第一章 绪论 1.1 智能控制的基本概念： 智能控制是自动控制发展的高级阶段，是人工智能、控制论、系统论和信息论等多种学科的高度综合 与集成，是一门新的交叉前沿学科。从广义上讲，智能控制是研究对复杂的不确定性被控对象（过程）采 用人工智能的方法有效地克服系统的不确定性，使系统从无序到期望的有序状态转移的方法及其规律。 智能控制已经出现了相当长的一段时间，并且已取得了初步的应用成果。但是究竟什么是“智能”， 什么是“智能控制”等问题，至今没有统一的明确定义。归纳各种说法，主要有四种说法： l 定义一：智能控制就是由一台智能机器自主地实现其目标的过程。而智能机器则定义为，在结构 化或非结构化的、熟悉的或陌生的环境中，自主地或与人交互地执行人的任务。 l 定义二：K.J.Astron 则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并 用于控制系统的分析与设计中，以期在一定程度上实现控制系统的智能化，这就是智能控制。 K.J.Astron还认为自调节控制、自适应控制就是智能控制的低级体现。 l 定义三：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实现其目标的自动控制，也是 用计算机模拟人类智能的一个重要领域。 l 定义四：智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有 仿人智能的工程控制与信息处理系统的一个新兴分支学科。 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 1.2 智能控制系统的特点： 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，以启发引导求解过 程； l 智能控制的核心在高层控制，即组织级； l 智能控制器具有非线性特性； l 智能控制具有变结构特点； l 智能控制器具有总体自寻优特性； l 智能控制系统应能满足多样性目标的高性能要求； l 智能控制是一门边缘交叉学科； l 智能控制是一个新兴的研究领域。 1.3 智能控制的结构理论： 智能控制的理论结构明显地具有多学科交叉的特点，许多研究人员试图建立起智能控制这一新学科，他们 提出了一些有关智能控制系统结构的思想。按照K. S. Fu（傅京孙）和Saridis提出的观点，可以把智能控制看 作是人工智能、自动控制和运筹学三个主要学科相结合的产物，称 之为三元结构： IC=AI∩AC∩OR IC——智能控制(Intelligent Control)； OR——运筹学(Operation Research)； AI——人工智能(Artificial Intelligence)； AC——自动控制(Automatic Control)； ∩——表示交集. ? 人工智能（AI）：是一个知识处理系统，具有记忆、学习、 信息处理、形式语言、启发式推理等功能。 ? 自动控制（AC）：描述系统的动力学特性，是一种动态反 馈。 ? 运筹学（OR）：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化 方法等。 智能控制就是应用人工智能的理论与技术和运筹学的优化方法，并将其同控制理论方法与技术相结合，在 位置环境下，仿效人的智能，实现对系统的控制。可见，智能控制代表着自动控制学科发展的最新进程。 1.4 智能控制与传统控制的关系 l 传统控制（Conversional control）：经典反馈控制和现代理论控制。它们的主要特征是基于精确 的系统数学模型的控制。适于解决线性、时不变等相对简单的控制问题。 l 智能控制（Intelligent control）以上问题用智能的方法同样可以解决。智能控制是对传统控制理论 的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架 下。 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 1.5 智能控制的研究对象 1.5.1 智能控制的研究对象 智能控制的研究对象具备以下的一些特点： 1. 不确定性的模型 智能控制的研究对象通常存在严重的不确定性。这里所说的模型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 对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。 3. 复杂的任务要求 对于智能控制系统，任务的要求往往比较复杂。 1.5.2 智能控制的应用 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 智能控制主要应用在以下情况： 实际系统由于存在复杂性、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。 应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与 实际情况不相吻合。 对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。 为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。 1.6 智能控制的类型 智能控制系统一般包括 ? 分级递阶控制系统 ? 专家控制系统 ? 神经控制系统 ? 模糊控制系统 ? 学习控制系统 ? 集成（或者复合）混合控制：几种方法和机制往往结合在一起，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 1.6.1 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（Purdue University）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，其功能结构如 下图所示。 分级递阶智能控制的功能结构 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 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。 1.6.2 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。 专家控制系统目前主要有两种形式：专家控制系统（Expert Control System）和专家控制器（Expert Controller） 1.6.3 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，那么神经网络如何进行学习 呢？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。因而，神经网络的学习过程是修改加权系数的过程，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、widrowHoff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。 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 1.6.4 模糊控制系统 1965年，美国加州大学的L.A.Zadeh教授在其发表的著名论文“Fuzzy Set”中，首次提出用“隶属函 数”的概念来定量描述事物模糊性的模糊集合理论，并提出了模糊集的概念。这个概念试图用连续变量测 量对象在某类集合中的占有程度，而不像传统集合那样，只有“属于”“不属于”两种状态。模糊集的思 想反应了现实世界所存在的客观不确定性与人们在认识中出现的不确定性。模糊集合的模糊性是针对在所 划分的类别与类别之间无明显的隶属到不隶属的转折。事实上，客观世界绝大多数事务，说他们属于某一 类或不属于某一类都不存在明显的分界线。 所谓模糊控制，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。 1.6.5 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。 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn 1.7 智能控制的发展概述 从60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学 习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能技术与方法应用于控制系统。 从70年代初开始，傅京孙、Gloriso和Saridis等人从控制论角度进一步总结了人工智能技术与自适应、 自组织自学习控制的关系，正式提出了智能控制就是人工智能技术与控制理论的交叉，并创立了人-机交 互式分级递阶智能控制的系统结构。 在 70年代中期前后，已模糊集合论为基础，从模仿人的控制决策思想出发，智能控制在另一个方向 ——规则控制（rule-based control）上也取得了重要的进展。70年代可以看作是智能控制的形成期。 进入80年代以来，由于危机的迅速发展以及专家系统逐渐成熟，使得智能控制和决策的研究及应用 领域逐步扩大，并取得了一批应用成果。 应该特别指出，80 年代中后期，由于神经网络的研究获得了重要进展，于是这一领域吸引了众多学 科的科学家、学者。如今在控制、计算机、神经生理学等学科的密切配合下，在“智能控制论”的旗帜下， 又在寻求新的合作，神经网络理论和应用研究为智能控制的研究起到了重要的促进作用。 进入 90 年代以来，智能控制的研究势头异常迅猛。1994 年 6 月，在美国奥兰多召开了’94IEEE 全 球计算智能大会，将模糊系统、神经网络，进化计算三方面内容综合在一起召开，引起国际学术界的广泛 关注，因为这三个新学科已成为研究智能控制的重要基础。 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。 总之，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供了机遇。 PDF 文件使用 "pdfFactory Pro" 试用版本创建 www.fineprint.com.cn