智能控制

智能控制的思想出現於20世紀60年代。當時，學習控制的研究十分活躍，並獲得較好的應用。如自學習和自適應方法被開發出來，用於解決控制系統的隨機特性問題和模型未知問題；1965年美國普渡大學傅京孫(K．S．Fu)教授首先把AI的啓發式推理規則用於學習控制系統；1966年美國門德爾(J．M．Mendel)首先主張將AI用於飛船控制系統的設計。

1967年，美國萊昂德斯(C．T．Leondes)等人首次正式使用“智能控制”一詞。1971年，傅京孫論述了AI與自動控制的交叉關係。自此，自動控制與AI開始碰撞出火花，一個新興的交叉領域——智能控制得到建立和發展。早期的智能控制系統採用比較初級的智能方法，如模式識別和學習方法等，而且發展速度十分緩慢。

扎德於1965年發表了著名論文“Fuzzy Sets”，開闢了以表徵人的感知和語言表達的模糊性這一普遍存在不確定性的模糊邏輯為基礎的數學新領域——模糊數學。1975年，英國馬丹尼(E．H．Mamdani)成功地將模糊邏輯與模糊關係應用於工業控制系統，提出了能處理模糊不確定性、模擬人的操作經驗規則的模糊控制方法。此後，在模糊控制的理論和應用兩個方面，控制專家們進行廠大量研究，並取得一批令人感興趣的成果，被視為智能控制中十分活躍、發展也較為深刻的智能控制方法。

20世紀80年代，基於AI的規則表示與推理技術(尤其是專家系統)基於規則的專家控制系統得到迅速發展，如瑞典奧斯特隆姆(K．J．Astrom)的專家控制，美國薩里迪斯(G．M．Saridis)的機器人控制中的專家控制等。隨着20世紀80年代中期人工神經網絡研究的再度興起，控制領域研究者們提出並迅速發展了充分利用人工神經網絡良好的非線性逼近特性、自學習特性和容錯特性的神經網絡控制方法。

隨着研究的展開和深入，形成智能控制新學科的條件逐漸成熟。1985年8月，IEEE在美國紐約召開了第一屆智能控制學術討論會，討論了智能控制原理和系統結構。由此，智能控制作為一門新興學科得到廣泛認同，並取得迅速發展。

近十幾年來．隨着智能控制方法和技術的發展，智能控制迅速走向各種專業領域，應用於各類複雜被控對象的控制問題，如工業過程控制系統、機器人系統、現代生產製造系統、交通控制系統等。 ^[2] 

智能控制的定義一： 智能控制是由智能機器自主地實現其目標的過程。而智能機器則定義為，在結構化或非結構化的，熟悉的或陌生的環境中，自主地或與人交互地執行人類規定的任務的一種機器。

定義二： K.J.奧斯托羅姆則認為，把人類具有的直覺推理和試湊法等智能加以形式化或機器模擬，並用於控制系統的分析與設計中，使之在一定程度上實現控制系統的智能化，這就是智能控制。他還認為自調節控制，自適應控制就是智能控制的低級體現。

定義三： 智能控制是一類無需人的干預就能夠自主地驅動智能機器實現其目標的自動控制，也是用計算機模擬人類智能的一個重要領域。

定義四： 智能控制實際只是研究與模擬人類智能活動及其控制與信息傳遞過程的規律，研製具有仿人智能的工程控制與信息處理系統的一個新興分支學科。

智能控制以控制理論、計算機科學、人工智能、運籌學等學科為基礎，擴展了相關的理論和技術，其中應用較多的有模糊邏輯、神經網絡、專家系統、遺傳算法等理論，以及自適應控制、自組織控制和自學習控制等技術。

專家系統是利用專家知識對專門的或困難的問題進行描述的控制系統。儘管專家系統在解決複雜的高級推理中獲得了較為成功的應用，但是專家系統的實際應用相對還是比較少的。

模糊邏輯用模糊語言描述系統，既可以描述應用系統的定量模型，也可以描述其定性模型。模糊邏輯可適用於任意複雜的對象控制。

遺傳算法作為一種非確定的擬自然隨機優化工具，具有並行計算、快速尋找全局最優解等特點，它可以和其他技術混合使用，用於智能控制的參數、結構或環境的最優控制。

神經網絡是利用大量的神經元，按一定的拓撲結構進行學習和調整的自適應控制方法。它能表示出豐富的特性，具體包括並行計算、分佈存儲、可變結構、高度容錯、非線性運算、自我組織、學習或自學習。這些特性是人們長期追求和期望的系統特性。神經網絡在智能控制的參數、結構或環境的自適應、自組織、自學習等控制方面具有獨特的能力。

智能控制的相關技術與控制方式結合、或綜合交叉結合，構成風格和功能各異的智能控制系統和智能控制器，這也是智能控制技術方法的一個主要特點。 ^[3] 

智能控制研究的主要目標不再是被控對象，而是控制器本身。控制器不再是單一的數學模型解析型，而是數學解析和知識系統相結合的廣義模型，是多種學科知識相結合的控制系統。智能控制理論是建立被控動態過程的特徵模式識別，基於知識、經驗的推理及智能決策基礎上的控制。一個好的智能控制器本身應具有多模式、變結構、變參數等特點，可根據被控動態過程特徵識別、學習並組織自身的控制模式，改變控制器結構和調整參數。 ^[4] 

智能控制的研究對象具備以下的一些特點：

1. 不確定性的模型

智能控制的研究對象通常存在嚴重的不確定性。這裏所説的模型不確定性包含兩層意思：一是模型未知或知之甚少；二是模型的結構和參數可能在很大範圍內變化。

2. 高度的非線性

對於具有高度非線性的控制對象，採用智能控制的方法往往可以較好地解決非線性系統的控制問題。

3. 複雜的任務要求

對於智能控制系統，任務的要求往往比較複雜。

目前智能控制在伺服系統應用中較多的，主要包括專家控制、模糊控制、學習控制、神經網絡控制、預測控制等控制方法。

智能控制與傳統控制的主要區別在於傳統的控制方法必須依賴於被控制對象的模型，而智能控制可以解決非模型化系統的控制問題。與傳統控制相比．

智能控制具有以下基本特點：

1)智能控制的核心是高層控制．能對複雜系統(如非線性、快時變、複雜多變量、環境擾動等)進行有效的全局控制．實現廣義問題求解．並具有較強的容錯能力。

2)智能控制系統能以知識表示的非數學廣義模型和以數學表示的混合控制過程，採用開閉環控制和定性決策及定量控制結合的多模態控制方式。

3)其基本目的是從系統的功能和整體優化的角度來分析和綜合系統．以實現預定的目標。智能控制系統具有變結構特點，能總體自尋優．具有自適應、自組織、自學習和自協調能力。

4)智能控制系統具有足夠的關於人的控制策略、被控對象及環境的有關知識以及運用這些知識的能力。

5)智能控制系統有補償及自修復能力和判斷決策能力。 ^[5] 

智能控制的具體應用主要表現在以下幾個方面：

生產過程中的智能控制主要包括局部級智能控制和全局級智能控制。

局部級智能控制是指將智能引入工藝過程中的某一單元進行控制器設計。研究熱點是智能PID控制器，因為其在參數的整定和在線自適應調整方面具有明顯的優勢，且可用於控制一些非線性的複雜對象。

全局級的智能控制主要針對整個生產過程的自動化，包括整個操作工藝的控制、過程的故障診斷、規劃過程操作處理異常等。

智能控制被廣泛地應用於機械製造行業。在現代先進製造系統中，需要依賴那些不夠完備和不夠精確的數據來解決難以或無法預測的情況，人工智能技術為解決這一難題提供了一些有效的解決方案。

(1)利用模糊數學、神經網絡的方法對製造過程進行動態環境建模，利用傳感器融合技術來進行信息的預處理和綜合。

(2)採用專家系統為反饋機構，修改控制機構或者選擇較好的控制模式和參數。

(3)利用模糊集合決策選取機構來選擇控制動作。

(4)利用神經網絡的學習功能和並行處理信息的能力，進行在線的模式識別，處理那些可能是殘缺不全的信息。

電力系統中發電機、變壓器、電動機等電機電器設備的設計、生產、運行、控制是一個複雜的過程，國內外的電氣工作者將人工智能技術引入到電氣設備的優化設計、故障診斷及控制中，取得了良好的控制效果。

(1)用遺傳算法對電器設備的設計進行優化，可以降低成本，縮短計算時間，提高產品設計的效率和質量。

(2)應用於電氣設備故障診斷的智能控制技術有模糊邏輯、專家系統和神經網絡。

(3)智能控制在電流控制PWM技術中的應用是具有代表性的技術應用方向之一，也是研究的新熱點之一。

近年來，智能控制技術在國內外已有了較大的發展，已進入工程化、實用化的階段。作為一門新興的理論技術，它還處在一個發展時期。隨着人工智能技術、計算機技術的迅速發展，智能控制必將迎來它的發展新時期。 ^[6]