1 第一章绪论.ppt

《1 第一章绪论.ppt》由会员分享，可在线阅读，更多相关《1 第一章绪论.ppt（58页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第一章 绪 论一、控制理论发展简况二、智能控制简介 在现代科学技术的众多领域中，自动控制技术起着越来越重要的作用。所谓自动控制，就是在没有人直接参与的情况下，利用外加的设备或装置（控制装置），使机器、设备或生产过程（控制对象）的某个工作状态或参数（被控量）自动地按照预定的规律运行。如数控车床按预定程序自动切削，人造卫星准确进入预定轨道并回收等。自动控制技术及其应用 自动控制技术除了在工业上广泛应用外，近几十年来，随着计算机技术的发展和应用，在宇航、机器人控制、导弹制导及核动力等高新技术领域中，自动控制技术更具特别重要的作用。不仅如此，自动控制技术的应用范围现在已扩展到生物、医学、环境、经济管理

2、和其它许多社会生活领域中，自动控制已成为现代社会生活中不可缺少的一部分。自动控制：是指在没有人直接参与的情况下，利用控制装置使被控对象（如机器、设备或生产过程）的一个或数个物理量（如电压、电流、速度、位置、温度、流量、化学成分等）自动的按照预定的规律运行（或变化）。自动控制系统：是指能够对被控对象的工作状态进行自动控制的系统。它一般由控制装置和被控对象组成。被控制对象是指那些要求实现自动控制的机器、设备或生产过程。控制装置是指对被控对象起控制作用的设备总体。第一节 控制理论发展简况 1 1、经典控制理论、经典控制理论 2 2、现代控制理论、现代控制理论 3 3、智能控制、智能控制1、经典控制理

3、论（1）主要用于线性定常系统的研究，即用于常系数线性微分方程描述的系统的分析与综合；（2）只用于单输入，单输出的反馈控制系统；（3）只讨论系统输入与输出之间的关系，而忽视系统的内部状态，是一种对系统的外部描述方法。应该指出的是，反馈控制是一种最基本最重要的控制方式，引入反馈信号后，系统对来自内部和外部干扰的响应变得十分迟钝，从而提高了系统的抗干扰能力和控制精度。与此同时，反馈作用又带来了系统稳定性问题，正是这个曾一度困扰人们的系统稳定性问题激发了人们对反馈控制系统进行深入研究的热情，推动了自动控制理论的发展与完善。因此从某种意义上讲，古典控制理论是伴随着反馈控制技术的产生和发展而逐渐完善和成熟

4、起来的。2、现代控制理论 由于经典控制理论只适用于单输入、单输出的线性定常系统，只注重系统的外部描述而忽视系统的内部状态。因而在实际应用中有很大局限性。随着航天事业和计算机的发展，20世纪60年代初，在经典控制理论的基础上，以线性代数理论和状态空间分析法为基础的现代控制理论迅速发展起来。1954年贝尔曼（R.Belman)提出动态规划理论 1956年庞特里雅金（L.S.Pontryagin）提出极大值 原理 1960年卡尔曼（R.K.Kalman)提出多变量最优控制 和最优滤波理论 在数学工具、理论基础和研究方法上不仅能提供系统的外部信息（输出量和输入量），而且还能提供系统内部状态变量的信息。

5、它无论对线性系统或非线性系统，定常系统或时变系统，单变量系统或多变量系统，都是一种有效的分析方法。3、智能控制 近年来新发展起来的一种控制技术，是人工智能在控制上的应用。智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性提出来的，它的指导思想是依据人的思维方式和处理问题的技巧，解决那些目前需要人的智能才能解决的复杂的控制问题。被控对象的复杂性体现为:模型的不确定性，高度非线性，分布式的传感器和执行器，动态突变，多时间标度，复杂的信息模式，庞大的数据量，以及严格的特性指标等。智能控制是驱动智能机器自主地实现其目标的过程，对自主机器人的控制就是典型的例子而环境的复杂性则表现为变化

6、的不确定性和难以辨识。第二节 智能控制简介1、智能控制问题的提出2、智能控制的发展3、智能控制的几个重要分支4、智能控制系统的结构和特点1、智能控制问题的提出现代控制工程具有以下的一些特点：1、不确定性模型传统控制难以满足要求；2、高度的非线性；3、复杂的任务要求智能机器系统、复杂工业过程控制系统、计算机集成制造系统（CIMS）、航空航天控制系统、社会经济管理系统、环保及能源系统等等。现代控制系统的数学模型难以用传统的数学工具描述许多复杂的生产过程难以实现的目标控制，通过熟练的操作工、技术员或专家可以获得满意控制效果。如何把专家的经验同控制系统联系起来是智能控制理论的目标 智能控制的概念主要是

7、针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的。一方面，实现大规模复杂系统的控制要求；另一方面，计算机技术、人工智能和微电子学等学科的高速发展。产生了智能控制以工业机器人控制为背景提出了智能控制智能控制还处于开创的研究阶段，缺乏系统化的理论基础。2、智能控制的发展智能控制是一门新的学科包含人工智能、认知科学、现代自适应控制、最优控制、神经元网络、学习理论、生物控制和激励学习等等；1971年，K.S.FU提出了三种智能系统：1、人作为控制器的控制系统 2、人-机结合作为控制器的控制系统 3、无人参与的自主控制系统机器人 多层的智能控制系统人作为控制器的控制系统操纵驾驶杆以瞄准目标的

8、手动控制系统。这里，人作为控制器包含在闭环控制回路内。由于人具有识别、决策、控制等功能因此对于不同的控制任务及不同的对象和环境情况，具有自学习、自适应和自组织的功能，自动采用不同的控制策略以适应不同的情况。显然，这样的控制系统属于智能控制系统。人机结合作为控制器的控制系统 在这样的控制系统中，机器(主要是计算机)完成那些连续进行的需要快速计算的常规控制任务。人则主要完成任务分配、决策、监控等任务。上图表示了一个由人机结合作为控制器的遥控操作系统典型结构，它是另外一种类型的智能控制系统。无人参与的智能控制系统自主机器人 上图表示了斯坦福研究所(SRI)机器人系统的结构图。在该控制系统中，控制器主

9、要完成以下功能：问题求解和规划、环境建模、传感信息分析和反射响应。反射响应类似于常规控制器，它主要完成简单情况下的控制。该机器人本体内两个步进电机分别独立地驱动左右两个轮子，从而达到控制速度和方向的目的。在它前面装有摄像头利光学测距装置。本体与控制器之间通过无线方式进行通讯。该系统所要完成的典型任务是在它运行的环境中重新排列一些简单的物体。为了完成这个特定的任务，机器人系统必须在动作之前首先进行问题求解和规划，以获得一组基本动作序列，这些基本动作包括轮子运动、摄像头读数等。为了获得该动作序列以实现特定的任务，必须知道环境模型的知识，即执行一个基本动作后，环境的状态将如何变化。因此，通过分析使得

10、在执行一系列的基本动作后，被控制的过程能够最终达到所需要的状态。随着动作的执行，环境模型也随之发生改变。所以必须随时记录和更新环境模型的信息，这实际上便是学习的过程。为了获得环境的模型并能对它不断更新，必须有相应的传感器及信息处理系统。这里视觉传感系统是有关模型信息的主要来源。对于简单的任务和环境模型，可以采用动态规划的方法来获得最优解。但是对于复杂的环境，必须用模式识别的方法来进行分析，这时必须采用启发式的问题求解步骤来确定可行的动作序列，这个动作序列不一定是最优的，它可通过学习过程来不断地加以改进。2、智能控制的发展 G.N.萨里迪斯对智能控制的发展作出了重要贡献，他在l977年出版了“随

11、机系统的自组织控制”一书，1979年发表了综述文章“朝向智能控制的实现”。在这两篇著作中，他从控制理论发展的观点论述了从通常的反馈控制到最优控制、随机控制，再到自适应控制、自学习控制、自组织控制，并最终向智能控制这个更高阶段发展的过程。他首次提出了分层递阶的智能控制结构形式。整个控制结构由上往下分为三个层次：组织级、协调级和执行级。其控制精度由下往上逐级递减，智能程度由下往上逐级增加。他在理论上的一个重要贡献是定义了熵作为整个智能控制系统的性能度量，并对每一级定义了熵的计算方法，证明了在执行级的最优控制等价于使某种熵最小的控制方法。到80年代后期，他对原有的工作进行了重要的改进：采用神经元网络

12、中的Boltzman 机来实现组织级的功能，利用Petri 网作为工具来实现协调级的功能。信息熵：在多级递阶智能控制系统中，G.N.萨里迪斯提出用熵作为整个系统的一个性能测度。因为在不同的层次以不同的形式包含了运动的不确定性，而熵正是采用概率模型时不确定性的一个度量。分层递阶智能控制系统的设计问题可以看成是如下的过程，在自上而下精度渐增、智能逐减的分层递阶系统中，寻求正确的决策和控制序列以使整个系统的总熵极小。Petri 网：是近年来发展起来的一种既是图形的也是数学的建模工具。它主要用来描述和研究信息处理系统，这些系统往往具有以下特点；并发性、异步性、分布性和不确定性等。Petri 网的应用领

13、域很广，它可用于性能评价、通讯协议、柔性制造系统、离散事件系统、形式语言、多处理机系统、决策模型等。因此，Petri 网非常适用于在分层递阶智能控制系统中作为协调级的解析模型，利用该模型可以比较容易地将协调级中各模块之间的连接关系描述清楚。它也可以比较容易地处理在协调过程中所碰到的并发活动和冲突仲裁等问题。同时利用该模型既可以作定性的也可作定量的分析，这也是其它方法所难以做到的。2、智能控制的发展在智能控制的发展过程中，另外一个值得一提的著名学者是K.J.奥斯特洛姆。他在1986 年发表的“专家控制”的著名文章中，将人工智能中的专家系统技术引入到控制系统中，组成了另外一种类型的智能控制系统。借

14、助于专家系统技术，他将常规的PID 控制、自适应控制等各种不同的控制方法有机地组合在一起，根据不同的情况分别采用不同的控制策略。这种方法在实际中取得了明显的效果。虽然专家控制在理论上并没有新的发展列突破，但是，它作为智能控制的一种形式，在实际上有着很广阔的应用前景。2、智能控制的发展n1965年美国加州大学控制专家L.A.Zadeh提出了模糊集的理论1968年提出了模糊算法1973年发表语言与模糊结合的系统建立方法1979年T.J.Procky和E.H.Mamdani共同提出子学习概念1983年日本富士电机开创了模糊控制的第一项应用（水净化处理）1989年将模糊控制应用到消费品中去模糊控制例如

15、：模糊洗衣机2、智能控制的发展n1985年在美国纽约成立了IEEE智能控制专业委员会；n1987年1月在美国费城召开了第一届有关智能控制的国际会议；2、智能控制的发展近年来，神经网络的研究得到了越来越多的关注和重视。它在控制中的应用也是其中的一个主要方面。由于神经网络在许多方面试图模拟人脑的功能，因此神经网络控制并不依赖于精确的数学模型，而显示出具有自适应和自学习的功能，因此它也是智能控制的一个重要方面。目前，神经元网络在机器人中的应用已经取得了很多成果。在我国重庆大学周其鉴等人从80 年代初开始仿人智能控制的研究，他们也为智能控制的发展作出了贡献。智能控制作为门新兴学科，现在还只是处于它的发

16、展初期。机器人应用的一个重要领域。3、智能控制的几个重要分支专家系统和专家控制模糊控制神经元网络控制学习控制专家系统和专家控制（一）现在人工智能领域应用最多的是专家系统。从本质上来看，专家系统是由许多收集的规则组成，它清楚地表示了知识的结果规则的最简单形式是IF-THEN的结构。它由控制机制、推理机制、知识库三部分组成。专家系统和专家控制（二）控制机制 决定控制过程的策略，既控制哪一个规则被激活，什么时候被激活 专家系统和专家控制（三）推理机制 实现知识之间的逻辑推理以及与知识库的匹配专家系统和专家控制（四）知识库 包括事实、判断、规则、经验以及数学模型模糊控制模糊控制主要模仿人的控制而不依赖

17、控制对象的模型；模糊控制是介于逻辑控制和数值计算之间的数学工具兼有逻辑控制（0和1的控制）和数值计算（数值方法表达知识结构）的优点可用大规模的集成电路来实现模糊系统的控制；模糊控制有三部分：模糊化、模糊决策、精确计算将信息模糊化处理、经模糊推理规则得到模糊控制输出、将模糊指令进行精确化计算最终输出控制值；模糊系统不依赖模型（给一个输入就可以得到一个合适的输出）不需要精确的数学模型神经元网络控制 神经元控制是模拟人脑神经中枢的控制，具有适应能力和学习能力具有泛化功能；神经网络是可以训练的非线性动力学系统；神经网络通过神经元以及相互连接的权值，初步实现了生物神经系统的部分功能具有非线性映射的能力、

18、并行计算的能力、自学习的能力以及强鲁棒性学习控制（一）学学习习（TsypkinTsypkin）：通过重复各种输入信号，并从外部校正该系统，使系统对特定输入具有特定响应。学学习习控控制制系系统统：一个能在其运行过程中逐步获得被控过程及环境的非预知信息，积累控制经验，并在一定评价标准下进行估值、分类、决策和不断完善系统品质的自动控制系统。学习控制（二）分类：分类：迭代学习控制（可重复）迭代学习控制（可重复）自学习控制（不要求重复性）自学习控制（不要求重复性）遗传算法（遗传算法（GAGA算法算法）4、智能控制系统的结构和特点智能系统：具备一定智能行为的系统从系统的角度看，智能行为是一种从输入到输出的

19、映射关系，并不能用常规数学方法来精确地加以描述，因此它可以看成一种不依赖模型的自适应估计。智能系统的原理结构（一）通信接口感知信息处理传感器广义对象规划和控制执行器认知被控对象智能控制器智能系统的原理结构（二）广义对象：广义对象：包括通常意义下的控制对象和外部环境。如智能机器人系统中，机器人的手臂、被操作物体及所处环境统称广义对象。传感器：传感器：如关节位置传感器、力传感器视觉、传感器，距离觉传达室感器、触觉传感器等。智能系统的原理结构（三）感知信息处理：将传感器得到的原始住处加以处理如视觉信息要经过复杂的处理才能获得有用信息。认知：主要用来接收和贮存信息，知识，经验和数据，并对它们进行分析，

20、推理，作出行动的决策，送至规划和控制部分。智能系统的原理结构（四）通信接口：除建立人机之间的联系外，还建立系统中各模块之间的联系。规划和控制：是整个系统核心，它根据给定的任务要求，反馈的信息以及经验知识，进行自动搜索，推理决策，动作规划最终产生具体的控制作用，经执行器作用于控制对象。分层递阶结构从功能模块结构观点出发，G N萨里迪斯提出了分层递接结合的智能控制系统。智能控制系统的分层递阶结构（一）组织级协调级执行级对象识别智能控制系统的分层递阶结构（二）执执行行级级：一般需要比较准确的模型，以实现具有一定精度要求的控制任务。协协调调级级:用来协调等级的动作，不需要精确的模型，但需要具备学习功能

21、以便在再现的控制环境中改善性能，并能接受上一级的模糊指令和符号语言。智能控制系统的分层递阶结构（三）组组织织级级：将操作员的自然语言翻译成机器语言，进行组织决策和规划任务，并直接干预低层的操作。识识别别：对于执行级，识别的功能在于获得不确定的参数值，或监督系统参数的变化；对于协调级，识别的功能在于根据执行级送来的测量数据和组织级送来的指令产生合适的协调作用；对于组织级识别的功能在于翻译定性的命令和其他输入。智能控制系统的分层递阶结构（四）两个明显的特点：两个明显的特点：1)对控制而言，自上而下控制的精度愈来愈高。2)对识别而言，自下而上信息反馈愈来愈粗略，相应的智能程度也愈来愈高。智能控制系统

22、的特点智能控制系统一般具有以知识表示的非数学广义模型和以数学模型表示的混合控制过程。智能控制器具有分层信息处理和决策机构；智能控制器具有非线性和变结构特点；智能控制系统是一门新兴的边缘交叉学科，它需要许多相关学科的支援。一般说来，智能控制必须具有下面一些性能：学习功能（对环境信息的学习和对经验的估计、分类、决策）、适应功能（对环境的适应性）、组织功能（自行组织和协调，当多目标发生冲突时自行解决）。智能控制系统研究的数学工具传统控制理论和人工智能两方面的交叉和结合，它主要有以下几种形式：n符号推理与数值计算的结合n离散事件系统与连续时间系统分析的的结合n模糊集理论n神经元网络n优化理论 智能控制的交叉智能控制研究的数学工具：符号推理与数值计算相结合、离散事件与连续事件系统分析结合、模糊集理论、神经元网络理论、优化理论；智能控制是一门交叉学科：信息处理 形式语言 启发人工智能 学习 记忆 规划 调度 运筹学 管理 协调优化动力学动态反馈自动控制图1-3 智能控制的交叉