智能控制基础总结教学课件PPT.ppt

《智能控制基础总结教学课件PPT.ppt》由会员分享，可在线阅读，更多相关《智能控制基础总结教学课件PPT.ppt（60页珍藏版）》请在三一办公上搜索。

1、智能控制基础总结,2/60,智能控制问题的提出,传统控制理论，包括经典反馈控制和现代控制理论，由于研究对象的不确定性、高度非线性以及复杂的任务要求等，在应用中遇到不少难题。多年来，自动控制一直在寻找新的出路。现在看来，出路之一就是实现控制系统的智能化，以期解决面临的难题。智能控制作为一门新兴的理论技术，现在还处于发展初期。智能控制的概念主要是针对控制对象及其环境、目标和任务的不确定性和复杂性而提出来的。是由于实现大规模复杂系统的控制需要。也是由于现代计算机技术、人工智能和微电子学等学科的高速发展，带来的革命性变化。,3/60,智能控制问题的提出,智能控制应用对象的特点：(1)不确定性模型。传统

2、控制是基于模型的控制，认为模型已知或者经过辨识可以得到；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。传统控制理论虽然也有一些非线性控制方法，但总的说来不够成熟，而且方法复杂，而智能控制理论可以很好地解决非线性控制问题。(3)复杂的任务要求。现代工业系统很多是高度复杂的系统。对于这些复杂系统均可用智能控制系统控制。,4/60,智能控制的几个主要分支,模糊控制 神经元网络控制 专家控制 学习控制,5/60,智能控制系统的一般结构,感知信息处理：将传感器得到的原始信息加以处理，以检测发生的事件，识别环境的特征、对象和关系。认知：接收和储存信息、知识、经验和数据，并对它们进行分析、推理

3、，作出行动的决策。,规划和控制：它是整个系统的核心。根据任务要求、反馈信息以及经验知识，进行自动搜索、推理决策、动作规划和控制。通信接口：除建立人机之间的联系外，还建立系统各模块之间的联系。,6/60,智能控制系统分层递阶结构,组织级：组织级通过人机接口和用户(操作员)进行交互，执行最高决策的控制功能，监视并指导协调级和执行级的所有行为，其智能程度最高。,协调级：协调级用来协调执行级的动作。协调级可进一步划分为两个分层：控制管理分层和控制监督分层。执行级：执行级的控制过程通常是执行一个确定的动作。,7/60,智能控制系统的主要特点,一般具有以知识表示的非数学广义模型和以数学模型表示的混合控制过

4、程。具有分层信息处理和决策机构。具有非线性和变结构特点。具有多目标优化能力。能够在复杂环境下学习。,8/60,智能控制系统的功能特点,从功能和行为上分析，智能控制系统应该具备以下一条或几条功能特点：自适应：系统具有适应受控对象动力特性变化、环境变化和运行条件变化的能力。自学习：对一个过程或环境的未知特征所固有的信息进行学习，使系统的性能得以改善。自组织：对于复杂任务和分散的传感信息具有自行组织和协调的功能，使系统具有主动性和灵活性。自诊断：表现为系统自身的故障检测能力。自修复：一旦系统检测到自身部件故障，可以通过自身修复程序实现在无人干预下系统的正常恢复能力。,9/60,智能控制系统研究的主要

5、数学工具,符号推理与数值计算的结合 离散事件系统与连续时间系统分析的结合 模糊集理论 神经元网络理论 优化理论。,10/60,智能控制的三元结构,AI：一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。,OR：一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。,AC：动态反馈控制。,11/60,模糊控制系统,模糊控制系统是以模糊集合、模糊语言形式的知识表示和模糊逻辑推理为理论基础，采用计算机控制技术构成的一种具有闭环结构的数字控制系统。它的组成核心是具有智能性的模糊控制器。,12/60,模糊控制的特点,无需知道被控对象的数学模型 与人类思维的

6、特点一致模糊性经验性 构造容易 鲁棒性好,13/60,经典集合与模糊集合,普通集合论域内元素在特定集合中只有“属于”或“不属于”两种情况，只能描述非此即彼、界限明确的事物，用“1”或“0”描述某元素对特定集合的“属于”或“不属于”。模糊集合论域内元素的定义是渐变的，是用来描述“亦此亦彼”的概念或集合边界不清的事物的有效工具，模糊集合用从0到1之间连续变化的函数描述不确定和模糊的事物。隶属函数：给定论域U上的一个模糊集，对任何，都指定了一个数 与之对应，称为u对U的隶属度。这意味着构造了一个映射 这个映射称为模糊集 的隶属函数。,14/60,论域U中的模糊集F可以用元素u和它的隶属度F来表示：,

7、模糊集合的表示方法,连续论域：离散论域：向量表示法 查德表示法 序偶表示法,15/60,隶属度函数的建立方法,模糊统计法 例证法 专家经验法 二元对比排序法,常用的隶属度函数建立方法：,16/60,求。,模糊集合运算,已知模糊子集,17/60,模糊关系,普通关系：表示元素之间是否关联。模糊关系：表示两个论域上的模糊集合之间的关联程度，用其直积空间的隶属度函数表示。定义：所谓A、B两集合的直积 中的一个二元模糊关系R，是指以AB为论域的一个模糊子集，序偶(a,b)的隶属度为R(a,b)。,18/60,模糊关系的合成,19/60,模糊语言逻辑,模糊语言逻辑是由模糊语言构成的一种模拟人思维的逻辑。针

8、对自然语言的模糊性；涉及概念：语言值语言变量语言算子：语气算子，模糊化算子，判定化算子,20/60,模糊逻辑推理的常见种类,近似推理（常识性推理）广义肯定式推理广义否定式推理 模糊条件推理 多输入推理 多输入多规则推理,21/60,例2-16 已知、时，问、时，,模糊逻辑推理举例,例2-14,例2-15,22/60,模糊逻辑推理举例,23/60,模糊逻辑推理举例,24/60,多输入多规则推理过程图示,25/60,模糊控制器基本结构,26/60,模糊控制器的组成与功能,模糊逻辑控制器由模糊化接口、知识库、模糊推理机和解模糊接口四部分组成。(1)模糊化接口将被控对象的测量值从数字量转化为模糊量，主

9、要是定义论域内所有语言变量的隶属函数。(2)知识库包括数据库和规则库。数据库包括模糊化和精确化过程相关论域的数据以及定义隶属函数的数据等。规则库包括根据控制目的和控制策略给出的一组由语言变量描述的通过如领域专家或自学习产生的控制规则集合。(3)模糊推理机是模糊控制器的核心。它是由模糊输入和模糊控制规则，采用某种模糊推理方法，导出模糊控制器的模糊控制量输出。(4)解模糊接口实现在推理得到的模糊集合中取一个能最佳代表模糊推理结果可能性的精确值的过程。,27/60,最大隶属度函数法,重心法,加权平均法,在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程就称为精确化过程（又称为

10、反模糊化）。,精确化过程,28/60,定义输入输出变量,定义所有变量的模糊化条件,设计控制规则库,设计模糊推理结构,选择精确化策略的方法,模糊控制器的设计原则,29/60,已知模糊逻辑控制规则：规则1如果误差e为ZE，则u为ZE规则2如果误差e为PS，则u为NS试应用Mamdani推理法求当输入误差e=0.6时的输出电压。,模糊控制器设计,误差的隶属度函数,控制电压的隶属度函数,设在论域误差e=-4，4和控制电压u=0，8上定义的模糊子集的隶属度函数分别如下图所示：,30/60,根据第二条规则：如果误差e为PS，则u为NS。可以得到输出电压的模糊集为：,根据第一条规则：如果误差e为ZE，则u为

11、ZE。可以得到输出电压的模糊集为：,当输入误差 时，。,模糊控制器设计,用重心法计算出模糊控制输出电压的精确值：,31/60,人工神经网络,人工神经网络就是模拟人脑细胞的分布式工作特点和自组织功能，且能实现并行处理、自学习和非线性映射等能力的一种系统模型。神经网络系统研究主要有三个方面的内容，即神经元模型、神经网络结构和神经网络学习方法。,32/60,人工神经元模型,神经元模型是生物神经元的抽象和模拟。可看作多输入/单输出的非线性器件。,xi 输入信号，j=1,2,n;wij 表示从单元uj 到单元ui 的 连接权值;si 外部输入信号；ui 神经元的内部状态；i 阀值；yi 神经元的输出信号

12、；,通常假设yi=f(Neti)，而f为激励函数。,33/60,激励函数类型,阈值型,分段线性型,34/60,激励函数类型,Sigmoid 函数型,Tan函数型,35/60,神经网络的模型分类,前向网络,反馈网络,相互结合型网络,混合型网络,1、按连接方式的不同进行分类,2、按网络结构分类，主要表现出三大类：前向网络、反馈网络和自组织网络。,36/60,神经网络的学习,有导师学习,无导师学习,两大类学习算法 有导师学习：直接利用误差信息 无导师学习：建立间接的评价函数,37/60,学习规则,根据连接权系数的改变方式分类,38/60,神经网络的泛化能力,当输入矢量与样本输入矢量存在差异时，其神经

13、网络的输出同样能够准确地呈现出应有的输出。这种能力就称为神经网络的泛化能力。在有导师指导下的学习中，泛化能力可以定义为训练误差和测试误差之差。与输入矢量的个数、网络的节点数、权值和训练样本集数目之间存在密切的关系。,39/60,多层前向网络的学习算法,网络模型,第1个隐含层：第r1个隐含层：输出层,40/60,采用梯度法：其中：定义广义误差：可得：,BP学习算法,41/60,输出层时，有：隐含层时，有：,反向误差传播,42/60,假设对于输入 期望的输出网络权系数的初始值见图。试用BP算法训练此网络（只给出一步迭代学习过程）。这里，取神经元激励函数：，学习步长为。,BP学习算法举例,43/60

14、,当前输出,44/60,计算广义误差,45/60,连接权系数更新,46/60,全连接单层网络 神经元模型,二值型的Hopfield网络,yi取值通常为0和1或-1和1,47/60,状态转移关系,假设一个3节点的离散Hopfield神经网络，已知网络权值与阈值如图(a)所示。采取随机异步更新策略，计算状态转移关系。,例3-7 同步更新策略,48/60,神经网络控制的优越性,49/60,神经网络控制器的分类,逆控制器,自适应网络控制器,前馈控制结构,自适应评价网络,混合控制系统,神经网络控制器,导师指导下的控制器,50/60,直接逆模型控制法,训练结构示意图,运行于静态参数环境,直接逆模型控制的结

15、构示意图,51/60,直接网络控制法,适合模型已知的动态环境,52/60,多网络自学习控制法,前向建模多网络控制,逆模型建模的多网络控制结构图,53/60,专家控制,专家控制是以专家系统为基础的。专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统中含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。,54/60,专家系统结构与功能,知识库：存放领域知识、常识性知识、理论性知识、推理规则等。使专家系统具有启发性。数据库：存放推理的原始数据、中间结果、控制信息等。,推理机：利用知识库的推理规则，对数据库的信息进行推理，得到结论或决策。知识

16、获取机构：获取专家的领域知识，对知识库进行修改和维护。解释机构：说明推理过程，回答拥护问题。人机接口：人机交互的界面。,55/60,一般应用程序与专家系统的区别,一般应用程序专家系统,把问题求解的知识隐含地编入程序。把知识组织为两级：数据级和程序级。,把其应用领域的问题求解知识单独组成一个实体。即为知识库。将知识组织成三级；数据、知识库和控制。,56/60,专家控制中的知识类型,知识的类型：事实性知识：描述对象的概念、属性、状态、条件等，属于描述性命题。过程性知识：推理的规则、物理定律、专家经验等，属于规律性的命题。控制性知识：以知识、知识的处理为认识对象的知识，也称为元知识。如知识的背景和范

17、围、推理的策略等。,57/60,推理策略：正向推理、反向推理、双向推理。,专家系统常用的推理策略,正向推理：从已知事实出发，逐步推导出最后结论。事实驱动方式。,反向推理：首先提出假设，然后验证这些假设的真假性，找到假设成立的所有证据或事实。目标驱动方式。,双向推理：自顶向下、又自底向上作双向推理，直至某个中间界面上两方向结果相符便成功结束。,58/60,产生式规则推理过程,模式匹配：将数据库中的数据与知识库中规则的前提进行匹配，如果完全匹配或足够近似匹配，则这条规则标记为触发规则。竞争消解：当有一条以上的规则条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为竞争消解。执行操作：

18、根据推理的结论进行操作，并更新数据库的内容等。,59/60,专家控制系统,应用专家系统的概念和技术，模拟人类专家的控制知识与经验而建造的控制系统，称为专家控制系统。,专家控制器方案之一,实时专家控制系统方案之一,60/60,专家控制与专家系统的差别,专家控制虽然引用了专家系统的思想和方法，但它与一般的专家系统还有重要的差别：通常的专家系统只完成专门领域问题的咨询功能，它的推理结果一般用于辅助用户的决策；而专家控制则要求能对控制动作进行独立的、自动的决策，它的功能一定要具有连续的可靠性和较强的抗扰性。通常的专家系统一般处于离线工作方式，而专家控制则要求在线地获取动态反馈信息，因而是一种动态系统，它应具有使用的灵活性和实时性，即能联机完成控制。,