智能控制綜述

華 珊，宋曉喬，楊小妮

（西安建筑科技大學(xué)華清學(xué)院，西安 710043）

隨著現(xiàn)代科技的快速發(fā)展，技術(shù)和環(huán)境等領(lǐng)域的問題處理愈趨復(fù)雜，常規(guī)的數(shù)學(xué)模型已不能夠滿足科研發(fā)展的需要。而智能控制能模擬人的某些智能和經(jīng)驗(yàn)對(duì)研究對(duì)象進(jìn)行識(shí)別、組織、決策和規(guī)劃，從而解決問題。可以說，智能控制是控制論發(fā)展的高級(jí)階段，體現(xiàn)綜合性的控制管理理論和方法。智能控制系統(tǒng)更是一門集成交叉學(xué)科，集合了多種現(xiàn)代社會(huì)數(shù)據(jù)處理以及科研分析的所有的學(xué)科內(nèi)容。如生物學(xué)、控制論等。

1 智能控制的發(fā)展概況

20世界40年代美國數(shù)學(xué)家維納創(chuàng)立了控制論，主要解決最簡(jiǎn)單對(duì)象的控制問題，而隨著控制系統(tǒng)設(shè)計(jì)的發(fā)展，對(duì)于已有的自動(dòng)控制方法和技術(shù)提出了挑戰(zhàn)，要求控制論能夠?qū)崿F(xiàn)現(xiàn)代化、自動(dòng)化發(fā)展。在此背景下，20世紀(jì)60年代美國傅京孫教授提出了智能控制思想。智能控制思想首次將人工智能的啟發(fā)式推理規(guī)則運(yùn)用于空間技術(shù)、海洋工程和機(jī)器人技術(shù)中，從而滿足人們對(duì)于智能控制的需求[1]。

1966年，JM Mendel首先提出將人工智能用于飛船控制系統(tǒng)的設(shè)計(jì)。1971年，著名學(xué)者L.S.Fu（傅京遜）從發(fā)展學(xué)習(xí)控制的角度首次將智能控制吸收到自己的系統(tǒng)中來。1977年，Saridis從控制理論發(fā)展的觀點(diǎn)，論述了智能控制理論發(fā)展的脈絡(luò)，即提出了智能控制是從反饋控制理論出發(fā)，經(jīng)歷了自適應(yīng)、自組織控制的階段，最終朝著智能化控制理論；Saridis學(xué)者還提出了智能控制的概念內(nèi)涵是由人工智能、運(yùn)籌學(xué)、自動(dòng)控制“三元”交叉結(jié)合形成的分級(jí)遞階式的框架系統(tǒng)[2]。該智能框架系統(tǒng)是智能控制后期重要的一個(gè)分支。60年代后期，Leondes和Mendel將記憶數(shù)據(jù)、目標(biāo)分解等人工智能技術(shù)在學(xué)習(xí)的控制系統(tǒng)中成功應(yīng)用。

智能控制理論發(fā)展進(jìn)入到20世紀(jì)80年代后，人工智能系統(tǒng)已經(jīng)初步進(jìn)入到了控制系統(tǒng)框架中，實(shí)現(xiàn)了智能控制的柔性化發(fā)展。1984年，Astrom學(xué)者在其論文中首次將人工智能專家系統(tǒng)技術(shù)納入到控制系統(tǒng)中，并且提出了專家控制人工智能系統(tǒng)的基本概念和框架內(nèi)涵[3]。同樣的在1984年，Hop fi eld提出的Hop fi eld網(wǎng)絡(luò)及Rumelhart提出的BP算法（即人工神經(jīng)網(wǎng)絡(luò)算法）更是豐富了人工智能控制系統(tǒng)的范疇，使得人工神經(jīng)網(wǎng)絡(luò)的研究重新進(jìn)入到學(xué)術(shù)界的高潮階段[2]。1989年，在蔡自興教授的論著中，其實(shí)現(xiàn)了智能控制“四元論”的發(fā)展，即在三元論的基礎(chǔ)上添加了信息技術(shù)理論。近年來，隨著控制理論的相關(guān)研究的發(fā)展，學(xué)術(shù)界逐漸將控制理論同模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法等智能計(jì)算機(jī)技術(shù)相結(jié)合，從而實(shí)現(xiàn)對(duì)控制技術(shù)中導(dǎo)入柔性化的管理，即利用人的經(jīng)驗(yàn)展開系統(tǒng)的指導(dǎo)管理。因此智能控制學(xué)科應(yīng)運(yùn)而生。

2 智能控制的特點(diǎn)

智能控制同傳統(tǒng)的控制理論相比，具有柔性化的特點(diǎn)。其控制的主要目標(biāo)在于控制器本身，通過對(duì)控制器展開廣義模型的建立，指揮控制器做好被控對(duì)象的數(shù)據(jù)的收集，繼而采用符號(hào)加工的方式，通過經(jīng)驗(yàn)、規(guī)則用符號(hào)描述系統(tǒng)，主要解決高度非線性、不確定性和復(fù)雜系統(tǒng)問題。其特點(diǎn)概況為[2]：①具有人的學(xué)習(xí)能力和控制策略，能夠?qū)τ谖粗h(huán)境所提供的數(shù)據(jù)信息進(jìn)行分類、甄別其是否有用，并且能夠借助信息推理出行業(yè)所需要的數(shù)據(jù)消息的特點(diǎn)；②具有的普適性特點(diǎn)，即能夠?qū)θ魏苇h(huán)境下的被控對(duì)象進(jìn)行有效的控制，不受到被控對(duì)象本身的動(dòng)力學(xué)特征變化、環(huán)境變化等內(nèi)外部因素的影響；③有較強(qiáng)的恢復(fù)能力該控制系統(tǒng)能夠自行展開故障的診斷、屏蔽以及處理；④具有變結(jié)構(gòu)和非線性特點(diǎn)，能總體擇優(yōu)，其核心是組織級(jí)；⑤較強(qiáng)的組織功能；⑥具有以只是表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)模型表示的混合控制過程，能根據(jù)被控對(duì)象的動(dòng)態(tài)過程進(jìn)行辨識(shí)，采用開閉環(huán)控制和定性與定量相結(jié)合的多模態(tài)控制方式。

3 智能控制的基本內(nèi)容及研究熱點(diǎn)

3.1 專家控制

1965年美國斯坦福大學(xué)Feigen-beum從事人工智能項(xiàng)目，研究新領(lǐng)域就是專家控制。專家控制（EC-Expert Control）主要利用專家系統(tǒng)來達(dá)成目的，專家系統(tǒng)就是將行業(yè)內(nèi)的控制師的經(jīng)驗(yàn)和知識(shí)體系實(shí)現(xiàn)數(shù)據(jù)化發(fā)展，將其導(dǎo)入到控制系統(tǒng)的知識(shí)庫中，繼而由推理機(jī)、解析機(jī)制和知識(shí)獲取系統(tǒng)共同作用專家系統(tǒng)，完成專家控制。專家控制靈活地選取控制率，通過調(diào)整控制器的參數(shù)來適應(yīng)環(huán)境和對(duì)象特性，同時(shí)專家系統(tǒng)魯棒性強(qiáng)，可在非線性、大偏差的情況下可靠地工作。專家控制系統(tǒng)在機(jī)器人控制方面得到成功的應(yīng)用，但在研究過程中存在“瓶頸”[3]：一是如何獲取有用的專家知識(shí)，并形成可行的方式輸入專家控制；二是世界發(fā)展速度加快，如何使專家控制自動(dòng)更新和擴(kuò)充有用的知識(shí)，保證其快速最優(yōu)準(zhǔn)確的實(shí)時(shí)控制。

3.2 神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)控制（NNC-Neural Networks Control）是智能控制的一個(gè)重要分支。它主要是為了解決一些非線性、不確定的、復(fù)雜的系統(tǒng)的控制問題所產(chǎn)生的一種新的控制技術(shù)。主要是依托于人工神經(jīng)網(wǎng)絡(luò)理論和控制理論所存在的。通過模擬人腦神經(jīng)元的活動(dòng)，將數(shù)學(xué)、生物學(xué)、計(jì)算機(jī)科學(xué)、自動(dòng)控制等學(xué)科理論通過神經(jīng)元之間實(shí)現(xiàn)連結(jié)從而來確定信息的特點(diǎn)含義，并且通過不斷的修正不同神經(jīng)元中連接到的權(quán)值得出預(yù)測(cè)結(jié)論，最終完成智能控制。

3.3 模糊控制

模糊控制（FC-Fuzzy Control）的理論基礎(chǔ)是模糊集合論、邏輯推理以及語言變量，其實(shí)質(zhì)上是一種非線性控制技術(shù)。模糊控制基于自然語言描述規(guī)則的控制方法，依據(jù)操作人員控制經(jīng)驗(yàn)和操作數(shù)據(jù)建立數(shù)學(xué)模型，其魯棒性強(qiáng)，可解決控制非線性、時(shí)變及純滯后系統(tǒng)的控制。其控制系統(tǒng)應(yīng)用語言變量，宜于構(gòu)造形成專家系統(tǒng)，推理過程模仿人的思維過程，能夠處理復(fù)雜系統(tǒng)。模糊控制目前已取得了豐碩的研究成果，但仍有帶研究解決的問題：信息簡(jiǎn)單的模糊處理將導(dǎo)致系統(tǒng)的控制精度降低和動(dòng)態(tài)品質(zhì)變差；模糊控制設(shè)計(jì)尚缺乏系統(tǒng)性，無法定義控制目標(biāo)。

3.4 遺傳算法

遺傳算法（GA-Genetic Algorithm）是基于達(dá)爾文的生物進(jìn)化論的自然選擇和遺傳學(xué)激勵(lì)的生物進(jìn)化過程的計(jì)算模型。它是一種通過對(duì)生物進(jìn)化規(guī)律進(jìn)行模擬的智能算法。通過模擬生物自然進(jìn)化的過程尋找出最優(yōu)解的方式，其運(yùn)行的主要策略主要是通過對(duì)控制對(duì)象潛在問題進(jìn)行種群的解集的建立，從而實(shí)現(xiàn)基因的編碼，在這一過程中，對(duì)各個(gè)個(gè)體實(shí)現(xiàn)編碼，作為多個(gè)基因的結(jié)合，從中開始進(jìn)行某種基因組合的求解。正如黑頭發(fā)的調(diào)整是由各個(gè)主體中的染色體中的某一片段所決定的異樣。遺傳算法也是通過實(shí)現(xiàn)對(duì)表現(xiàn)型的基因的映射到編碼，再到求解的過程。遺傳算法的主要特點(diǎn)是：它適用于群體中的搜索和信息管理，特別是在復(fù)雜的非線性問題。

3.5 集成智能控制

集成智能控制是近年來控制領(lǐng)域中熱點(diǎn)之一。其融合了多種智能控制方法和機(jī)理，將綜合經(jīng)驗(yàn)知識(shí)的專家系統(tǒng)，模糊推理的邏輯關(guān)系和人工神經(jīng)網(wǎng)絡(luò)的控制等方法相互交叉結(jié)合，取長(zhǎng)補(bǔ)短，在工程實(shí)際中取得良好控制效果。近年來，模糊神經(jīng)網(wǎng)絡(luò)控制、專家模糊控制等多個(gè)方向的研究已取得了一定成果。

4 結(jié)束語

智能控制已廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、軍事等眾多領(lǐng)域，具有廣闊的發(fā)展前景，但其理論基礎(chǔ)和應(yīng)用都不夠成熟和完善，智能控制的應(yīng)用與開發(fā)還需要進(jìn)一步的開發(fā)與推廣。