1.6.7 智能控制

1.智能控制的產(chǎn)生

傳統(tǒng)控制方法（包括經(jīng)典控制和現(xiàn)代控制）缺乏靈活性和應(yīng)變能力，適于解決線性、時(shí)不變性等相對(duì)簡(jiǎn)單的控制問(wèn)題。傳統(tǒng)控制方法在實(shí)際應(yīng)用中遇到很多難以解決的問(wèn)題，主要表現(xiàn)為以下幾點(diǎn)。

1）由于實(shí)際系統(tǒng)存在復(fù)雜性、非線性、時(shí)變性、不確定性和不完全性等特點(diǎn)，所以無(wú)法獲得精確的數(shù)學(xué)模型。

2）某些復(fù)雜的和包含不確定性的控制過(guò)程無(wú)法用傳統(tǒng)的數(shù)學(xué)模型來(lái)描述，即無(wú)法解決建模問(wèn)題。

3）針對(duì)實(shí)際系統(tǒng)往往需要進(jìn)行一些比較苛刻的線性化假設(shè)，而這些假設(shè)往往與實(shí)際系統(tǒng)不符合。

4）實(shí)際控制任務(wù)復(fù)雜，而傳統(tǒng)的控制任務(wù)要求低，對(duì)復(fù)雜的控制任務(wù)，如智能機(jī)器人控制、社會(huì)經(jīng)濟(jì)管理系統(tǒng)等無(wú)能為力。

在生產(chǎn)實(shí)踐中，復(fù)雜控制問(wèn)題可通過(guò)將熟練操作人員的經(jīng)驗(yàn)和控制理論相結(jié)合的方式去解決，由此產(chǎn)生了智能控制。

智能控制采取人的思維方式來(lái)建立邏輯模型，使用類似人腦的控制方法來(lái)進(jìn)行控制。

智能控制將控制理論的方法和人工智能技術(shù)靈活地結(jié)合起來(lái)，其控制方法能適應(yīng)對(duì)象的復(fù)雜性和不確定性。

智能控制是控制理論發(fā)展的高級(jí)階段，它主要用來(lái)解決那些用傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題。

智能控制研究對(duì)象具備以下特點(diǎn)。

1）不確定性的模型：智能控制適用于不確定性對(duì)象的控制，該不確定性包括兩層意思：一是模型未知或知之甚少；二是模型的結(jié)構(gòu)和參數(shù)可能在很大范圍內(nèi)變化。

2）高度的非線性：采用智能控制方法可以較好地解決非線性系統(tǒng)的控制問(wèn)題。

3）復(fù)雜的任務(wù)要求：例如，智能機(jī)器人要求控制系統(tǒng)對(duì)一個(gè)復(fù)雜的任務(wù)具有自行規(guī)劃和決策的能力，有自動(dòng)躲避障礙、運(yùn)動(dòng)到期望目標(biāo)位置的能力。再如，在復(fù)雜的工業(yè)過(guò)程控制系統(tǒng)中，除了要求對(duì)各被控物理量實(shí)現(xiàn)定值調(diào)節(jié)外，還要求能實(shí)現(xiàn)整個(gè)系統(tǒng)的自動(dòng)啟停、故障的自動(dòng)診斷以及緊急情況下的自動(dòng)處理等功能。

2.智能控制的幾個(gè)重要分支

（1）模糊控制

以往的各種傳統(tǒng)控制方法均建立在被控對(duì)象的精確數(shù)學(xué)模型基礎(chǔ)上，然而，隨著系統(tǒng)復(fù)雜程度的提高，將難以建立系統(tǒng)的精確數(shù)學(xué)模型。

在工程實(shí)踐中人們發(fā)現(xiàn)，一個(gè)復(fù)雜的控制系統(tǒng)可由一個(gè)操作人員憑著豐富的實(shí)踐經(jīng)驗(yàn)得到滿意的控制效果，這說(shuō)明，如果通過(guò)模擬人腦的思維方法來(lái)設(shè)計(jì)控制器，就可實(shí)現(xiàn)復(fù)雜系統(tǒng)的控制，由此產(chǎn)生了模糊控制。

1965年，美國(guó)加州大學(xué)自動(dòng)控制系L.A.Zadeh提出了模糊集合理論，奠定了模糊控制的基礎(chǔ)；1974年，倫敦大學(xué)的Mamdani博士利用模糊邏輯開(kāi)發(fā)了世界上第一臺(tái)模糊控制的蒸汽機(jī)，從而開(kāi)創(chuàng)了模糊控制的歷史；1983年，日本富士電機(jī)開(kāi)創(chuàng)了模糊控制在日本的第一項(xiàng)應(yīng)用——水凈化處理，之后，富士電機(jī)致力于模糊邏輯元件的開(kāi)發(fā)與研究，并于1987年在仙臺(tái)地鐵線上采用了模糊控制技術(shù)，1989年將模糊控制消費(fèi)品推向高潮，使日本成為模糊控制技術(shù)的主導(dǎo)國(guó)家。

基于模糊控制的發(fā)展可分為三個(gè)階段。

● 1965年~1974年為模糊控制發(fā)展的第一階段，即模糊數(shù)學(xué)發(fā)展和形成階段。

● 1975年~1979年為模糊控制發(fā)展的第二階段，產(chǎn)生了簡(jiǎn)單的模糊控制器。

● 1980年至今為模糊控制發(fā)展的第三階段，即高性能模糊控制階段。

模糊邏輯控制器的設(shè)計(jì)不依靠被控對(duì)象的模型，但它卻非常依靠控制專家或操作者的經(jīng)驗(yàn)知識(shí)。模糊邏輯控制的突出優(yōu)點(diǎn)是能夠比較容易地將人的控制經(jīng)驗(yàn)融入控制器，但若缺乏這樣的控制經(jīng)驗(yàn)，就很難設(shè)計(jì)出高水平的模糊控制器。

采用模糊系統(tǒng)可充分逼近任意復(fù)雜的非線性系統(tǒng)，基于模糊系統(tǒng)逼近的自適應(yīng)模糊控制是其更高形式。

（2）神經(jīng)網(wǎng)絡(luò)控制

將神經(jīng)網(wǎng)絡(luò)引入控制領(lǐng)域就形成了神經(jīng)網(wǎng)絡(luò)控制。神經(jīng)網(wǎng)絡(luò)控制是從機(jī)理上對(duì)人腦生理系統(tǒng)進(jìn)行簡(jiǎn)單結(jié)構(gòu)模擬的一種新興智能控制方法。神經(jīng)網(wǎng)絡(luò)具有并行機(jī)制、模式識(shí)別、記憶和自學(xué)習(xí)能力，它能夠?qū)W習(xí)與適應(yīng)不確定系統(tǒng)的動(dòng)態(tài)特性，有很強(qiáng)的魯棒性和容錯(cuò)性等。采用神經(jīng)網(wǎng)絡(luò)可充分逼近任意復(fù)雜的非線性系統(tǒng)，基于神經(jīng)網(wǎng)絡(luò)逼近的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制是其更高形式。神經(jīng)網(wǎng)絡(luò)控制在控制領(lǐng)域有廣泛的應(yīng)用。

（3）智能搜索算法

智能搜索算法是人工智能的一個(gè)重要分支。隨著優(yōu)化理論的發(fā)展，智能算法得到了迅速發(fā)展和廣泛應(yīng)用，成為一種解決搜索問(wèn)題的新方法，如遺傳算法、粒子群算法和差分進(jìn)化算法等。這些優(yōu)化算法都是通過(guò)模擬自然現(xiàn)象和過(guò)程來(lái)實(shí)現(xiàn)的，其高效性和機(jī)制的獨(dú)特性為具體搜索問(wèn)題提供了切實(shí)可行的解決方案。

3.智能控制的特點(diǎn)

（1）學(xué)習(xí)功能

智能控制器能通過(guò)從外界環(huán)境所獲得的信息進(jìn)行學(xué)習(xí)，不斷積累知識(shí)，使系統(tǒng)的控制性能得到改善。

（2）適應(yīng)功能

智能控制器具有從輸入到輸出的映射關(guān)系，可實(shí)現(xiàn)不依賴于模型的自適應(yīng)控制，當(dāng)系統(tǒng)某一部分出現(xiàn)故障時(shí)，也能進(jìn)行控制。

（3）自組織功能

智能控制器對(duì)復(fù)雜的分布式信息具有自組織和協(xié)調(diào)的功能，當(dāng)出現(xiàn)多目標(biāo)沖突時(shí)，它可以在任務(wù)要求的范圍內(nèi)自行決策，主動(dòng)采取行動(dòng)。

（4）優(yōu)化能力

智能控制能夠通過(guò)不斷優(yōu)化控制參數(shù)和尋找控制器的最佳結(jié)構(gòu)形式，來(lái)獲得整體最優(yōu)的控制性能。

4.智能控制的應(yīng)用

作為控制方法發(fā)展的高級(jí)階段，智能控制主要解決那些傳統(tǒng)控制方法難以解決的復(fù)雜系統(tǒng)的控制問(wèn)題，其中包括智能機(jī)器人、計(jì)算機(jī)集成制造系統(tǒng)、工業(yè)過(guò)程、航空航天、社會(huì)經(jīng)濟(jì)管理系統(tǒng)、交通運(yùn)輸系統(tǒng)、環(huán)保和能源系統(tǒng)等的控制。

下面以智能控制在機(jī)器人控制和（工業(yè)）過(guò)程控制中的應(yīng)用為例進(jìn)行說(shuō)明。

（1）在運(yùn)動(dòng)控制中的應(yīng)用

智能機(jī)器人是目前機(jī)器人研究中的熱門(mén)課題。E.H.Mamdani于20世紀(jì)80年代初首次將模糊控制應(yīng)用于一臺(tái)實(shí)際機(jī)器人的操作臂控制。J.S.Albus于1975年提出小腦模型關(guān)節(jié)控制器（Cerebellar Model Articulation Controller，CMAC），它是仿照小腦控制肢體運(yùn)動(dòng)的原理而建立的神經(jīng)網(wǎng)絡(luò)模型。采用CMAC可實(shí)現(xiàn)機(jī)器人的關(guān)節(jié)控制，這是神經(jīng)網(wǎng)絡(luò)在機(jī)器人控制中的一個(gè)典型應(yīng)用。

飛行器是非線性、多變量和具有不確定性的復(fù)雜對(duì)象，是智能控制發(fā)揮自身潛力的重要領(lǐng)域。利用神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)的逼近能力和自學(xué)習(xí)能力可以設(shè)計(jì)飛行器神經(jīng)網(wǎng)絡(luò)控制算法。例如，利用反演控制和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合的非線性自適應(yīng)方法可實(shí)現(xiàn)飛行系統(tǒng)的縱向和橫側(cè)向通道控制器設(shè)計(jì)。

（2）在過(guò)程控制中的應(yīng)用

過(guò)程控制是指對(duì)化工、電力、冶金、輕工、紡織、制藥和建材等工業(yè)生產(chǎn)過(guò)程的自動(dòng)控制，它是自動(dòng)化技術(shù)中一個(gè)極其重要的方面。智能控制在過(guò)程控制中具有廣泛應(yīng)用。在石油化工方面，1994年美國(guó)的Gensym公司和Neuralware公司共同將神經(jīng)網(wǎng)絡(luò)用于煉油廠的非線性工藝過(guò)程；在冶金方面，日本的新日鐵公司于1990年將專家控制系統(tǒng)應(yīng)用于軋鋼生產(chǎn)過(guò)程；另外，日本的三菱化學(xué)合成公司研制出了用于乙烯工程的模糊控制系統(tǒng)。

將智能控制應(yīng)用于過(guò)程控制領(lǐng)域，是控制理論發(fā)展的新方向。