自动控制理论发展历史ppt课件.pptx

自动控制理论发展历史,1，经典（自动）控制理论2，现代控制理论3，后现代控制理论,1，萌芽阶段2，起步阶段3，发展阶段4，标志阶段,到十八世纪，自动控制技术逐渐应用到现代工业中，其中最卓越的代表是瓦特发明的蒸汽机离心调速器,1868年，J.C.Maxwell提出了简单的稳定性代数判据1895年，Routh和Hurwitz各自提出了两个著名的稳定性判据劳斯判据和赫尔维兹判据1932年，Nyquist提出了频域响应法1948年，Evans提出了根轨迹法建立在Nyquist的频率响应法和Ewans的根轨迹基础上的理论，称为经典控制理论,1948年，控制论奠基人Weiner出版了控制论关于在动物和机器中控制与通讯的科学1954年，我国著名科学家钱学森将控制理论应用与工程实践，出版了工程控制论,现代控制理论的产生背景 现代数学，例如泛函分析，现代代数等，为控制理论提供了多种多样的分析工具； 数字计算机为现代控制理论发展提供了应用平台，计算机的飞速发展，推动了核能技术，空间技术的发展，从而出现了多输入多输出系统，非线性系统和时变系统,1956年，庞德里亚金提出了极大值原理1957年，贝尔曼（Bellman）提出了动态规划1959年，卡尔曼（Kalman）和布西创建了卡尔曼滤波理论；1960年在控制系统的研究中成功地运用了状态空间法，并提出了可控性和可观性的概念到20世纪70年代，系统辨识，最优控制，离散时间系统和自适应控制的发展大大丰富了现代控制理论的内容,系统辨识是根据系统的试验数据来确定系统的数学模型，必须存在实际系统的输入输出数据。系统辨识是为已经存在的系统建立数学模型辨识三要素：数据，模型类和准则。辨识就是按照一个准则在一个模型类中,最优控制是现代控制理论的核心，它研究的主要问题是：在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值,飞船的软着陆,大系统理论 代表控制理论向广度方向发展。由工程技术大系统，向社会经济大系统,生物生态大系统发展，由狭义的控制，向广义的控制领域发展，包括：调节,控制,管理,指挥等。智能控制理论代表控制理论向高度方向发展，提高控制系统的智能水平。如：自寻优,自适应,自学习,自组织等方面的智能水平,大系统理论：关于大系统分析和设计的理论大系统的特征：规模庞大,结构复杂,目标多样,影响因素众多,且常带有随机性的系统包括大系统的建模，模型降阶，递阶控制和稳定性等内容,随着生产的发展和科学技术的进步，出现了许多大系统，如电力系统，城市交通网，数字通信网，生态系统等这些系统由于规模庞大，结构复杂，造成系统内部各部分之间通信的困难，提高了通信的成本，降低了通信的可靠性原有的控制理论，都是建立在集中控制的基础上，即认为整个系统的信息能集中到某一点，经过处理，再向系统各部分发出控制信号,递阶控制理论多级结构：在对分散的子系统实行局部控制的基础上再加一个协调级，去解决子系统之间的控制作用不协调的问题,分散控制理论：分散控制有多个控制站，每个控制站是控制系统的一个部分，称为子系统分散控制是把大系统划分为若干个子系统后分别进行控制DCS是将若干台微机分散应用于过程装置，全部信息通过通信网络由上位计算机监控，实现最优化控制,专家系统模糊控制神经网络控制,根据人们在某一领域内的知识,经验和技术而建立的解决问题和做决策的计算机软件系统，它能对复杂问题给出专家水平的结果,20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理1965年，F.A.费根鲍姆等人研制了世界上第一个专家系统dendral，可以推断化学分子式,专家系统的意义： 它能模仿人类专家解决特定问题时的推理过程，因而可供非专家们用来增进问题解决的能力，也可使专家知识获得普遍的应用专家系统的工作过程： 用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后专家系统将得出最终结论呈现给用户,发展背景：现代工业的特征： 复杂性：系统结构和参数的高维，时变，高度非线性 不确定性：系统内部的未知和不确定的因素 高标准的性能要求模糊控制的特征： 不需要对象的精确数学模型，而要求有关的控制经验知识；鲁棒性强,定义：利用模糊数学的基本思想和理论的控制方法发展背景： 1956年，美国系统论专家Zadeh教授创立了模糊集合论，提供了处理模糊信息的 工具 1974年，英国学者Mamdani首次将模糊理论应用于工业控制（蒸汽机的压力和速度控制）,局限性： 整个过程是“定义”出来的。当然每一种“定义”都有其优势或者缺陷，但我们无法用某个指标来评论它。而且这些“定义”会带来不同的结果，是得一般理论分析很难进展下去发展方向： 将模糊控制与各种只能优化算法相结合，如遗传算法，模拟退火算法，粒子群优化算法等 深入分析模糊系统的结构特征及逼近精度，建立一套完整的理论,人工神经网络是由大量处理单元互联组成的非线性，自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的。试图通过模拟大脑神经网络处理，记忆信息的方式进行信息处理,人工神经元是对生物神经元的一种模拟与简化，是神经网络的基本处理单元如图为一种简化的人工神经元结构，它是一个多输入，单输出的非线性元件,1943年，心理学家W.Mcculloch和数理逻辑学家W.Pitts在分析，总结神经元基本特性的基础上首先提出神经元的数学模型。此模型沿用至今50年代末，F.Rosenblatt设计制作了“感知机”，首次把人工神经网络的研究从理论探讨付诸工程实践80年代，美国物理学家Hopfield在美国科学院院刊上发表了两篇关于人工神经网络的论文，引起了巨大的反响,以人工神经网络对手写A,B两个字母的识别为例进行说明，规定当A输入网络时，输出1；输入B时，输出0首先，给网络的各连接权值赋予（0，1）区间内的随机值，将A输入给网络。这时如果输出为1，则使连接权值增大，以便使网络再次遇到A时，仍能作出正确的判断若输出为0，则把网络连接权值减小。经过以上学习方法若干次后，网络判断的正确率将大大提高,