表现出很强的鲁捧性和容错性； ④采用并行分布处理方法，使得快速进行大量运算成为可能。 显然，神经网络具有学习能力、并行计算能力和非线性映射能力，在解决高度非线性和严重不确定性系统的控制方而具有很大潜力；但是，目前神经网络控制的研究大多仍停留于数学仿真和实验室研究阶段，极少用于实际系统的控制。 X1～Xn为神经元的输入；y为神经元的输出；f(z)为激活函数； θ为阈值，ω1～ωn为神经元之间的连接权重 图2 神经元结构 图3