標籤:圖書

智能控制(intelligent controls)在無人干預的情況下能自主地驅動智能機器實現控制目標的自動控制技術。 控制理論發展至今已有100多年的歷史,經歷了「經典控制理論」和「現代控制理論」的發展階段,已進入「大系統理論」和「智能控制理論」階段。智能控制理論的研究和應用是現代控制理論在深度和廣度上的拓展。20世紀80年代以來,信息技術、計算技術的快速發展及其他相關學科的發展和相互滲透,也推動了控制科學與工程研究的不斷深入,控制系統向智能控制系統的發展已成為一種趨勢。

1簡介

自1971年傅京孫教授提出「智能控制」概念以來,智能控制已經從二元論(人工智慧和控制論)發展到四元論(人工智慧、模糊集理論、運籌學和控制論),在取得豐碩研究和應用成果的同時,智能控制理論也得到不斷的發展和完善。智能控制是多學科交叉的學科,它的發展得益於人工智慧、認知科學、模糊集理論和生物控制論等許多學科的發展,同時也促進了相關學科的發展。智能控制也是發展較快的新興學科,儘管其理論體系還遠沒有經典控制理論那樣成熟和完善,但智能控制理論和應用研究所取得的成果顯示出其旺盛的生命力,受到相關研究和工程技術人員的關注。隨著科學技術的發展,智能控制的應用領域將不斷拓展,理論和技術也必將得到不斷的發展和完善。

2發展

智能控制器是以自動控制技術和計算機技術為核心,集成微電子技術、電力電子技術、信息感測技術、顯示與界面技術、通訊技術、電磁兼容技術等諸多技術而形成的高科技產品。作為核心和關鍵部件,智能控制器內置於設備、裝置或系統之中,扮演「神經中樞」及「大腦」的角色。
20世紀90年代中期之後,智能控制器行業日益成熟,作為一個獨立的行業,其發展受到了雙重動力的驅動,其一是市場驅動,市場需求的增長和市場應用領域的持續擴大,致使智能控制器至今已經在工業、農業、家用、軍事等幾乎所有領域得到了廣泛應用;其二是技術驅動,隨著相關技術領域的日新月異,智能控制器行業作為一個高科技行業得到了飛速發展。
根據《2013-2017年中國智能控制器行業發展前景與投資預測分析報告》統計,2012年全球智能控制器行業市場規模接近6800億美元。從地域分佈上看,歐洲和北美市場是智能控制產品的兩大主要市場,市場規模佔全球智能控制市場的56%,主要是由於這兩大區域在小型生活電器、汽車、大型生活電器、電動工具等領域的市場發展比較成熟,產品普及率高,未來幾年內歐洲和北美將繼續佔有主要市場地位。
智能控制產品在中國等發展中國家的應用仍處於初級階段,現階段市場規模不大,但是增長速度較高,擁有巨大的發展空間。據前瞻網統計,目前中國智能控制器行業規模為4200億元,2004年以來的年均增長率接近19%。汽車電子和大型生活電器是中國電子智能控制產品傳統主要應用領域,市場佔有率分別為31%和10%左右。小型生活電器產品種類眾多,目前中國小型生活電器智能控制產品應用還不普及,正處於高速發展階段,市場空間巨大。此外,電動汽車、智能建築及家居等新興領域的崛起也將帶動智能控制器需求的快速增長。
智能控制產品行業由於下游廠商需求分散造成了產品差異較大、產能較分散,因此全球智能控制產品行業總體集中度較低。根據市場規模、技術實力,全球智能控制產品廠商可以分為三個檔次:第一集團:技術實力領先,市場遍布全球,向全球跨國電器、整機廠商提供高端智能控制產品和服務,主要廠商有英國英維斯、德國代傲等;第二集團:中等規模智能控制廠商,擁有自己的技術研發團隊,能夠根據客戶需求獨立開發並提供智能控制產品和服務,具有同第一集團競爭的潛力,主要廠商有拓邦股份、英唐智控、和而泰、金寶通等;第三集團:中小規模智能控制廠商,產品研發能力欠缺,在競爭中處於相對較弱的地位。

3概念

智能控制的基本概念 
智能控制的定義一: 智能控制是由智能機器自主地實現其目標的過程。而智能機器則定義為,在結構化或非結構化的,熟悉的或陌生的環境中,自主地或與人交互地執行人類規定的任務的一種機器。
定義二: K.J.奧斯托羅姆則認為,把人類具有的直覺推理和試湊法等智能加以形式化或機器模擬,並用於控制系統的分析與設計中,以期在一定程度上實現控制系統的智能化,這就是智能控制。他還認為自調節控制,自適應控制就是智能控制的低級體現。
定義三: 智能控制是一類無需人的干預就能夠自主地驅動智能機器實現其目標的自動控制,也是用計算機模擬人類智能的一個重要領域。
定義四: 智能控制實際只是研究與模擬人類智能活動及其控制與信息傳遞過程的規律,研製具有仿人智能的工程式控制制與信息處理系統的一個新興分支學科。
詳解
對許多複雜的系統,難以建立有效的數學模型和用常規的控制理論去進行定量計算和分析,而必須採用定量方法與定性方法相結合的控制方式。定量方法與定性方法相結合的目的是,要由機器用類似於人的智慧和經驗來引導求解過程。因此,在研究和設計智能系統時,主要注意力不放在數學公式的表達、計算和處理方面,而是放在對任務和現實模型的描述、符號和環境的識別以及知識庫和推理機的開發上,即智能控制的關鍵問題不是設計常規控制器,而是研製智能機器的模型。此外,智能控制的核心在高層控制,即組織控制。高層控制是對實際環境或過程進行組織、決策和規劃,以實現問題求解。為了完成這些任務,需要採用符號信息處理、啟髮式程序設計、知識表示、自動推理和決策等有關技術。這些問題求解過程與人腦的思維過程有一定的相似性,即具有一定程度的「智能」。
隨著人工智慧和計算機技術的發展,已經有可能把自動控制和人工智慧以及系統科學中一些有關學科分支(如系統工程、系統學、運籌學、資訊理論)結合起來,建立一種適用於複雜系統的控制理論和技術。智能控制正是在這種條件下產生的。它是自動控制技術的最新發展階段,也是用計算機模擬人類智能進行控制的研究領域。1965年,傅京孫首先提出把人工智慧的啟髮式推理規則用於學習控制系統。1985年,在美國首次召開了智能控制學術討論會。1987年又在美國召開了智能控制的首屆國際學術會議,標誌著智能控制作為一個新的學科分支得到承認。智能控制具有交叉學科和定量與定性相結合的分析方法和特點。
一個系統如果具有感知環境、不斷獲得信息以減小不確定性和計劃、產生以及執行控制行為的能力,即稱為智能控制系統. 智能控制技術是在向人腦學習的過程中不斷發展起來的,人腦是一個超級智能控制系統,具有實時推理、決策、學習和記憶等功能,能適應各種複雜的控制環境.
智能控制與傳統的或常規的控制有密切的關係,不是相互排斥的. 常規控制往往包含在智能控制之中,智能控制也利用常規控制的方法來解決「低級」的控制問題,力圖擴充常規控制方法並建立一系列新的理論與方法來解決更具有挑戰性的複雜控制問題.
1. 傳統的自動控制是建立在確定的模型基礎上的,而智能控制的研究對象則存在模型嚴重的不確定性,即模型未知或知之甚少者模型的結構和參數在很大的範圍內變動,比如工業過程的病態結構問題、某些干擾的無法預測,致使無法建立其模型,這些問題對基於模型的傳統自動控制來說很難解決。
2. 傳統的自動控制系統的輸入或輸出設備與人及外界環境的信息交換很不方便,希望製造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置,能夠更加深入而靈活地和系統進行信息交流,同時還要擴大輸出裝置的能力,能夠用文字、圖紙、立體形象、語言等形式輸出信息。另外,通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況。 為擴大信息通道,就必須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器,即文字、聲音、物體識別裝置。 可喜的是,近幾年計算機及多媒體技術的迅速發展,為智能控制在這一方面的發展提供了物質上的準備,使智能控制變成了多方位「立體」的控制系統。
3. 傳統的自動控制系統對控制任務的要求要麼使輸出量為定值(調節系統),要麼使輸出量跟隨期望的運動軌跡(跟隨系統),因此具有控制任務單一性的特點,而智能控制系統的控制任務可比較複雜,例如在智能機器人系統中,它要求系統對一個複雜的任務具有自動規劃和決策的能力,有自動躲避障礙物運動到某一預期目標位置的能力等.。對於這些具有複雜的任務要求的系統,採用智能控制的方式便可以滿足。
4. 傳統的控制理論對線性問題有較成熟的理論,而對高度非線性的控制對象雖然有一些非線性方法可以利用,但不盡人意。 而智能控制為解決這類複雜的非線性問題找到了一個出路,成為解決這類問題行之有效的途徑。 工業過程智能控制系統除具有上述幾個特點外,又有另外一些特點,如被控對象往往是動態的,而且控制系統在線運動,一般要求有較高的實時響應速度等,恰恰是這些特點又決定了它與其它智能控制系統如智能機器人系統、航空航天控制系統、交通運輸控制系統等的區別,決定了它的控制方法以及形式的獨特之處。
5. 與傳統自動控制系統相比,智能控制系統具有足夠的關於人的控制策略、被控對象及環境的有關知識以及運用這些知識的能力。
6. 與傳統自動控制系統相比,智能控制系統能以知識表示的非數學廣義模型和以數學表示的混合控制過程,採用開閉環控制和定性及定量控制結合的多模態控制方式。
7. 與傳統自動控制系統相比,智能控制系統具有變結構特點,能總體自尋優,具有自適應、自組織、自學習和自協調能力。
8. 與傳統自動控制系統相比,智能控制系統有補償及自修復能力和判斷決策能力。
總之,智能控制系統通過智能機自動地完成其目標的控制過程,其智能機可以在熟悉或不熟悉的環境中自動地或人─機交互地完成擬人任務。

4特點

結構理論
智能控制的結構理論
IC=AI∩AC∩OR
IC — 智能控制
( Intelligent Control);
OR—運籌學
(Operation Research)
Al—人工智慧
(Artificial Intelligence);
AC一自動控制(Automatic Control);
∩一表示交集.
人工智慧(AI):是一個知識處理系統,具有記憶,學習,信息處理,形式語言,啟髮式推理等功能.
自動控制(AC):描述系統的動力學特性,是一種動態反饋.
運籌學(OR):是一種定量優化方法,如線性規劃,網路規劃,調度,管理,優化決策和多目標優化方法等.
智能控制的結構理論
智能控制就是應用人工智慧的理論與技術和運籌學的優化方法,並將其同控制理論方法與技術相結合,在未知環境下,仿效人的智能,實現對系統的控制.
可見,智能控制代表著自動控制學科發展的最新進程。
應用存在的情況
實際系統由於存在複雜性、非線性、時變性、不確定性和不完全性等,一般無法獲得精確的數學模型。
應用傳統控制理論進行控制必須提出並遵循一些比較苛刻的線性化假設,而這些假設在應用中往往與實際情況不相吻合。
對於某些複雜的和飽含不確定性的控制過程,根本無法用傳統數學模型來表示,即無法解決建模問題。
為了提高控制性能,傳統控制系統可能變得很複雜,從而增加了設備的投資,減低了系統的可靠性。
集成或者(複合)混合控制
幾種方法和機制往往結合在一起,用於一個實際的智能控制系統或裝置,從而建立起混合或集成的智能控制系統.
專家控制系統(Expert System)
專家指的是那些對解決專門問題非常熟悉的人們,他們的這種專門技術通常源於豐富的經驗,以及他們處理問題的詳細專業知識.
專家系統主要指的是一個智能計算機程序系統,其內部含有大量的某個領域專家水平的知識與經驗,能夠利用人類專家的知識和解決問題的經驗方法來處理該領域的高水平難題.它具有啟發性,透明性,靈活性,符號操作,不一確定性推理等特點.應用專家系統的概念和技術,模擬人類專家的控制知識與經驗而建造的控制系統,稱為專家控制系統.
專家系統是利用專家知識對專門的或困難的問題進行描述. 用專家系統所構成的專家控制,無論是專家控制系統還是專家控制器,其相對工程費用較高,而且還涉及自動地獲取知識困難、無自學能力、知識面太窄等問題. 儘管專家系統在解決複雜的高級推理中獲得較為成功的應用,但是專家控制的實際應用相對還是比較少。
模糊控制系統
所謂模糊控制,就是在被控制對象的模糊模型的基礎上,運用模糊控制器近似推理手段,實現系統控制的一種方法.模糊模型是用模糊語言和規則描述的一個系統的動態特性及性能指標.
模糊控制的基本思想是用機器去模擬人對系統的控制.它是受這樣事實而啟發的:對於用傳統控制理論無法進行分析和控制的複雜的和無法建立數學模型的系統,有經驗的操作者或專家卻能取得比較好的控制效果,這是因為他們擁有日積月累的豐富經驗,因此人們希望把這種經驗指導下的行為過程總結成一些規則,並根據這些規則設計出控制器.然後運用模糊理論,模糊語言變數和模糊邏輯推理的知識,把這些模糊的語言上升為數值運算,從而能夠利用計算機來完成對這些規則的具體實現,達到以機器代替人對某些對象進行自動控制的目的。
模糊邏輯用模糊語言描述系統,既可以描述應用系統的定量模型也可以描述其定性模型. 模糊邏輯可適用於任意複雜的對象控制. 但在實際應用中模糊邏輯實現簡單的應用控制比較容易. 簡單控制是指單輸入單輸出系統(SISO) 或多輸入單輸出系統(MISO) 的控制. 因為隨著輸入輸出變數的增加,模糊邏輯的推理將變得非常複雜。
出版
書名:智能控制
作 者:劉金琨編著
出 版 社:電子工業出版社
出版時間:2005-5-1
字 數:378000
版 次:1
頁 數:223
紙 張:膠版紙
I S B N :9787121011184
包 裝:平裝
所屬分類:圖書 >> 計算機/網路 >>人工智慧
定價:¥21.00
目錄
第1章 結論
1.1 智能控制的發展過程
1.2 智能控制的幾個重要分支
1.3 智能控制的特點、研究工具
思考題與習題
第2章 專家控制
2.1 專家系統
2.2 專家控制
2.3 專家PID控制
思考題與習題
第3章 模糊控制的理論基礎
3.1 概述
3.2 模糊集合
3.3 隸屬函數
3.4 模糊關係及其運算
3.5 模糊推理
思考題與習題
附錄(程序代碼)
第4章 模糊控制
4.1 模糊控制的基本原理
4.2 模糊控制系統分類
4.3 模糊控制器的設計
4.4 模糊控制應用實例——洗衣機的模糊控制
4.5 模糊自適應整定PID控制
4.6 Sugeno模糊模型
4.7 基於Sugeno模糊模型的倒立擺模糊控制
4.8 模糊控制的應用
4.9 模糊控制發展概況
思考題與習題
附錄(程序代碼)
第5章 自適應模糊控制
5.1 模糊逼近
5.2 間接自適應模糊控制
5.3 直接自適應模糊控制
思考題與習題
附錄(程序代碼)
第6章 神經網路的理論基礎
6.1 神經網路發展簡史
6.2 神經網路原理
6.3 神經網路的分類
6.4 神經網路學習演算法
6.5 神經網路的特徵及要素
6.6 神經網路控制的研究領域
思考題與習題
第7章 典型神經網路
7.1 單神經元網路
7.2 BP神經網路
7.3 RBF神經網路
7.4 回歸神經網路
思考題
附錄(程序代碼)
第8章 高級神經網路
8.1 模糊RBF網路
8.2 pi-sigma神經網路
8.3 小腦模型神經網路
8.4 Hopfield網路
思考題與習題
附錄(程序代碼)
第9章 神經網路控制
9.1 概述
9.2 神經網路控制的結構
9.3 單神經元自適應控制
9.4 RBF網路監督控制
9.5 RBF網路自校正控制
9.6 基於RBF網路直接模型參考自適應控制
思考題與習題
附錄(程序代碼)
第10章 遺傳演算法及其應用
10.1 遺傳演算法的基本原理
10.2 遺傳演算法的特點
10.3 遺傳演算法的發展及應用
10.4 遺傳演算法的優化設計
10.5 遺傳演算法求函數極大值
10.6 基於遺傳演算法優化的RBF網路逼近
思考題與習題
附錄(程序代碼)
參考文獻
上一篇[Chikezie]    下一篇 [Chergl cole]

相關評論

同義詞:暫無同義詞