智能控制技术综述刘亚军（郑州轻工业学院，河南郑州 450002）摘 要：20世纪20年代,在建立了以频域法为主的经典控制理论的基础上,智能控制技术逐步发展。随着信息技术的进步,许多新方法和新技术进入工程化、产品化阶段。这对自动控制理论技术提出了新的挑战,促进了智能理论在控制技术中的应用。在智能控制技术比较的基础上,较详细地阐述了智能控制技术主要方式的特点及优化算法,并举例说明。智能控制技术将不断地发展和充实。关键词：智能控制; 传统控制; 模糊控制; 专家控制; 神经网络控制; 优化算法; 热点; 应用Summary of Intelligent ControlYa-Jun Liu(.Department, City, City Zip Code, China)Abstract：Intelligent control technology was developed in 1920s, after the establishment of classic control theory with frequency domain method as the major area. Following the development of the information technology, many new methods and new technologies are pacing into engineering and producing phases. It is new challenge to automatic control theoretical technologies, and it promotes the application of intelligent theory in control technologies. On the basis of comparison of intelligent control technologies, their major schemes, features and optimization algorithms are expounded in detail with examples. Intelligent control technologies will be developed and substantiated progressively. Key words：Intelligent control; ; traditional control; Fuzzy control; Expert control; Neural network control; Optimization algorithm; hotspot; application引 言控制理论的发展始于Watt飞球调节蒸汽机以后的 100 年 ,智能控制是控制理论发展的一个新阶段。在科学技术和生产力水平高速发展的今天,人们对大规模、复杂和不确定性系统实行自动控制的要求不断提高。因此 ,基于精确数学模型的传统控制理论就显得力不从心了 ,智能控制也就应运而生。1 发展历史与现状1.1 萌芽阶段（1965年以前）20世纪4050年代 ,以频率法为代表的单变量系统控制理论逐步发展起来 ,并且成功地用在雷达及火力控制系上 ,形成了今天所说的“古典控制理论”.1956年以前 ,英国学家 A.M.Turing 为现代人工智能作了大量开拓性的贡献.20世纪6070年代 ,数学家们在控制理论发展中占了主导地位 ,形成了以状态空间法为代表的“现代控制理论”,控制理论建立在严密精确的数学模型之上 ,从而造成了理论与实践之间的巨大分歧.1961 年以后 ,人工智能主要内容涉及知识工程、自然语言理解等.人们研究人工智能方法也分为结构模拟派和功能模拟派 ,分别从脑的结构和脑的功能入手进行研究1.2发展初期（19651979年）1965年 ,美国普渡大学的傅京孙（K.S.Fu）教授首先提出了学习控制的概念 ,引入了人工智能的直觉推理 ,提出把人工智能的直觉推理规则方法用于学习控制系统. 次年Mendel 在空间飞行器的学习控制中应用了人工智能技术 ,并提出了“人工智能控制”的新概念;同年 ,Leondes和Mendel 首次使用了“智能控制 （IntelligentControl ）”一词 ,并把记忆、目标分解等技术用于学习控制系统;这些反映了智能控制思想的早期萌芽 ,被称为智能控制的孕育期.20世纪70年代关于智能控制的研究是对 60 年代这一思想雏形的进一步深化.1971年 ,傅京孙发表了重要论文 ,提出了智能控制就是人工智能与自动控制的交叉的“二元论思想 ,列举3种智能控制系统:人作为控制器、人机结合作为控制器、自主机器人;1974年 ,英国的Mamdani 教授首次成功地将模糊逻辑用于蒸汽机控制 ,开创了模糊控制的新方向;977年 ,Saridis的专著出版 ,并于1979年发表了综述文章 ,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 ,提出了智能控制是人工智能、运筹学、自动控制相交叉的“三元论”思想及分级递阶的智能控制系统框架.1.3迅速发展时期（19801991年）20世纪80年代 ,智能控制的研究进入了迅速发展时期.1984年,Astrom发表了论文 ,这是第一篇直接将人工智能的专家系统技术引入到控制系统的代表作 ,明确地提出了建立专家控制的新概念;与此同时 ,Hopfield 提出的 Hopfield 网络及Rumelhart 提出的BP算法为一直处于低潮的人工神经网络的研究注入了新的活力 ,继 Kilmer和Mcclloch提出 KBM模型实现对“阿波罗”登月车的控制之后 ,人工神经网络再次被引入控制领域 ,并迅速得到了广泛的应用 ,从而开辟了神经网络控制;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;1987年1月 ,在美国费城由 IEEE控制系统学会与计算机学会联合召开了第一界智能控制国际会议 ,这标志着智能控制作为一门新学科正式建立起来。1.4新的发展阶段（1992年至今）从 20 世纪90年代至今,智能控制进入了新的发展时期。随着对象规模的扩大和过程复杂性的加大,以及随着人工智能技术、信息论、系统论和控制论的发展,人们试图从更高层次上研究智能控制 ,如认知心理学、神经网络技术、进化论及遗传算法、混沌论等。这不仅形成了智能控制的多元论而且在应用实践方面取得了突破性的进展 ,如基于Agent 的集散递阶结构的智能控制系统为智能控制注入了新的活力。关于智能控制的研究论文、著作、会议、期刊大量涌现 ,应用对象也更加广泛,从工业过程控制、机器人控制、航空航天器控制到故障诊断、管理决策等均有涉及 ,并取得了较好的效果. 进入21世纪,智能控制进入新的历史阶段 ,控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性日益突出 ,智能控制的研究提供了解决这类问题的有效手段 .2 智能控制与传统控制的关系2.1传统控制传动控制处理高度非线性和复杂系统的效果很差 ,且有较弱的自学习、自适应、自组织功能和容错能力。由于对象模型的不确定性、环境的复杂性和控制任务或目标的复杂性的不断加大 ,基于精确数学模型的传统控制就显得力不从心。闭环控制系统由控制器、执行机构及被控对象、检测环节组成,结构框图如图1所示:控制器是闭环控制系统的核心 它的控制算法决定了系统的控制特性及控制效果.传统的控制系统最常用的控制规律是PID控制 。PID调节器是一种线性调节器，它根据给定值 R(t)与实际输出值Y(t)构成控制偏差e(t)=R(t)-Y(t) 将偏差进行比例 (P)积分(I) 微分(D)运算,再通过线性组合构成控制量,对控制对象进行控制。比例环节的作用使控制量成比例地反应系统的偏差信号e(t) 偏差一旦产生调节器立即产生控制作用以减小偏差，积分环节主要用于消除静差，提高系统的稳态精度，其控制量的大小是偏差极值对时间的累积值。微分环节能反应偏差信号的变化趋势（变化速率）并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节时间 。R-输入 f-扰动 u-控制量 Y-输出图1 专家系统结构图2.2两者关系智能控制与传统的或常规的控制有密切的关系 ,常规控制往往包含在智能控制之中 ,智能控制也利用常规控制的方法来解决“低级”的控制问题 ,力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题.但是 ,与传统自动控制比较,智能控制有以下几方面区别:(1).传统的自动控制是建立在确定的模型基础上的 ,而智能控制的研究对象则存在模型严重的不确定性 ,即模型未知或知之甚少者模型的结构和参数在很大的范围内变动 ,比如工业过程的病态结构问题、某些干扰的无法预测 ,致使无法建立其模型 ,这些问题对基于模型的传统自动控制来说很难解决.(2)传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便 ,希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置 ,能够更加深入而灵活地和系统进行信息交流 ,同时还要扩大输出装置的能力 ,能够用文字、图纸、立体形象、语言等形式输出信息.另外 ,通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况.为扩大信息通道 ,就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器 ,即文字、声音、物体识别装置.可喜的是 ,近几年计算机及多媒体技术的迅速发展 ,为智能控制在这一方面的发展提供了物质上的准备 ,使智能控制变成了多方位“立体”的控制系统.(3).传统的自动控制系统对控制任务的要求要么使输出量为定值（调节系统）,要么使输出量跟随期望的运动轨迹（跟随系统）,因此具有控制任务单一性的特点 ,而智能控制系统的控制任务可比较复杂 ,例如在智能机器人系统中 ,它要求系统对一个复杂的任务具有自动规划和决策的能力 ,有自动躲避障碍物运动到某一预期目标位置的能力等.对于这些具有复杂的任务要求的系统 ,采用智能控制的方式便可以满足.(4)传统的控制理论对线性问题有较成熟的理论 ,而对高度非线性的控制对象虽然有一些非线性方法可以利用 ,但不尽人意.而智能控制为解决这类复杂的非线性问题找到了一个出路 ,成为解决这类问题行之有效的途径.工业过程智能控制系统除具有上述几个特点外 ,又有另外一些特点 ,如被控对象往往是动态的 ,而且控制系统在线运动 ,一般要求有较高的实时响应速度等 ,恰恰是这些特点又决定了它与其它智能控制系统如智能机器人系统、航空航天控制系统、交通运输控制系统等的区别 ,决定了它的控制方法以及形式的独特之处.(5)与传统自动控制系统相比 ,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.(6)与传统自动控制系统相比 ,智能控制系统能以知识表示的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及定量控制结合的多模态控制方式.(7)与传统自动控制系统相比 ,智能控制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.(8)与传统自动控制系统相比 ,智能控制系统有补偿及自修复能力和判断决策能力.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，具有较强学习功能、适应功能和组功能 ,能克服被控对象和环境所具有的高度复杂和不确定性 ,实现有效控制。但智能控制系统并排斥传统控制理论 ,信息与反馈概念在智能控制论中仍占据着重要地位。如在分层递阶结构的能控制系统中 ,执行级常常采用传统理论进行