智能控制理論與系統應用

邢英楠

摘 要：控制理論與社會生產及科學技術的發展息息相關。計算機科學的發展又推動了控制理論的發展，計算機已經成為控制系統分析和設計的有力計算工具，是實現現代化工程自動控制不可缺少的設備。自動控制與計算機已經滲透到當今社會中的每一個角落。智能控制屬于當代控制理論的范疇，他依據人的思維方式和處理問題的技巧，解決那些目前需要人的智能才能解決的復雜的控制問題。

關鍵詞：智能控制；理論；應用

1 智能控制的研究及發展

智能控制是自動控制和人工智能的結合，研究的主要目標不僅僅是被控對象，同時也包括控制器本身。控制器不再是單一的數學模型，而是數學解析和知識系統相結合的廣義模型，是多種知識混合的控制系統。智能算法主要分四大類。

1.1 模糊計算

模糊理論的研究最早始于模糊邏輯數學，就是用“不確切”的數學量來描述“確切”的事物。模糊數學起源于20世紀60年代。

1.2 神經計算

神經計算就是用數學算法來模擬人大腦的生物神經系統，神經網絡控制就是利用人工神經網絡的學習能力、泛化能力、推理能力、信息分布存儲能力及并行處理能力來完成只有用人的智能才能完成的控制。起源于20世紀40年代。

1.3 群體智能計算

群體智能就是在這個物質世界中，只有某一類生物的群體才表現出來的智能。例如遺傳算法、粒子群算法等。起源于20世紀60年代。

1.4 專家系統

專家系統是研究如何利用一個具有大量專門知識和經驗的計算機程序系統，能夠以人類專家的水平完成某一專業領域比較困難的

任務。

2 智能控制的優化及建模

2.1 智能優化的三個常用方法

1）遺傳優化算法。遺傳算法來源于對生物進化過程的模擬，它根據“優勢劣汰”原則，將問題的求解表示成染色體的適者生存過程。染色體通過交叉和變異等操作一代代地進化，最終收斂到最適應環境的個體，即問題的最優解或滿意解。相對于傳統的優化方法，遺傳算法具有一些顯著的優點。該算法允許所求解的問題是非線性的、不連續的以及多極值的。并能從整個可行解空間尋找全局最優解和次優解，避免只得到局部最優解。

2）蟻群優化算法。蟻群算法是受自然界中螞蚊搜索食物行為的啟發而提出的一種隨機優化算法，單個螞蟻是脆弱的，而蟻群的群居生活卻能完成許多單個個體無法承擔的工作，螞蚊間借助于信息索這種化學物質進行信息的交流和傳遞，并表現出正反饋觀象，某段路徑上經過的螞蟻越多，該路段被重復選址的概率就越高。

3）粒子群優化算法。粒子群算法來源于對鳥群優美而不可測的飛行動作的模擬，粒子的飛行速度動態地隨著粒子自身和同伴的歷史飛行行為改變而改變。它沒有遺傳算法的交叉、變異等操作，而是讓粒子在解空間追隨最優的粒子進行捜索，同遺傳算法比較，其優勢在于算法簡單、在計算機上容易實現，并且待調整的參數較少。

2.2 智能建模理論與方法

1）機理建模。機理建模就是當我們要求系統的數學模型時，需要知道系統本身的許多細節，比如這個系統由幾個部分組成，相互之間怎樣鏈接和怎樣影響等，只有對系統的機理有了詳細的了解之后，才可能得到描述該系統的數學模型。機理建模優點是它具有比較嚴密的理論依據，在任何狀態下使用都不會引起定性的錯誤，其缺點是它沒有一個普適的方法，要視所要求解的問題，根據物理意義來進行

求解。

2）試驗建模。試驗建模是針對一個系統加入不同的輸入信號，觀察其輸出。根據所記錄的輸入、輸出信號，估計出表達這個系統的輸入與輸出關系的一個或幾個數學表達式的結構和參數。用試驗法建立系統的數學模型。其中以時域法應用最為廣泛，也是目前工程實際中應用最多的方法。

3 智能控制的應用

智能控制領域主要應用在系統建模、優化和控制三個方面，在工程中應用最早的是模糊控制。模糊控制與神經網絡結合或加入專家知識構成模糊神經控制系統，都取得了成功的應用，比如機器人智能控制、機械制造中的智能控制、工業過程中的智能控制等。

3.1 智能機器人

智能機器人一直是智能控制的一個重要應用領域。尤其是智能機器人的長足發展，使得新型智能控制技術滲透到機器人學研究的各個方面。采用人工神經網絡、模糊控制和專家系統技術對機器人進行定位、環境建模、檢測、控制和規劃的研究已經日趨成熟，并在多個實際應用系統中得到驗證。智能控制技術也應用于機器人傳感器信息融合和視覺處理方面。遺傳算法和進化計算為機器人系統帶來了新型的優化編程和控制技術。

3.2 機械制造中的智能控制

工業制造業涉及一系列相關的操作和行為，包括產品設計、材料選擇、工藝流程設計、生產過程、檢測過程、管理以及產品的銷售。智能控制隨之也被廣泛地應用于機械制造行業。例如，模糊控制在焊接過程中用于焊縫跟蹤、焊接質量及控制焊接設備，汽車工業的模糊控制變速發動機，神經網絡懸架控制系統，轎車中央智能控制系統，食品擠出機模糊控制系統，數控銑床的智能控制系統等等。

3.3 電力系統的智能控制

智能控制近年來在電力系統中廣泛應用。如發電機、變壓器、電動機等電機電器設備的設計、生產、運行、控制是一個復雜的過程，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。遺傳算法是一種先進的優化算法，采用此方法來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。

3.4 工業過程中的智能控制

在化工、冶煉等工業連續生產線上，由于反應機理復雜、關聯耦合嚴重、環境干擾不確定、要求與約束多樣等原因，需要運用智能控制模式。生產過程的智能控制主要包括局部級和全局級兩個方面。局部級的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，例如專家控制器、智能PID控制器等。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。

參考文獻

[1]韓璞，王建國.自動化專業概述.北京：中國電力出版社，2007.

[2]郭雷.關于控制理論發展的某些思考[J].系統科學與數學，2011，31（9）：1015-1017.

[3]王海龍.談控制論與控制工程的發展與應用[J].工業技術，2013，4：66.

[4]蔡自興，陳海燕，魏世勇.智能控制工程研究的進展[J].控制工程，2003，10（1）：2-5.