一、智能控制的提出
传统控制方法包括经典控制和现代控制——基于被控对象精确模型的控制方式,缺乏灵活性和应变能力,适于解决线性、时不变性等相对简单的控制问题。传统控制方法在实际应用中遇到很多难解决的问题,主要表现以下几点:
(1)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,无法获得精确的数学模型。
(2)某些复杂的和包含不确定性的控制过程无法用传统的数学模型来描述,即无法解决建模问题。
(3)针对实际系统往往需要进行一些比较苛刻的线性化假设,而这些假设往往与实际系统不符合。
(4)实际控制任务复杂,而传统的控制任务要求低,对复杂的控制任务,如智能机器人控制、社会经济管理系统等无能为力。
智能控制将控制理论的方法和人工智能技术灵活地结合起来,其控制方法适应对象的复杂性和不确定性。
二、智能控制的概念
1.智能控制三元论
智能控制是一门交叉学科,著名美籍华人傅京逊教授1971年首先提出智能控制是人工智能与自动控制的交叉,即二元论。美国学者G.N.Saridis1977年在此基础上引入运筹学,提出了三元论的智能控制概念,即IC=AC ∩ AI ∩ OR。式中各子集的含义为:IC—智能控制(Intelligent Control)、AI—人工智能(Artificial Intelligence),、AC—自动控制(Automatic Control)、OR—运筹学(Operational Research)。
人工智能(AI)是一个用来模拟人思维的知识处理系统,具有记忆、学习、信息处理、形式语言、启发推理等功能。自动控制(AC)描述系统的动力学特性,是一种动态反馈。运筹学(OR)是一种定量优化方法,如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。
三元论除了“智能”与“控制”外还强调了更高层次控制中调度、规划和管理的作用,为递阶智能控制提供了理论依据。所谓智能控制,即设计一个控制器,使之具有学习、抽象、推理、决策等功能,并能根据环境(包括被控对象或被控过程)信息的变化做出适应性反应,从而实现由“人”来完成的任务。
2.智能控制研究对象特点
智能控制研究对象的特点如下:
1.不确定性的模型: 智能控制适合于不确定性对象的控制,不确定性包括两层意思:一是模型未知或知之甚少;二是模型的结构和参数可能在很大范围内变化。
2.高度的非线性: 采用智能控制方法可以较好地解决非线性系统的控制问题。
3.复杂的任务要求:例如,智能机器人要求控制系统对一个复杂的任务具有自行规划和决策的能力,有自动躲避障碍运动到期望目标位置的能力。
智能控制实际是研究与模拟智能活动,及其控制与信息传递过程的规律,研制具有仿自然智能的工程控制与信息处理系统的一个新兴分支学科。
3.三种类型智能控制系统
(1)人作为控制器的控制系统:人作为控制器的控制系统具有自学习、自适应和自组织的功能;
(2)人—机结合作为控制器的控制系统:机器完成需要连续进行的并需快速计算的常规控制任务,人则完成任务分配、决策、监控等任务;
(3)无人参与的自主控制系统:为多层的智能控制系统,需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。如自主机器人。
4.智能控制算法几大重要分支
(1)模糊控制:采用模糊系统可充分逼近任意复杂的非线性系统,基于模 糊系统逼近的自适应模糊控制是模糊控制的更高形式。
(2)神经网络控制:采用神经网络可充分逼近任意复杂的非线性系统,基于神经网络逼近的自适应神经网络控制是神经网络控制的更高形式。
(3)智能搜索算法:如遗传算法、粒子群算法、差分进化算法等优化算法都是通过模拟自然现象和过程来实现,其优点和机制的独特,为具有搜索问题提供了切实可行的解决方案。
5.智能控制的特点
(1)学习功能:智能控制器能通过从外界环境所获得的信息进行学习,不断积累知识,使系统的控制性能得到改善;
(2)适应功能:智能控制器具有从输入到输出的映射关系,可实现不依赖于模型的自适应控制,当系统某一部分出现故障时,也能进行控制;
(3)自组织功能:智能控制器对复杂的分布式信息具有自组织和协调的功能,当出现多目标冲突时,它可以在任务要求的范围内自行决策,主动采取行动。
(4)优化能力:智能控制能够通过不断优化控制参数和寻找控制器的最佳结构形式,获得整体最优的控制性能。
三、模糊控制
1.模糊控制的特点
(1)模糊控制不需要被控对象的数学模型。
(2)模糊控制是一种反映人类智慧的智能控制方法。
(3)模糊控制易于被人们接受。
(4)实现容易。模糊控制规则易于软件实现。
(5)鲁棒性和适应性好。
2.模糊算子
3.隶属函数
4.模糊推理
常用的有两种模糊条件推理语句(句式):
If A then B else C;If AAND B then C,模糊推理语句“If A AND B then C”确定了三元模糊关系R:
T1拉直后需要转秩,T2拉直后无需转秩。
5.隶属函数的确定方法
模糊统计法:根据所提出的模糊概念进行调查统计,提出与之对应的模糊集A,通过统计实验,确定不同元素隶属于A的程度
主观经验法:当论域为离散论域时,可根据主观认识,结合个人经验,经过分析和推理,直接给出隶属度。这种确定隶属函数的方法已经被广泛应用。
神经网络法:利用神经网络的学习功能,由神经网络自动生成隶属函数,并通过网络的学习自动调整隶属函数的值。
四、模糊逻辑控制
1.模糊控制器的组成
(1)模糊化接口(Fuzzy interface)
将定量输入转换为一个模糊矢量
e={负大,负小,零,正小,正大}={NB, NS,ZO, PS, PB}
e={负大,负中,负小,零,正小,正中,正大}={NB, NM, NS, ZO, PS, PM, PB}
e={负大,负中,负小,零负,零正,正小,正中,正大}={NB, NM, NS, NZ,PZ, PS, PM,PB}
(2)知识库(Knowledge Base—KB)
由数据库和规则库两部分构成。
数据库所存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值(即经过论域等级离散化以后对应值的集合),若论域为连续域则为隶属度函数。在规则推理的模糊关系方程求解过程中,向推理机提供数据。
规则库是用来存放全部模糊控制规则的,在推理时为“推理机”提供控制规则。模糊规则通常由一系列的关系词连接而成,如if-then、else、also、end、or等,关系词必须经过“翻译”才能将模糊规则数值化。
(3)推理与解模糊接口 (Inference and Defuzzy interface)
推理是模糊控制器中,根据输入模糊量,由模糊控制规则完成模糊推理,并获得模糊控制量的功能部分。Zadeh近似推理,它包含有正向推理和逆向推理两类。正向推理常被用于模糊控制中,而逆向推理一般用于知识工程学领域的专家系统中。
2.模糊控制器(SISO)设计示例(水位)
(1)确定观测量和控制量(输入&输出)
将当前水位对于O点的偏差e作为观测量。
控制量:逻辑阀门开度
(2)输入量和输出量的模糊化
(3)模糊规则的描述
根据日常的经验,设计模糊规则,并用“IF A THEN B”形式来描述,以得到模糊控制表。
(4)求模糊关系
模糊控制规则是一个多条语句,它可以表示为U×V上的模糊子集,即模糊关系R:
R= (NBe× NBu)∪(NSe× NSu)∪(Oe× Ou) ∪ (PSe × PSu) ∪ (PBe×PBu)
其中规则内的模糊集运算取交集,规则间的模糊集运算取并集。
(5)模糊决策
(6)控制量的反模糊化
即对题意进行解释回答(按照隶属度最大原则找出分子最大项的分母)
3.模糊控制器的常见分类
4.常用的反模糊方法
(1)最大隶属度法
选取推理结果模糊集合中隶属度最大的元素作为输出值,如果在输出论域V中,其最大隶属度对应的输出值多于一个,则取所有具有最大隶属度输出的平均值。最大隶属度法不考虑输出隶属度函数的形状,只考虑最大隶属度处的输出值。因此,难免会丢失许多信息。
(2)重心法
重心法是取隶属度函数曲线与横坐标围成面积的重心为模糊推理的最终输出值。与最大隶属度法相比较,重心法具有更平滑的输出推理控制。即使对应于输入信号的微小变化,输出也会发生变化。
(3)加权平均法
5.模糊自适应整定PID控制
(1)比例系数Kp的作用是调节系统的响应速度、调节精度。Kp越大,系统的响应速度越快,系统的调节精度越高,但易产生超调,甚至会导致系统不稳定。
(2)积分作用系数 Ki的作用是消除系统的稳态误差。Ki越大,系统的静态误差消除越快,但Ki过大,在响应过程的初期会产生积分饱和现象,从而引起响应过程的较大超调。
(3)微分作用系数Kd的作用是改善系统的动态特性,其作用主要是在响应过程中抑制偏差向任何方向的变化,对偏差变化进行提前预报。Kd过大,会使响应过程提前制动,从而延长调节时间,而且会降低系统的抗干扰性能。