课程论文
智能控制理论综述
摘 要:介绍了智能控制的发展历史与现状,智能控制与传统控制的关系,智
能控制的主要方法与当前的研究热点以及智能控制发展的前景与展望.
关键词:智能控制;传统控制;神经网络;模糊控制;遗传算法
早期的自动控制基本上是解决简单对象的控制问题,人们追求研制完全自动
运行不用人参与的自治系统.随着控制对象的日益复杂,系统所处的环境因素、控
制性能要求都列入了控制系统设计的考虑范围,已有的自动控制方法与技术受到
了某种程度的挑战,尤其在学习控制研究与机器人控制方面,矛盾日渐突出,迫切
需要为自动控制学科注入新的活力.智能控制正是在这样的背景下产生的.智能
控制的概念提出之后,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).
一 智能控制的内涵对于人的智能行为,特别是创造性思维的理解行为,是
一个长期研究的科学理论问题.通常人们把自动识别和记忆信号(图像、语言、文
字)会学习、能推理、有自动决策能力的自动控制系统称之为智能控制系统.对智
能控制的理解,不同的研究者从不同的侧面出发,阐述各自的观点.智能控制是通
过应用人工智能的方法来扩展传统控制方法,解决传统控制的局限性.人们研究
人工智能方法也分为结构模拟派和功能模拟派,分别从脑的结构和脑的功能入手
进行研究.20世纪70年代后,又出现了“大系统理论”.但是,由于这种理论解决
实际问题的能力更弱,很快被人们放到了一边.第二阶段为智能控制的发展初期
(1965～1979年)建立于严密的数学理论上的控制理论发展受到挫折,而模拟人
类智能的人工智能却迅速发展起来.控制理论从人工智能中吸取营养寻求发展成
为必然.工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特
征.特别是非线性对控制结果的影响复杂,控制工程人员很难深入理解,更谈不上
设计出合适的控制算法.不确定性是最难以解决的问题,也是导致大系统理论失
败的根本原因.但是,对这些问题用工程控制专家经验来解决则往往是成功的.人
是最聪明的控制器,模仿人是一种途径.1965年,美国普渡大学的傅京孙(K.S.Fu)
教授首先提出了学习控制的概念,引入了人工智能的直觉推理,提出把人工智能
的直觉推理规则方法用于学习控制系统.次年,Mendel在空间飞行器的学习控制
课程论文
中应用了人工智能技术,并提出了“人工智能控制”的新概念;同年,Leondes和
Mendel首次使用了“智能控制(IntelligentControl)”一词,并把记忆、目标分
解等技术用于学习控制系统;这些反映了智能控制思想的早期萌芽,被称为智能
控制的孕育期.20世纪70年代关于智能控制的研究是对60年代这一思想雏形的
进一步深化.1971年,傅京孙发表了重要论文,提出了智能控制就是人工智能与
自动控制的交叉的“二元论”思想,列举3种智能控制系统:人作为控制器、人机
结合作为控制器、自主机器人;1974年,英国的Mamdani教授首次成功地将模糊
逻辑用于蒸汽机控制,开创了模糊控制的新方向;1977年,Saridis的专著出版,
并于1979年发表了综述文章,全面地论述了从反馈控制到最优控制,随机控制及
至自适应控制、自组织控制、学习控制,最终向智能控制发展的过程,提出了智能
控制是人工智能、运筹学、自动控制相交叉的“三元论”思想及分级递阶的智能
控制系统框架.第三阶段为智能控制的迅速发展时期(1980～1991年)20世纪80
年代,智能控制的研究进入了迅速发展时期.1984年,Astrom发表了论文,这是第
一篇直接将人工智能的专家系统技术引入到控制系统的代表作,明确地提出了建
立专家控制的新概念;与此同时,Hopfield提出的Hopfield网络及Rumelhart提
出的BP算法为一直处于低潮的人工神经网络的研究注入了新的活力,继Kilmer
和Mcclloch提出KBM模型实现对“阿波罗”登月车的控制之后,人工神经网络再
次被引入控制领域,并迅速得到了广泛的应用,从而开辟了神经网络控制;1985
年8月,IEEE在美国纽约召开了第一界智能控制学术讨论会;1987年1月,在美国
费城由IEEE控制系统学会与计算机学会联合召开了第一界智能控制国际会议,
这标志着智能控制作为一门新学科正式建立起来.第四阶段为智能控制进入新的
发展阶段(1992年至今)进入20世纪90年代,关于智能控制的研究论文、著作、
会议、期刊大量涌现,应用对象也更加广泛,从工业过程控制、机器人控制、航空
航天器控制到故障诊断、管理决策等均有涉及,并取得了较好的效果.进入21世
纪,智能控制进入新的历史阶段,控制学科所面临的控制对象的复杂性、环境的复
杂性、控制目标的复杂性日益突出,智能控制的研究提供了解决这类问题的有效
手段.
二 智能控制与传统控制的关系智能控制与传统的或常规的控制有密切的
关系,不是相互排斥的.常规控制往往包含在智能控制之中,智能控制也利用常规
课程论文
控制的方法来解决“低级”的控制问题,力图扩充常规控制方法并建立一系列新
的理论与方法来解决更具有挑战性的复杂控制问题.但是,与传统自动控制比较,
智能控制具有其自身的特点:1.传统的自动控制是建立在确定的模型基础上的,
而智能控制的研究对象则存在模型严重的不确定性,即模型未知或知之甚少者模
型的结构和参数在很大的范围内变动。2.传统的自动控制系统的输入或输出设备
与人及外界环境的信息交换很不方便。3.传统的自动控制系统对控制任务的要求
要么使输出量为定值(调节系统),要么使输出量跟随期望的运动轨迹(跟随系
统) ,而智能控制系统的控制任务可比较复杂。
三 智能控制的主要方法与当前的研究热点
智能控制的主要技术方法智能控制是以控制理论、计算机科学、人工智能、运
筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经
网络、专家系统、遗传算法等理论和自适应控制、自组织控制、(自)学习控制等
技术.用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相
对工程费用较高,而且还涉及自动地获取知识困难、无自学能力、知识面太窄等
问题.尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控
制的实际应用相对还是比较少.模糊逻辑：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.遗传算法遗传算法作为一种非
确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,它可以
和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制.神经网络神:
经网络是利用大量的神经元按一定的拓扑结构和学习调整方法.它能表示出丰富
的特性:并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、
学习或自学习等.这些特性是人们长期追求和期望的系统特性.它在智能控制的
参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力.
智能控制发展的前景和展望纵观智能控制产生、发展的历史背景与现状,其
研究中心始终是解决传统控制理论、方法，所难以解决的不确定性问题.智能控
制的研究虽然取得了一些成果,但实质性进展甚微,理论方面尤为突出,应用则主
课程论文
要是解决技术问题,对象具体而单一.子波变换、遗传算法与模糊神经网络的结合,
以及混沌理论等,将成为智能控制的发展方向.智能控制发展的核心仍然是以神
经网络的强大自学习功能与具有较强知识表达能力的模糊逻辑推理构成的模糊
逻辑神经网络.利用子波变换可对输入数据进行预处理,完成采样数据的噪声去
除与主特征取消聚类,将输入模糊逻辑推理器的模糊输入变量精简,从而降低模
糊逻辑推理器的复杂度.遗传算法作为一种随机搜索的全局优化算法,借鉴了生
物进化中适者生存的思想,在模糊规则的自动获取与神经网络的学习过程中呈现
了强大的生命力.智能控制的迅速发展,把基于自动控制观点的追求智能控制系
统高度自治的狭隘理解引导到重视人机结合、智能互补的方向上来,有利于促进
智能控制学科的健康发展.智能控制的研究是复杂的,综合集成之路也没有统一、
规整的规则、定理、定律可循.从目前来看,智能控制难以存在普遍、统一的理论
体系,而建立集成化智能控制框架则是现实的、必要的,这种框架应具有开放性、
形式非唯一性,而且不排斥人作为系统成员.目前,这一领域的研究正在飞速发
展。微电子学、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.对这门新学科今后的发展方向和道路已经取得了一些
共识:①研究和模仿人类智能是智能控制的最高目标;②智能控制必须靠多学科
联合才能取得新的突破;③智能的提高,不能全靠子系统的堆积,要做到“整体大
于组分之和”,只靠非线性效应是不够的.
参 考 文 献
[1]盛万兴,戴汝为.关于智能控制\[J].电子学报,1999,27(5):16-18.
[2]Wang,WenJie,Tang,BingYong.Afuzzyadaptivemethodforintelligentco
ntrol[J].ExpertSystemswithApplica<0032>tions,1999,16(1):43-48.
[3] 李祖枢 涂亚庆仿人智能控制国防工业出版社2003.01 7