智能控制讲义(完稿）.pdf

愈来愈丰富。现代控制理论虽然在航天、航空、制导等领域取得了辉煌的成果，但对于复杂的工业 过程却显得无能为力。 从 20 世纪 60 年代开始，为了解决大规模复杂系统的优化与控制问题，现代控制理论和系统理 论相结合，逐步发展形成了大系统理论。其核心思想是系统的分解与协调，多级递阶优化与控制正 是应用大系统理论的典范，实际上，大系统理论仍未突破现代控制理论的基本思想与框架，除了高 维线性系统之外，它对其它复杂系统仍然束手无策。 无论是现代控制理论还是大系统理论，其分析、综合和设计都是建立在严格和精确的数学模型 基础上的。然而，在科学技术和生产力水平告诉发展的今天，人们对大规模、复杂和不确定性系统 实行自动控制的要求不断提高。因此，传统的基于精确数学模型的控制理论的局限性日益明显。 八十年代发展起来智能控制，对于含有大量不确定性和难于建模的复杂系统，基于知识的专家 系统、模糊控制、人工神经网络控制、学习控制和基于信息论的智能控制等应运而生，它们在许多 领域都得到了广泛的应用。成为自动控制的前沿学科之一。学术界有不少人认为智能控制将是继经 典控制理论方法和现代理论控制方法之后，成为新一代的控制理论方法。智能控制理论和应用研究 很多，在国内外都是受人瞩目的热点。近年来在洗衣机、空调器、摄像机等家电产品中广泛 采用模 糊控制，而像智能仪表、智能大厦等术语在一般报刊上常会看到，可见智能控制已走进千家万户。 什么是智能控制呢？最直观的定义显然是引入人工智能（Artificial Intelligence ，AI ）的控制，也 就是人工智能与自动控制的结合。它一方面表明智能控制范围很广，而且会不断接纳新的内容；另 一方面也给出明显的界限，与人工智能无关的控制不是智能控制。后来还有各式各样的提法，如美 国的 Saridis 教授提出了把运筹学也结合起来的思想等等。但是，从交集的角度看，还是以二元结构 为宜。 人工智能的内容很广泛，如知识表示、问题求解、语言理解、机器学习、模式识别、定理证明、 机器视觉、逻辑推理、人工神经网络、专家系统、智能控制、智能调度和决策、自动程序设计、机 器人学等都是人工智能的研究和应用领域。人工智能是指智能机器所执行的通常与人类智能有关的 功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。 人工智能中有不少内容可用于控制，当前最主要的是三种形式：（1）专家系统；（2 ）模糊控制； （3 ）人工神经网络控制。它们可以单独应用，也可以与其他形式结合起来；可以用于基层控制，也 可用于过程建模、操作优化、故障检测、计划调度和经营决策等不同层次。 1.2 智能控制的产生背景 智能控制是自动控制发展的最新阶段。智能控制不同于传统控制理论的处理方法，控制器不再 是单一的数学解析模型，而是数学解析模型和知识系统相结合的广义模型，它把逻辑推理和启发式 知识加入传统控制。 对“智能控制”这一术语并无确切的定义，一般认为智能控制系统必须具有模拟人类学习和自 适应的能力。1965 年，著名美籍华裔科学家，美国普渡大学教授傅京孙把人工智能的启发式推理规 2 则用于学习控制系统。1971 年，他发表论文以“智能控制”这个术语概念性地强调系统的问题求解 和决策能力，阐述了人工智能和自动控制的交接关系， 即：IC=AI ∩AC 。 智能控制主要针对被控对象、环境、控制目标或任务的复杂性而提出来的。 被控对象的复杂性表现在实际过程由于本身具备的复杂性、高度非线性、时变性、不确定性和 不完全性等，使之无法获得精确的数学模型。而针对具有高度非线性的控制对象，传统控制的非线 性控制理论还很不成熟，而且方法较为复杂，若将系统转化为线性系统，通常需要进行一些比较苛 刻的线性化假设，而这些假设又往往和实际系统不符。 环境的复杂性是以其变化的不确定和难以辨识为特征的。在传统的控制中，往往只考虑控制系 统和受控对象的所组成的“独立”体系，忽略了环境所赋予的影响。然而，现在的大规模复杂系统 的控制和决策问题，必须把外界环境和对象以及控制系统作为一个整体来进行分析和设计。 控制任务或目标的复杂性表现在多重性（多目标）和时变性，一个复杂任务的确定需要多次的 反复，而且还包括任务所含信息的处理过程，也即任务集合的处理。传统控制方法的控制任务要求 比较