智能控制

智能控制是一种智能信息处理系统、智能信息反馈和智能控制决策的控制模式是控制理论发展的高级阶段，主要用于解决传统方法难以解决的复杂系统的控制问题。智能控制研究对象的主要特征是具有不确定性的数学模型、高度非线性和复杂的任务要求。

智能控制的想法出现在20世纪60年代。当时，学习控制的研究非常活跃，并得到了很好的应用。例如，已经开发了自学习和自适应方法来解决控制系统的随机特性和模型未知问题；1965年美国普渡大学傅孙静(K．S．Fu)教授首先将人工智能的启发式推理规则应用于学习控制系统；1966年美国孟德尔(J．M．Mendel)首先，倡导将人工智能用于航天器控制系统的设计。

1967年，美国里昂德斯(C．T．Leondes)人们第一次正式使用它“智能控制”一词。1971年，傅讨论了人工智能和自动控制之间的交叉关系。从此，自动控制和AI开始碰撞出火花，新的跨领域——智能控制建立并发展起来。

20世纪80年代，基于人工智能的规则表示和推理技术(尤其是专家系统)基于规则的专家控制系统发展很快，如瑞典的Ostrom(K．J．Astrom)专家控制，萨里，美国(G．M．Saridis)机器人控制中的专家控制。随着20世纪80年代中期人工神经网络研究的重新兴起，控制领域的研究人员提出并迅速发展了人工神经网络良好的非线性逼近特性、一种具有自学习和容错特性的神经网络控制方法。

随着智能控制方法和技术的发展，智能控制正迅速走向各个专业领域，并应用于各种复杂被控对象的控制问题，如工业过程控制系统、机器人系统、现代制造系统、交通控制系统等。

定义一：智能控制是智能机器独立实现目标的过程。智能机器定义为在结构化或非结构化熟悉或陌生的环境中，自主或交互执行人类指定的任务的机器。

定义二： K.J.Hostaux Romer认为，将人类的直觉推理试错等智能形式化或模拟化，并用于控制系统的分析和设计，使其具有一定程度的智能，这就是智能控制。他还认为，自调节控制和自适应控制是智能控制的低级体现。

定义三：智能控制是一种无需人工干预就能驱动智能机器实现目标的自动控制，也是用计算机模拟人类智能的一个重要领域。

定义四：智能控制实际上只是研究和模拟人类智能活动及其控制和信息传递过程的规律，开发具有仿人智能的工程控制和信息处理系统。

基于控制理论的智能控制、计算机科学、人工智能、以运筹学等学科为基础，相关的理论和技术得到了拓展，其中模糊逻辑得到了广泛的应用、神经网络、专家系统、遗传算法等理论，以及自适应控制、自组织控制和自学习控制技术。

专家系统是一种利用专家知识来描述专门或困难问题的控制系统。虽然专家系统已经成功地应用于解决复杂的高级推理，但专家系统的实际应用相对较少。

模糊逻辑用模糊语言来描述系统，既能描述应用系统的定量模型，又能描述应用系统的定性模型。模糊逻辑可以应用于任何复杂的对象控制。

遗传算法作为一种不确定的准自然随机优化工具，具有并行计算的特点、它可以与其他技术混合使用，作为智能控制的参数、结构或环境的最佳控制。

神经网络是利用大量神经元按照一定的拓扑结构进行学习和调整的一种自适应控制方法。它可以表现出丰富的特性，包括并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习。这些特征是人们长期追求和期待的系统特征。智能控制中的神经网络参数、结构或环境的适应、自组织、自学习和其他控制方面具有独特的能力。

智能控制技术与控制模式的结合、或者集成组合形成不同风格和功能的智能控制系统和智能控制器，这也是智能控制技术的一个主要特征。

智能控制研究的主要目标不再是被控对象，而是控制器本身。控制器不再是单一的数学模型解析型，而是数学分析与知识体系相结合的广义模型，是结合了各学科知识的控制系统。智能控制理论是以知识为基础，建立被控动态过程的特征模式识别、基于经验推理和智能决策的控制。

智能控制的研究对象具有以下特点：

1. 不确定模型

智能控制的研究对象通常具有严重的不确定性。这里所说的模型不确定性有两层含义：第一，模型未知或了解不多；第二，模型的结构和参数可能在较大范围内变化。

2.非线性高度 

对于高度非线性的控制对象，智能控制方法往往可以解决非线性系统的控制问题。

3.复杂的任务需求

对于智能控制系统，任务的要求往往是复杂的。

目前，智能控制广泛应用于伺服系统，主要包括专家控制、模糊控制、学习控制、神经网络控制、预测控制和其他控制方法。

智能控制与传统控制的主要区别在于，传统控制方法必须依赖于被控对象的模型，而智能控制可以解决非模型系统的控制问题。与传统控制相比．

智能控制具有以下基本特征：

1)智能控制的核心是高层控制．能对复杂系统(如非线性、快时变、复杂多变量、环境扰动等)有效的全球控制．实现一般化问题的解决．并且具有很强的容错性。

2)智能控制系统可以采用以知识表示的非数学概化模型和以数学表示的混合控制过程，采用开闭环控制与定性决策和定量控制相结合的多模态控制方式。

3)其基本目的是从系统功能和整体优化的角度对系统进行分析和综合．为了达到预定的目标。智能控制系统具有变结构的特点，能够搜索全局最优．具有自适应、自组织、自我学习和自我协调能力。

4)智能控制系统有足够的关于人的控制策略、关于受控对象和环境的知识以及运用这些知识的能力。

5)智能控制系统具有补偿和自修复能力以及判断和决策能力。

智能控制的具体应用主要表现在以下几个方面：

1)生产过程中的智能控制

生产过程中的智能控制主要包括局部智能控制和全局智能控制。

本地级智能控制是指在设计控制器的过程中将智能引入到单元中。智能PID控制器是研究的热点，因为它在参数整定和在线自适应调整方面具有明显的优势，可以用来控制一些非线性的复杂对象。

全局智能控制主要是针对整个生产过程的自动化，包括整个操作过程的控制、过程的故障诊断、计划流程操作处理异常等。

2)先进制造系统中的智能控制

智能控制广泛应用于机械制造业。在现代先进制造系统中，需要依靠不完整和不准确的数据来解决困难或不可预测的情况人工智能技术为解决这一问题提供了一些有效的解决方案。

1)利用模糊数学、利用神经网络方法对制造过程的动态环境进行建模，利用传感器融合技术对信息进行预处理和综合。

2)采用专家系统作为反馈机制，修改控制机制或选择更好的控制方式和参数。

3)利用模糊集决策选择机制选择控制动作。

4)利用神经网络的学习功能和并行处理信息的能力，对那些可能不完整的信息进行在线模式识别。

3)电力系统中的智能控制

电力系统中发电机、变压器、电机和其他电气设备的设计、生产、运行、控制是一个复杂的过程，国内外电气工作者将人工智能技术引入到电气设备的优化设计中、在故障诊断和控制中取得了良好的控制效果。

1)利用遗传算法对电气设备进行优化设计，可以降低成本，缩短计算时间，提高产品设计的效率和质量。

2)应用于电气设备故障诊断的智能控制技术具有模糊逻辑、专家系统和神经网络。

3)智能控制在电流控制型PWM技术中的应用，是具有代表性的技术应用方向之一，也是新的研究热点之一。