智能控制技术的发展现状及心得体会.doc

智能控制技术的开展现状及心得体会
摘要：
在此综述了智能控制技术的现状及开展，首先简述智能控制的性能特点及主要方法，然后介绍智能控制在各行各业中的应用现状，接着论述智能控制的国内外开展和现状。随着信息技术的开展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出创新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。
关键词：智能控制 模糊控制 神经网络 遗传算法

一、引言
智能控制作为当今的一种交叉前沿学科，其研究中心始终是解决传统控制理论、方法〔包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等〕所难以解决的不确定性问题。自智能控制概念的提出，自动控制界纷纷仿效，主流是人工智能技术引入到自动控制系统中，寻求难以精确建模的复杂系统的自动控制(自治)。
在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能〞。

二、智能控制的性能特点
智能控制是自动控制开展的新的阶段，主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点 ：
(1) 较强的学习能力：
能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改良和提高自身的控制能力；
(2) 较强的自适应能力：
具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力；
(3) 较强的容错能力：
系统对各类故障具有自诊断、屏蔽和自恢复能力；
(4) 较强的鲁棒性：
系统性能对环境干扰和不确定性因素不敏感；
(5) 较强的组织功能：
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；
(6) 实时性好：
系统具有较强的在线实时响应能力；
(7) 人机协作性能好：
系统具有友好的人机界面，以保证人机通信、人机互助和人机协同工作。

三、智能控制的主要方法
智能控制技术的主要方法有专家控制、模糊控制、神经网络控制和遗传算法等
〔1〕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那么进行推理，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;通过专家规那么，系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
〔2〕模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论根底，以先验知识和专家经验作为控制规那么。其根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根底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确实定,以及控制规那么的制定二者缺一不可。
〔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。
〔4〕遗传算法学习
智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法，它模拟生物界生存竞争，优胜劣汰，适者生存的机制，利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法，一方面希望在宽广的空间内进行搜索，从而提高求得最优解的概率；另一方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何同时提高搜索最优解的概率和效率，是遗传算法的一个主要研究方向。

四、智能控制的应用现状
4.1工业过程中的智能控制
生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器，因为其在参数的整定和在线自适应调整方面具有明显的优势，且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产过程的自动化，包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。

4.2 机械制造中的智能控制
在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经网络的方法对制造过程进行动态环境建模，利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If〞逆向推理作为反应机构，修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性，将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。
4.3电力电子学研究领域中的智能控制
电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果。遗传算法是一种先进的优化算法，采用此方法来对电器设备的设计进行优化，可以降低本钱，缩短计算时间，提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中，智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一，也是研究的新热点之一。
以上的三个例子只是智能控制在各行各业应用中的一个缩影，它的作用以及影响力将会关系国民生计。并且智能控制技术的开展也是日新月异，我们只有时刻关注智能控制技术才能跟上其日益加快的技术更新步伐。

五、国内外研究现状及开展趋势
从20世纪60年代起，计算机技术和人工智能技术迅速开展，为了提高控制系统的自学习能力，控制界学者开始将人工智能技术应用于控制系统。
1965年，美籍华裔科学家傅京孙教授首先把人工智能的启发式推理规那么用于学习控制系统，1966年，Mendel进一步在空间飞行器的学习控制系统中应用了人工智能技术，并提出了“人工智能控制〞的概念。1967年，Leondes和Mendel首先正式使用“智能控制〞一词。
20世纪70年代初，傅京孙、Glofiso和Saridis等学者从控制论角度总结了人工智能技术与自适应、自组织、自学习控制的关系，提出了智能控制就是人工智能技术与控制理论的交叉的思想，并创立了人机交互式分级递阶智能控制的系统结构。
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，随后成立了IEEE智能控制专业委员会；1987年1月，在美国举行第一次国际智能控制大会，标志着智能控制领域的形成。

要做到智能自动化，把机器人的智商提高到智人水平，还需要数十年。微电子、生命科学、自动化技术突飞猛进，为21世纪实现智能控制和智能自动化创造了很好的条件。为了到达目标，不仅需要技术的进步，更需要科学思想和理论的突破。很多科学家坚持认为，这需要发现新的原理，或者改造的物理学根本定理，才能彻底懂得和仿造人类的智能，才能设计出具有高级智能的自动控制系统。科学界要为保障人类和地球的生存和可持续开展做出必须的奉献，而控制论科学家和工程师应当承当主要的使命。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速开展及其他相关学科的开展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的开展已成为一种趋势。

六、智能控制的学习心得体会
这学期所学的智能控制感觉是相对于之前学的经典控制理论与现代控制理论，其研究对象是更为实际与现实的问题，但是与之前不同之处在于，现在的智能控制不只是研究对象更加实际、现实，而且是提出了新的方法途径，相比拟与经典的控制理论，智能控制的研究对象有其自己的特点：
(1)不确定性的模型
(2)高度的非线性
(3) 复杂的任务要求
对于智能控制系统，任务的要求往往比拟复杂，通常是比拟抽象的。
学习了关于智能控制的专家控制、模糊控制、神经网络控制和遗传算法，发现智能控制能够做到在传统的PID控制中办不到的事儿，而且神经网络的控制特别的神奇，它能够模拟人的大脑，通过神经元的超强学习功能，如果遇到干扰作用，还能够自适应，但是神经网络也有欠缺之处，它不能自主解释自己的推理过程，而这些推理过程都是由人将自己的经验转换为一些学习算法、规那么，通过数据传播信息的，使其进行学习。关于智能控制的学习，我现在所学习到的仅仅是皮毛。但对于一个刚刚接触智能控制学习的学生，了解如模糊控制、专家系统、神经网络等智能控制的知识入门尤为重要，为将来进一步学习智能控制的理论打下根底，并将理论应用于生活和工作当中，这才是学习的最终目的。

七、总结与展望
智能控制虽然已有50多年的开展史，而其实际应用也越来越成熟、广泛，但是相比拟经典的控制理论与方法，智能控制的应用还是有待进一步开展的：①由于智能学习控制采用单一的技术,如模糊逻辑、神经网络等,会使智能学习控制技术的学习方法缺少变化性和多样性。因此,从采用的技术上看,智能学习控制将从采用单一的技术向采用多种技术混合的方向开展。②从学习内容来看,智能学习控制的学习算法将从采用比拟简单的控制器参数学习向采用比拟复杂的环境学习、结构学习和对象学习的方向开展。并且还向能同时进行多种内容学习的方向开展。如同时包括参数、结构、环境、对象等内容的学习等等。③由于智能学习控制采用单一的学习方式,如有导师学习、无导师学习、加强学习等,会使智能学习控制的应用受到限制。因此,从学习方式来看,智能学习控制将从单一的学习方式向能同时具有多种学习方式混合的方向开展。④从应用来看,智能学习控制将从变参数学习控制向变结构、变环境和复杂未知对象的学习控制的方向开展。并且还向能同时进行多种应用的学习控制的方向开展。⑤研究和开发新的学习算法、新的学习方式,引进新的技术等,如研究自创立和自组织学习算法、创造性的学习方式、采用小波理论等。⑥建立智能学习控制的一般性设计理论和相应的评价理论。随着智能学习控制的设计方案和设计方法的日益丰富,许多新的问题需要研究。例如,如何评价和选择适宜的方案以适用于某个应用等。
当然对于智能控制的探索与研究还需要更多的学者投入更多的心血，才能在未来结出更加丰硕的果实。

参考文献：
[1]蔡自兴，徐光佑.人工智能及应用〔第二版〕,清华大学出版社, 1996
[2]白枚.智能控制理论综述,华北水利水电学院学报 2002/23〔1〕：58-62
[3]李士勇.模糊控制-神经控制和智能控制论,哈尔滨工业大学出版,1996
[4]李少远等.智能控制的新进展〔Ⅱ〕.控制与决策,2000，15〔2〕：136-140
[5]张凯，钱锋，刘漫丹.模糊神经网络技术综述.信息与控制,2003，32〔5〕：431-435
[6]刘瑞正,赵海兰.人工神经网络研究五十年.计算机应用研究,1997〔1〕：11-13
实用文档.