摘要：智能控制（intelligent controls）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。控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，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。本文是对人工智能一个较全面的综述。 关键词:智能控制，人工智能，智能控制的发展，智能控制展望
一、前言
人类的进化归根结底是智能的进化，而智能反过来又为人类的进步服务。我们学习与研究智能系统、智能机器人和智能控制等，其目的就在于创造和应用智能技术和智能系统，从而为人类进步服务。因此，可以说对智能控制的钟情、期待、开发和应用，是科技发展和人类进步的必然趋势。在科学技术发展史上，控制科学同其他技术科学一样，它的产生与发展主要由人类的生产发展需求和人类当时的知识水平所决定和限制的。
二、智能控制发展概述
1、萌芽期(1960~1970)
20世纪60年代，控制学者在研究复杂系统的控制过程中，为了提高控制系统的自组织、自学习能力，开始将人工智能技术引入控制系统。 60年代初期，F.W.Smith采用性能模式识别器来学习最优控制方法，试图利用
模式识别技术来解决复杂系统的控制问题。
1965年，美国Zadeh提出了模糊集合理论，为解决复杂系统的控制问题提供了强有力的数学工具。同年，美国的Feigenbaum着手研制世界上第一个专家系统。傅京孙教授提出将人工智能中的直觉推理方法用于学习控制系统。
1966年，Mendel将人工智能技术应用于空间飞行器的学习控制中。
1967年，Leondes和Mendel首先使用“智能控制”一词，并把记忆、目标分解等一些简单的人工智能技术用于学习控制系统，提高了系统处理不确定问题的能力。
2、形成期（1970~1980）
70年代初期，傅京孙等人正式提出了智能控制是人工智能技术与控制理论的交叉，并创立了人-机交互式分级递阶智能控制的系统结构。在核反应堆、城市交通的控制中成功地应用了智能控制系统。
70年代中期，智能控制在模糊控制的应用上取得重要的进展。
1974年，Mamdani将模糊集理论和模糊语言逻辑用于控制，创立了基于模糊语言描述控制规则的模糊控制器，并被成功地应用于工业过程控制。1979年，Mamdani又成功研制出自组织模糊控制器，使得模糊控制器具有了较高的智能。
模糊控制的形成和发展对智能控制理论的形成起了十分重要的推动作用。
3、发展期（1980至今）
进入80年代，专家系统技术的逐渐成熟和神经网络研究的重大突破，使得智能控制的研究和应用领域逐步扩大。
1982年，Fox等人实现加工车间调度专家系统。同年，Hopfield给出了神经网络的稳定性判据，提出了联想记忆和优化计算的新途径，使神经网络的研
究取得突破性进展。
1983年，Saridis把智能控制用于机器人的控制。1984年，LISP公司研制出分布式实时过程控制专家系统。
育苗袋
1985年，IEEE在纽约召开了第一届全球智能控制学术会议，标志着智能控制作为一个学科分支正式被学术界接受。
1986年，Rumelhart等人提出了误差反向传播神经网络。
1987年以后，每年举行一次全球智能控制研讨会，形成了智能控制的研究
热潮。
90年代以后，智能控制的研究势头异常迅猛，智能控制的应用研究领域由
工业过程控制扩展到军事、航天等高科技领域和日用家电领域。
三、 智能控制系统体系框架
1、模糊控制背板制作
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
2、专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
3、神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通
过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
4、学习控制
(1)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、交叉、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内进行搜索,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范围,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。
(2)迭代学习控制
迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。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。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈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。
四、理论、算法、技术的概述
通用积分（1）、随着人工智能和计算机技术的发展，已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支（如系统工程、系统学、运筹学、信息论）结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段，也是用计算机模拟人类智能进行控制的研究领域。1965年，傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年，在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议，标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。
智能控制与传统的或常规的控制有密切的关系，不是相互排斥的. 常规控制往往包含在智能控制之中，智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制
方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题.
① 传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，比如工业过程的病态结构问题、某些干扰的无法预测，致使无法建立其模型，这些问题对基于模型的传统自动控制来说很难解决。
② 传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息。另外，通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况。 为扩大信息通道，就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器，即文字、声音、物体识别装置。 可喜的是，近几年计算机及多媒体技术的迅速发展，为智能控制在这一方面的发展提供了物质上的准备,使智能控制变成了多方位“立体”的控制系统。
③ 传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统），要么使输出
量跟随期望的运动轨迹（跟随系统），因此具有控制任务单一性的特点，而智能控制系统的控制任务可比较复杂，例如在智能机器人系统中，它要求系统对一个复杂的任务具有自动规划和决策的能力，有自动躲避障碍物运动到某一预期目标位置的能力等.。对于这些具有复杂的任务要求的系统，采用智能控制的方式便可以满足。
④ 传统的控制理论对线性问题有较成熟的理论，而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽人意。 而智能控制为解决这类复杂的非线性问题到了一个出路，成为解决这类问题行之有效的途径。 工业过程智能控制系统除具有上述几个特点外，又有另外一些特点，如被控对象往往是动态的，而且控制系统在线运动，一般要求有较高的实时响应速度等，恰恰是这些特点又决定了它与其它智能控制系统如智能机器人系统、航空航天控制系统、交通运输控制系统等的区别，决定了它的控制方法以及形式的独特之处。
⑤ 与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力。
⑥ 与传统自动控制系统相比，智能控制系统能以知识表示的非数学广义模型和以数学表示
的混合控制过程，采用开闭环控制和定性及定量控制结合的多模态控制方式。
⑦ 与传统自动控制系统相比，智能控制系统具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力。
⑧ 与传统自动控制系统相比，智能控制系统有补偿及自修复能力和判断决策能力。
（2）、遗传算法简称GA(GeneticA1gorithms)，是1962年由美国Michigan大学H011and教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是：将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉变异繁殖等操作获得待优化函数的最优或近似最优解在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题遗传算法具有可扩展性，可以。同专家系统模糊控制和神经网络结合，为智能控制的研究注、入新的活力如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。
遗传算法的特点为：
能量传送器1）以决策变量的编码作为运算对象
2）直接以目标函数值作为搜索信息
3）同时进行解空间的多点搜索
4）使用自适应的概率搜索技术
（3）、智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁算法、免疫算法等。
五、总结和展望
随着智能控制应用方法的日益成熟，智能控制的研究领域必将进一步扩大。除了高级机器人、过程智能控制和智能故障诊断外，下列领域将成为新的应用领域：交通控制(如高速列车、汽车运输、飞机飞行控制等)，医疗过程控制、商业、农业、文化教育和娱乐等。
切筋
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议