智能控制

智能控制是一種智能信息處理系統、智能信息反饋和智能控制決策的控制模式是控制理論發展的高級階段，主要用于解決傳統方法難以解決的復雜系統的控制問題。智能控制研究對象的主要特征是具有不確定性的數學模型、高度非線性和復雜的任務要求。

智能控制的想法出現在20世紀60年代。當時，學習控制的研究非常活躍，并得到了很好的應用。例如，已經開發了自學習和自適應方法來解決控制系統的隨機特性和模型未知問題；1965年美國普渡大學傅孫靜(K．S．Fu)教授首先將人工智能的啟發式推理規則應用于學習控制系統；1966年美國孟德爾(J．M．Mendel)首先，倡導將人工智能用于航天器控制系統的設計。

1967年，美國里昂德斯(C．T．Leondes)人們第一次正式使用它“智能控制”一詞。1971年，傅討論了人工智能和自動控制之間的交叉關系。從此，自動控制和AI開始碰撞出火花，新的跨領域——智能控制建立并發展起來。

20世紀80年代，基于人工智能的規則表示和推理技術(尤其是專家系統)基于規則的專家控制系統發展很快，如瑞典的Ostrom(K．J．Astrom)專家控制，薩里，美國(G．M．Saridis)機器人控制中的專家控制。隨著20世紀80年代中期人工神經網絡研究的重新興起，控制領域的研究人員提出并迅速發展了人工神經網絡良好的非線性逼近特性、一種具有自學習和容錯特性的神經網絡控制方法。

隨著智能控制方法和技術的發展，智能控制正迅速走向各個專業領域，并應用于各種復雜被控對象的控制問題，如工業過程控制系統、機器人系統、現代制造系統、交通控制系統等。

定義一：智能控制是智能機器獨立實現目標的過程。智能機器定義為在結構化或非結構化熟悉或陌生的環境中，自主或交互執行人類指定的任務的機器。

定義二： K.J.Hostaux Romer認為，將人類的直覺推理試錯等智能形式化或模擬化，并用于控制系統的分析和設計，使其具有一定程度的智能，這就是智能控制。他還認為，自調節控制和自適應控制是智能控制的低級體現。

定義三：智能控制是一種無需人工干預就能驅動智能機器實現目標的自動控制，也是用計算機模擬人類智能的一個重要領域。

定義四：智能控制實際上只是研究和模擬人類智能活動及其控制和信息傳遞過程的規律，開發具有仿人智能的工程控制和信息處理系統。

基于控制理論的智能控制、計算機科學、人工智能、以運籌學等學科為基礎，相關的理論和技術得到了拓展，其中模糊邏輯得到了廣泛的應用、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技術。

專家系統是一種利用專家知識來描述專門或困難問題的控制系統。雖然專家系統已經成功地應用于解決復雜的高級推理，但專家系統的實際應用相對較少。

模糊邏輯用模糊語言來描述系統，既能描述應用系統的定量模型，又能描述應用系統的定性模型。模糊邏輯可以應用于任何復雜的對象控制。

遺傳算法作為一種不確定的準自然隨機優化工具，具有并行計算的特點、它可以與其他技術混合使用，作為智能控制的參數、結構或環境的最佳控制。

神經網絡是利用大量神經元按照一定的拓撲結構進行學習和調整的一種自適應控制方法。它可以表現出豐富的特性，包括并行計算、分布存儲、可變結構、高度容錯、非線性運算、自我組織、學習或自學習。這些特征是人們長期追求和期待的系統特征。智能控制中的神經網絡參數、結構或環境的適應、自組織、自學習和其他控制方面具有獨特的能力。

智能控制技術與控制模式的結合、或者集成組合形成不同風格和功能的智能控制系統和智能控制器，這也是智能控制技術的一個主要特征。

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，而是數學分析與知識體系相結合的廣義模型，是結合了各學科知識的控制系統。智能控制理論是以知識為基礎，建立被控動態過程的特征模式識別、基于經驗推理和智能決策的控制。

智能控制的研究對象具有以下特點：

1. 不確定模型

智能控制的研究對象通常具有嚴重的不確定性。這里所說的模型不確定性有兩層含義：第一，模型未知或了解不多；第二，模型的結構和參數可能在較大范圍內變化。

2.非線性高度 

對于高度非線性的控制對象，智能控制方法往往可以解決非線性系統的控制問題。

3.復雜的任務需求

對于智能控制系統，任務的要求往往是復雜的。

目前，智能控制廣泛應用于伺服系統，主要包括專家控制、模糊控制、學習控制、神經網絡控制、預測控制和其他控制方法。

智能控制與傳統控制的主要區別在于，傳統控制方法必須依賴于被控對象的模型，而智能控制可以解決非模型系統的控制問題。與傳統控制相比．

智能控制具有以下基本特征：

1)智能控制的核心是高層控制．能對復雜系統(如非線性、快時變、復雜多變量、環境擾動等)有效的全球控制．實現一般化問題的解決．并且具有很強的容錯性。

2)智能控制系統可以采用以知識表示的非數學概化模型和以數學表示的混合控制過程，采用開閉環控制與定性決策和定量控制相結合的多模態控制方式。

3)其基本目的是從系統功能和整體優化的角度對系統進行分析和綜合．為了達到預定的目標。智能控制系統具有變結構的特點，能夠搜索全局最優．具有自適應、自組織、自我學習和自我協調能力。

4)智能控制系統有足夠的關于人的控制策略、關于受控對象和環境的知識以及運用這些知識的能力。

5)智能控制系統具有補償和自修復能力以及判斷和決策能力。

智能控制的具體應用主要表現在以下幾個方面：

1)生產過程中的智能控制

生產過程中的智能控制主要包括局部智能控制和全局智能控制。

本地級智能控制是指在設計控制器的過程中將智能引入到單元中。智能PID控制器是研究的熱點，因為它在參數整定和在線自適應調整方面具有明顯的優勢，可以用來控制一些非線性的復雜對象。

全局智能控制主要是針對整個生產過程的自動化，包括整個操作過程的控制、過程的故障診斷、計劃流程操作處理異常等。

2)先進制造系統中的智能控制

智能控制廣泛應用于機械制造業。在現代先進制造系統中，需要依靠不完整和不準確的數據來解決困難或不可預測的情況人工智能技術為解決這一問題提供了一些有效的解決方案。

1)利用模糊數學、利用神經網絡方法對制造過程的動態環境進行建模，利用傳感器融合技術對信息進行預處理和綜合。

2)采用專家系統作為反饋機制，修改控制機制或選擇更好的控制方式和參數。

3)利用模糊集決策選擇機制選擇控制動作。

4)利用神經網絡的學習功能和并行處理信息的能力，對那些可能不完整的信息進行在線模式識別。

3)電力系統中的智能控制

電力系統中發電機、變壓器、電機和其他電氣設備的設計、生產、運行、控制是一個復雜的過程，國內外電氣工作者將人工智能技術引入到電氣設備的優化設計中、在故障診斷和控制中取得了良好的控制效果。

1)利用遺傳算法對電氣設備進行優化設計，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)應用于電氣設備故障診斷的智能控制技術具有模糊邏輯、專家系統和神經網絡。

3)智能控制在電流控制型PWM技術中的應用，是具有代表性的技術應用方向之一，也是新的研究熱點之一。