自动控制、现代控制与智能控制的关系

....word.zl.自动控制、现代控制与智能控制的关系一、根本区别控制理论开展至今已有100多年的历史，经历了“经典控制理论〞和“现代控制理论〞的开展阶段，已进入“大系统理论〞和“智能控制理论〞阶段。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。自动控制理论中建立在频率响应法和根轨迹法根底上的一个分支。经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输入输出特性〔主要是传递函数〕为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 控制装置。经典控制理论的数学根底是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法根底上的一种控制理论，是自动控制理论的一个主要组成局部。在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进展的，根本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进展。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。智能控制〔intelligentcontrols〕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。二、华山论剑：自动控制的机遇与挑战传统控制理论在应用中面临的难题包括：(1)传统控制系统的设计与分析是建立在系统准确数学模型的根底上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得准确的数学模型；(2)研究这类系统时，必须提出并遵循一些比较苛刻的假设，而这些假设在应用中往往与实际不相吻合；(3)对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；(4)为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会(NSF)及电气与电子工程师学会(1EEE)的控制系统学会在加利福尼亚州桑克拉拉大学(UniversityofSantaClare)联合组织了一次名为“对控制的挑战〞的专题 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 会。有50多位知名的自动控制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了?对控制的挑战——集体的观点?，洋洋数万言，简直成为这一挑战的宣言书。到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战呢?在自动控制开展的现阶段，存在一些至关重要的挑战是基于以下原因的：(1)科学技术间的相互影响和相互促进，例如，计算机、人工智能和超大规模集成电路等技术：(2)当前和未来应用的需求，例如，空间技术、海洋工程和机器人技术等应用要求；(3)根本概念和时代进程的推动，例如，离散事件驱动、信息高速公路、非传统模型和人工神经网络的连接机制等。面对这一挑战，自动控制工作者的任务就是：(1)扩展视野、开展新的控制概念和控制方法，采用非完全模型控制系统；(2)采用在开场时知之甚少和不甚正确的，但可以在系统工作过程中加以在线改进，使之知之较多和愈臻正确的系统模型；从这些任务可以看出，系统与信息理论以及人工智能思想和方法将深入建模过程，不把模型视为固定不变的，而是不断深化的实体。所开发的模型不仅含有解析与数值，而且包含定性和符号数据。它们是因果性的和动态的，高度非同步的非解析的，甚至是非数值的。对于非完全的系统和非传统数学模型描述的系统，必须建立包括控制律、控制算法、控制策略、控制规那么和协议等理论。实质上，这就是要建立智能控制系统模型，或者建立传统解析和智能方法的混合(集成)控制模型，而其核心就在于实现控制器的智能化。面临挑战的控制领域有：多变量鲁棒控制、自适应控制和容错(Fault—Tolerant)控制，高度非线性控制和多因素或分散随机控制、时空分布参数系统的控制、含有离散变量和离散事件动态系统的控制、信号处理和通信技术、分布信息处理及决策构造的综合设计方法、控制系统的集成设计及实验环境和实现等。这些挑战领域所研究的问题，广泛地存在于工程技术应用中。例如：航天器和水下运动载体的恣态控制、先进飞机的自主控制、空通控制、汽车自动驾驶控制和多模态控制、机器人和机械手的运动和作业控制、计算机集成与柔性加工系统、高速计算机通信系统或网络、基于计算机视觉和模式识别的在线控制以及电力系统和其它系统或设备的故障自动检测、诊断与自动恢复系统等。上述领域面临问题的解决，不仅需要开展控制理论与方法，而且需要开发与应用计算机科学与工程的最新成果。进入90年代以来计算机科学在工业控制中的应用问题已引起学术界越来越广泛的重视与深入研究。其中，最有代表性的是由IEEE控制系统学会和国际自动控制联合会(1FAC)理论委员会合作进展的题为“计算机科学面临工业控制应用的挑战〞的研究 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。该合作研究方案指出：开发大型的实时控制与信号处理系统是工程界面临的最具挑战的任务之一，这涉及硬件、软件和智能(尤其是算法)的结合，而系统集成又需要先进的工程管理技术。设立这一迎接挑战的研究方案基于以下几个因素：(1)工业部门往往无法有效地把数学技术的最新进展用于控制和信号处理，以便提高实时系统的智能水平(IntelligentLevel)；(2)控制学术界又常常不清楚如何在工业上控制控制系统硬件、软件和智能三者的集成开发，自动控制界和计算机科学界在工业和学术两方面的对话与有效合作仍然是个需要进一步解决的问题；(3)在开发大型的实时系统时，了解硬件、软件和智能应如何结合以及该系统的算法应如何设计；(4)评价由收集专家经历或利用数学模型以及依靠控制和信号处理的数学技术而得到的智能的相关价值；(5)建议重新树立控制和计算机科学的传统学术形象，以求组成一个更加统一的实时与动态系统科学。智能控制的产生和开展为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科，它的开展已促进自动控制向着更高的水平——智能控制(IntelligentContro1)开展。人工智能和计算机科学界已经提出一些方法、例如和技术，用于解决自动控制面临的难题。例如，简化处理松散构造的启发式软件方法(专家系统外壳、面向对象程序设计和再生软件等)；基于角色(Actor)或媒介(Agent)的处理超大规模系统的软件模型；模糊信息处理与控制技术以及基于信息论和人工神经网络的控制思想和方法等。智能控制是一种能更好地模仿人类智能的、非传统的控制方法，它采用的理论方法那么主要来自自动控制理论、人工智能和运筹学等学科分支。容包括最优控制、自适应控制、鲁棒控制、神经网络控制、模糊控制、仿人控制等。其控制对象可以是系统也可以是未知系统，大多数的控制策略不仅能抑制外界干扰、环境变化、参数变化的影响，还能有效地消除模型化误差的影响。三、珠峰对决：本质上的关系最本质的区别是解决问题的思路不一样。经典控制与现代控制虽然看起来完全不同，但是本质上都一样，就是建立控制对象的数学模型，然后设计一个数学模型形式的控制器到达控制目的，区别只是前者建立的是微分方程或者叫做pid控制，后者建立的是状态方程，类似于数学当中的线性微分方程组。而最优控制，鲁棒控制等问题不管是基于经典控制理论还是基于现代控制理论，都脱离不了本质——必须建立被控对象的数学模型，也包括02年提出的foc控制。智能控制那么采取的是全新的思路。它采取了人的思维方式，建立逻辑模型，使用类似人脑的控制方法来进展控制。智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为根底,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。　　专家系统专家系统是利用专家知识对专门的或困难的问题进展描述.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、构造或环境的最优控制。　　神经网络神经网络是利用大量的神经元按一定的拓扑构造和学习调整方法.它能表示出丰富的特性：并行计算、分布存储、可变构造、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、构造或环境的自适应、自组织、自学习等控制方面具有独特的能力.神经网络可以和模糊逻辑一样适用于任意复杂对象的控制,但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出系统的多变量控制.在模糊逻辑表示的SIMO系统和MIMO系统中,其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现.模糊神经网络技术和神经模糊逻辑技术：模糊逻辑和神经网络作为智能控制的主要技术已被广泛应用.两者既有一样性又有不同性.其一样性为：两者都可作为万能逼近器解决非线性问题,并且两者都可以应用到控制器设计中.不同的是：模糊逻辑可以利用语言信息描述系统,而神经网络那么不行;模糊逻辑应用到控制器设计中,其参数定义有明确的物理意义。　　智能变送器掌上编程器因而可提出有效的初始参数选择方法;神经网络的初始参数(如权值等)只能随机选择.但在学习方式下,神经网络经过各种训练,其参数设置可以到达满足控制所需的行为.模糊逻辑和神经网络都是模仿人类大脑的运行机制,可以认为神经网络技术模仿人类大脑的硬件,模糊逻辑技术模仿人类大脑的软件.根据模糊逻辑和神经网络的各自特点,所结合的技术即为模糊神经网络技术和神经模糊逻辑技术.模糊逻辑、神经网络和它们混合技术适用于各种学习方式智能控制的相关技术与控制方式结合或综合穿插结合,构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点。　　智能控制主要应用存在的情况：实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得准确的数学模型。应用传统控制理论进展控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。四、智能控制在各行各业的应用：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展控制器设计，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。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准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展动态环境建模，利用传感器融合技术来进展信息的预处理和综合。可采用专家系统的“Then-If〞逆向推理作为反响机构，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，进展在线的模式识别，处理那些可能是残缺不全的信息。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展优化，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。五、智能控制类型及介绍1.人工神经网络控制系统　　神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络;或由大量象生物神经元的处理单元并联互连而成.这种神经网络具有某些智能和仿人控制功能.　　学习算法是神经网络的主要特征，也是当前研究的主要课题.学习的概念来自生物模型，它是机体在复杂多变的环境中进展有效的自我调节.神经网络具备类似人类的学习功能.一个神经网络假设想改变其输出值，但又不能改变它的转换函数，只能改变其输人,而改变输人的唯一方法只能修改加在输人端的加权系数.　　神经网络的学习过程是修改加权系数的过程，最终使其输出到达期望值，学习完毕.常用的学习算法有：Hebb学习算法，widrowHoff学习算法，反向传播学习算法一BP学习算法，Hopfield反响神经网络学习算法等。2.模糊控制系统　　所谓模糊控制，就是在被控制对象的模糊模型的根底上，运用模糊控制器近似推理手段，实现系统控制的一种方法.模糊模型是用模糊语言和规那么描述的一个系统的动态特性及性能指标.　　模糊控制的根本思想是用机器去模拟人对系统的控制.它是受这样事实而启发的：对于用传统控制理论无法进展分析和控制的复杂的和无法建立数学模型的系统，有经历的操作者或专家却能取得比较好的控制效果，这是因为他们拥有日积月累的丰富经历，因此人们希望把这种经历指导下的行为过程总结成一些规那么，并根据这些规那么设计出控制器.然后运用模糊理论，模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成对这些规那么的具体实现，到达以机器代替人对某些对象进展自动控制的目的。　　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。3.学习控制系统　　学习是人类的主要智能之一，人类的各项活动也需要学习.在人类的进化过程中,学习功能起着十分重要的作用.学习控制正是模拟人类自身各种优良的控制调节机制的一种尝试.所谓学习是一种过程，它通过重复输人信号，并从外部校正该系统，从而使系统对特定输人具有特定响应.学习控制系统是一个能在其运行过程中逐步获得受控过程及环境的非预知信息，积累控制经历，并在一定的评价标准下进展估值，分类，决策和不断改善系统品质的自动控制系统。4.遗传算法学习控制　　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、穿插、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进展搜索，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。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、构造或环境的最优控制。5.迭代学习控制　　迭代学习控制模仿人类学习的方法、即通过屡次的训练，从经历中学会某种技能，来到达有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制构造由线性反响控制器和前馈学习补偿控制器组成，其中线性反响控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。六、智能控制的影响　　自1971年傅京教授提出“智能控制〞概念以来，智能控制已经从二元论(人工智能和控制论)开展到四元论(人工智能、模糊集理论、运筹学和控制论)，在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的开展和完善。智能控制是多学科穿插的学科，它的开展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的开展，同时也促进了相关学科的开展。智能控制也是开展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。随着科学技术的开展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的开展和完善。教育之通病是教用脑的人不用手，不教用手的人用脑，所以一无所能。教育革命的对策是手脑联盟，结果是手与脑的力量都可以大到不可思议。