智能控制

智能控制(Intelligent Controls)

　　智能控制是指驱动智能机器自主地实现其目标的过程，即是一类无需人的直接干预就能独立地驱动智能机器实现其目标的自动控制。其理论基础是人工智能、控制论、运筹学、和信息论等学科的交叉。傅京孙教授于1971年首先提出了智能控制的二元交集理论即人工智能和自动控制的交叉;美国的萨里迪斯(G.N.Saridis)于1977年把傅京孙教授的二元结构扩展为三元结构，即人工智能、自动控制和运筹学的交叉;后来中南大学的蔡自兴教授又将三元结构扩展为四元结构即人工智能、自动控制、运筹学和信息论的交叉，从而进一步完善了智能控制的结构理论，形成智能控制的理论体系。

　　智能控制的主要方法有:1、专家控制;2、模糊控制;3、神经网络控制;4、分级递阶智能控制;5、拟人智能控制;6、集成智能控制，即将几种智能控制方法或机理融合在一起而构成的智能控制方法;7、组合智能控制方法，即将智能控制和传统控制有机地结合起来而形成的控制方法;8混沌控制;9、小波理论。

　　智能控制是传统控制发展的高级阶段，它主要用来解决那些用传统方法难以解决的复杂系统的控制。其中包括智能机器人系统、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、交通运输系统、环保及能源系统等。具体地说，智能控制的研究对象具备以下一些特点:

　　1、不确定性的模型。传统控制是基于模型的控制，这里的模型包括控制对象和干扰模型。传统控制通常认为模型是已知的或经过辨识可以得到的，而智能控制的对象通常存在严重的不确定性。

　　2、高度的非线性。在传统的控制理论中，线性系统理论比较成熟，对于具有高度非线性的控制对象，虽然也有一些非线性控制方法可供利用，但总的说来，非线性控制理论还很不成熟，有些方法又过于复杂，而智能控制方法则是解决复杂非线性对象控制问题的一个出路。

　　3、复杂的任务要求。在传统的控制系统中，控制的任务或者要求输出量为定值(调节系统)，或者要求输出量跟随期望的运动轨迹(跟踪系统)，因此控制任务的要求比较单一。对于智能控制系统，其任务的要求往往比较复杂。例如在智能机器人系统中，要求系统对复杂的任务具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力。对于这些复杂的任务要求，仅靠传统控制方法很难解决，而采用智能控制的方法则可满足复杂的任务要求。

　　科学技术的产生和发展主要由生产发展需求和知识水平所决定，控制科学也不例外。20世纪以来，特别是二战以来，控制科学与技术得到了迅速发展，由研究单输入单输出被控对象的经典控制理论，发展形成了研究多输入多输出被控对象的现代控制理论。经典控制理论主要是采用频域法对控制系统进行描述、分析和设计，现代控制主要采用时域的状态空间方法。20世纪60年代，由于空间技术、海洋工程和机器人技术发展的需要，控制领域面临着被控对象的高度复杂性和不确定性，以及人们对控制性能要求越来越高的挑战。被控对象的高度复杂性和不确定性主要表现为对象的高维、高度非线性和不确定性，高噪声干扰、强藕合，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量。面对复杂的对象，复杂的任务和复杂的环境，用传统控制(即经典控制和现代控制)的理论和方法去解决是不可能的。其原因：

　　1、传统的控制理论都是建立在以微分和积分为工具的精确数学模型之上的，而复杂系统的复杂性和不确定性都难以用精确的数学模型描述，否则就会使原问题丢失很多信息，例如:骑自行车沿一条曲线行走这套看似简单的动作，如果我们要把这一系列的动作和环境建立出精确的数学模型，然后再一步一步按模型去操作，可以想象其过程是多复杂而又难以实现；

　　2、传统的控制理论虽然也有办法对付控制对象的不确定性和复杂性，如自适应控制和Robust控制可以克服系统中所包含的不确定性，保证控制系统的控制质量不变，达到优化控制的目的。但他们仅适用于系统参数在一定范围内缓慢变化的情况，其优化控制的范围是很有限的；

　　3、传统的控制系统要求输入的信息比较单一，而现代的控制系统要面对复杂系统以各种形式(视觉的、听觉的、触觉的和直接操作的方式)将周围环境信息作为输入的状况，并将各种信息进行融合、分析和推理，再随环境与条件的变化，相应地采取对策或行动。传统的控制策略单一，不能适合高层决策问题，所以智能控制应运而生。

　　智能控制的概念最早是由美国普渡大学的美籍华人傅京孙教授提出的，他在1965年发表的论文中首先提出把人工智能的启发式推理规则用于学习系统，为控制技术迈向智能化揭开了崭新的一页。接着，Mendel于1966年提出了“人工智能控制”的新概念。1967年，Leonde、和Mendel首次使用了“智能控制”一词，并把记忆、目标分解等技术应用于学习控制系统。1974年，英国的E.HMamdani教授首次成功地将模糊逻辑用于蒸汽机控制.1977年，Saridis全面地论述了从反馈控制到最优控制、随机控制及至自适应控制、自组织控制、学习控制，最终向智能控制发展的过程. 80年代，智能控制的研究进入了迅速发展时期:1984年，Astrom直接将人工智能的专家系统技术引入到控制系统明确地提出了建立专家控制的新概念;同年，Hopfield提出的Hopfield网络及Rumelhart提出的BP算法为人工神经网络的研究注入了新的活力，并迅速得到了广泛的应用;1985年8月，IEEE在美国纽约召开了第一界智能控制学术讨论会，会议决定在IEEE控制系统学会内设立一个IEEE智能控制专业委员会。这标志着智能控制这一新兴学科研究领域的正式诞生，并已作为一门独立的学科正式在国际上建立起来。

　　智能控制主要用来解决传统控制难以解决的高度非线性、强不确定性等复杂系统的控制问题。一个理想的智能控制系统应具有如下性能:

　　1、学习能力，系统对一个未知环境提供的信息进行识别、记忆、学习，并利用积累的经验进一步改善自身性能的能力;

　　2、适应功能，系统应具有适应受控对象的动力学特性变化、环境变化和运行条件变化的能力，这实质上是不依赖模型的自适应估计，较传统的自适应控制中的适应功能具有更广泛的意义。除此之外，系统还应具有较强的容错性和鲁棒性;

　　3、组织功能。对于复杂任务和分散的传感信息具有自组织和自协调功能，使系统具有主动性和灵活性，即智能控制器可以在任务要求的范围内自行决策，主动采取行动;

　　4、智能控制系统还应具有相当的在线实时响应能力和友好的人一机界面，以保证人一机互助和人一机协同工作。

　　智能控制理论不同于经典控制理论和现代控制理论的处理方法，它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，而是数学模型和知识系统相结合的广义模型。特点概括为:

　　1、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;

　　2、智能控制的核心在高层控制，能对复杂系统进行有效的全局控制，实现广义问题求解，并具有较强的容错能力，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;

　　3、智能控制具有混合控制特点，系统能以知识表示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决策及定量控制相结合的多模态控制方式;

　　4、智能控制系统有补偿及自修复能力;

　　5、智能控制系统具有判断决策能力，体现了“智能递增，精度递降”的一般组织结构的基本原理，并具有高度的可靠性。总之，智能控制系统通过智能机自动地完成其目标的控制过程，其智能机可以在熟悉或不熟悉的环境中自动或人一机交互地完成拟人任务。