海南大学 智能控制基础论文.doc

智能控制基础论文 摘要：智能控制作为一门新兴学科，它的发展得益于许多学科，如人工智能、认知科学、现代控制理论、模糊数学、生物控制论、学习理论以及网络理论等。总结近20年来智能控制的研究成果，详细论述智能控制的基本概念、工作原理和设计方法。主要内容包括：智能控制概论、模糊控制论、人工神经网络控制论、专家控制、分层递阶智能控制、学习控制、模糊神经网络控制与自适应神经网络、进化算法、多智能体系统控制。 关键字：智能、控制论、模糊控制、神经网络、专家控制、进化算法、控制系统。 一、智能控制的主要方法 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,以及常用的优化算法有：遗传算法、蚁群算法、免疫算法等。 1.1 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。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。 学习控制系统 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。 1.2 人工神经网络控制论 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。 人工神经网络具有下列特征：①它包含大量的人工神经元，提供了大量可供调节的变量；②信息是分布式存储的，从而提供了联想与全息记忆的能力；③具有高度的自适应能力，高度的容错能力，很强的计算能力以及自组织能力。人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较成功的应用，在工程设计中的应用正在不断地研究发展，如基于人工神经网络的机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的原理在机械工程中的应用等。目前，神经网络和专家系统有联合起来的趋势，神经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系统在知识获取、并行推理、适应性学习、联想推理、容错能力方面明显优于传统的专家系统。 1.3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。智能CAD是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某