（电力电子与电力传动专业论文）多层次多阶段仿人智能控制与识别方法及其应用的研究.pdf

合的专家知识模型，采用多特征融合的模式识别策略，先验建立多字体模式汉字样本库，仿人容错判断识别汉字字符。关键词：智能控制与识别，人工智能，模式识别，智能观测器t 手写体汉字识别a b s t r a c ta l t h o u g ht h es t u d yo nt h ec o n t r o la n dr e c o g n i t i o no fc o m p l e xs y s t e m sa n dt h e i rp r o c e s sc o n t r o lh a sb e c o m eat r e n df o rd e c a d e s ，i n t e l l i g e n tc o n t r o la n dr e c o g n i t i o na r es t i l li nt h ei n i t i a ls t a g ew i t hc o n c e p t sa n dt h e o r i e su n d e rd e v e l o p m e n t i n t e l l i g e n tc o n t r o la n dr e c o g n i t i o na saw h o l ei sa ne m e r g i n ga c a d e m i ca r e at h a ts t i l ll a c k so fs o l i da n ds y s t e m a t i ct h e o r e t i c a lf o u n d a t i o ne n dc o m m o n l ya g r e e dt e c h n o l o g y t h e r ea g es t i l l1 1 0u n i f i e dd e s e r i p t i o no ft h ed e f i n i t i o n s 。t h e o r i e s ，m e t h o d o l o g i e s 。a n ds t r u c t u r e s n e v e r t h e l e s s 。i tc a nb ep r e d i c t e dt h a ti n t e l l i g e n tc o n t r o la n dr e c o g n i t i o nw i l la c h i e v ef u r t h e rd e v e l o p m e n ta n dw i d ea p p l i c a t i o nw i t ht h ea d v a n c ei ns y s t e mt h e o r y ，a r t i f i c i a li n t e l l i g e n c ea n dc o m p u t e rt e c h n o l o g y t h em a i nc o n t e n t so ft h ed i s s e r t a t i o na r e ：i s t u d yo nt h et h e o r ya n dm e t h o d o l o g yo fi n t e l l i g e n tc o n t r o la n dr e c o g n i t i o n c o n c l u s i o ni sa c h i e v e db ya n a l y s i sa n dd i s c u s s i o nt h a tt h ep u r p o s eo ft h es t u d yo ni n t e l l i g e n tc o n t r o la n dr e c o g n i t i o ni sn o tt h ec o n t r o l l e do h 3 e c g sb u tt h ew a y so ft h ec o n t r o l l e ro rr e c o g n i z e rt oi m i t a t et h ee x p e r i e n c e ，a c t i v i t ya n dk n o w l e d g es t r u c t u r eo fe x p e r t s ，a n dt h ea i mo fr e c o g n i t i o na n dm o d e l i n gi sn o tt h em a t h e m a t i c a lm o d e l so ft h ec o n t r o l l e do b j e c t sb u tt h ed y n a m i cc h a r a c t e r i s t i cm o d e lo ft h ew h o l es y s t e m ，a sw e l la st h eq u a l i t a t i v ea n dq u a n t i t a t i v ek n o w l e d g em o d e lo ft h ec o n t r o l l e r h i e r a r c h i c a lc o n t r o l ，e x p e r ts y s t e m ，p a t t e r nr e c o g n i t i o na n ds y s t e mt h e o r ya r ec o m b i n e df o rt h es t u d yo nt h et h e o r ya n dm e t h o do fd e s i g n i n gam u l t i l e v e la n dm u l t i s t a g ei n t e l l i g e n tc o n t r o la n dr e c o g n i t i o ns t r u c t u r et h a ti m i t a t e st h em o d e so fh u m a n sm a c r o s c o p i ct h i n k i n ga n dm i c r o s c o p i ca c t i o n at h r e e l e v e l t h r e e - s t a g ei n t e l l i g e n tc o n t r o l l e r r e c o g n i z e ri sc o n s t r u c t e d ，d e s i g ns p e c i f i c a t i o na n do p e r a t i o n a lm e c h a n i s ma r ed r a w nu p ，e n dt h ep r e s e n t a t i o na n dt h ea c q u i s i t i o no ft h ek n o w l e d g em o d e la r ed e f i n e d 2 d e s i g no fi n t e l l i g e n ts t a t e so b s e r v e rw i t ht h et h o u g h t so fc o m b i n i n gt h em e t h o d so ft h r e e - l e v e l - t h r e e s t a g ei n t e l l i g e n tc o n t r o l r e c o g n i t i o na n dc l a s s i co b s e r v e r , ad i s c u s s i o ni sm a d eo nt h eb a s i cr e q u i r e m e n t so fd e s i g n i n ga l li n t e l l i g e n ts t a t eo b s e r v e rw i t ht h es p e c i f i c a t i o na n de x a m p l e sd e v e l o p e d t h eo b s e r v e ri sa p p l i e dt oa l la cv e c t o rc o n t r o l l e ds y s t e mw i t hr e - s t r u c t u r e dl o a dt o r q u ea sf c e d f o r w a r dc o m p e n s a t i o na n dl e a dt os a t i s f a c t o r yl a b o r a t o r yr e s u l t s 1 1 l ep r o m i n e n tm e r i to ft h i sm e t h o di st h a tt h ea i mo ft h es t u d yi sn o tt h eo b s e r v e r sm a t h e m a t i c a lm o d e l so ft h ec o n t r o l l e do b j e c t sb u tt h eq u a l i t a t i v e l ye n dq u a n t i t a t i v e l yi d e n t i f i e dm o d e lo fe x p e r t 3k n o w l e d g e w i t ht h es t r a t e g yo fm u l t i - m o d eo p e n - l o o p e do b s e r v a t i o n ，t h ep r o b l e mo fo b s e r v a t i o na c c u r a c yi ss o l v e di na v o i d a n c eo ft h ep r o b l e m so fp o l e s - a s s i g n m e n te n ds t a b i l i t y t h em e t h o dm i g h tb ee x t e n d e dt ot h es t a t er e s t r u c t u r eo fv a r i o u sp r a c t i c a le n g i n e e r i n go b j e c t ss u c ha st h ed e s i g no ft h eo b s e r v e r so fc o m p l e xo b j e c t sw i t ht i m ed e l a y ,t i g h t l yc o u p l e dv a r i a b l e s ，n o n l i n e a r i t ya n dt i m e - v a r i a n c e 3 d e t e c t i n ga n dt r a c k i n gt e c h n i q u eo fc o m p u t e rv i s i o nw i t ht h et h o u g h t so fc o m b i n i n gt h ed e t e c t i o na n dr e c o g n i t i o no fs u p e r v i s e do b j e c t sa n dk a l m a n sp r e d i c t i v et r a c k i n g ad i s c u s s i o ni sm a d eo nt h er e c o g n i t i o na n dc o n t r o la l g o r i t h mf o rt h ea u t o m a t i cs u p e r v i s i o na n dt r a c k i n go fm o b i l er o b o t s d e s i g ne x a m p l e sa n dl a b o r a t o r yr e s u l t sa r eo b t a i n e d t h ep r o m i n e n tm e r i to ft h i sm e t h o di st h a tt h eq u a l i t a t i v e l ya n dq u a n t i t a t i v e l yc h a r a c t e r i z e dk n o w l e d g em o d e lo fs u p e r v i s e dm o v i n go b j e c t sc a ne f f e c t i v e l ya d a p tt oe n v i r o n m e n t a lc h a n g ea n dc a p t u r et h em o v i n go b j e c t sw i t h o u tt h en e e do fb a c k g r o u n di m a g e w i t ht h es t a t ep r e d i c t i o no fm o v i n go b j e c tb yk a l m a nf i l t e ra n da ni n c r e m e n t a lt w o - s t e pt r a c k i n ga l g o r i t h m ，f a s ta n ds m o o t hd r i v i n gc o n t r o lf o rt h em o v i n gr o b o t so b j e e tt r a c k i n gc a rb er e a l i z e d 4 r e c o g n i t i o no fc h i n e s ec h a r a c t e ri m a g e sa i m i n ga ti m i t a t i n gt h ep r o c e s so fh u m a nt oc o g n i z ec h i n e s ec h a r a c t e r sa n db yc o m b i n i n gt h ed e s i g nm e t h o do ft h r e e l e v e l t h r e e - s t a g ei n t e l l i g e n tc o n t r o i r e c o g n i t i o nw i t ht h et h e o r yo fp a t t e r nr e c o g n i t i o n ad i s c u s s i o ni sm a d eo nt h eb a s i cr e q u i r e m e n to ft h ed e s i g nm e t h o do fi n t e l l i g e n tc h i n e s ec h a r a c t e rr e c o g n i t i o n d e s i g ns p e c i f i c a t i o na n de x a m p l e sa r eg i v e na n da p p l i e dt ot h er e c o g n i t i o no fh a n d w r i t t e nc h a r a c t e r sa n dt h ec h a r a c t e r so nv e h i c l e sl i c e n s e - p l a t e t h ep r o m i n e n tm e r i t so ft h i sm e t h o da r et h a tt h eq u a l i t a t i v ea n dq u a n t i t a t i v ee x p e r tk n o w l e d g em o d e lb a s e do nt h er e c o g n i t i o no fc h i n e s ec h a r a c t e r s i n t e g r a t e da n dd e c o m p o s e dp r o p e r t yi sc o n s t r u c t e d ；t h es t r a t e g yo fp a t t e r nr e c o g n i t i o nb yt h e f u s i o no fm u l t i p l ep r o p e r t i e si sa d o p t e d ；t h ec h i n e s ec h a r a c t e rs a m p l e sl i b r a r yb a s e do np r i o r ii n f o r m a t i o ni sb u i l tu p ；a n dt h ef a u l t t o l e r a n tr e c o g n i t i o no fc h i n e s ec h a r a c t e r si sr e a l i z e d k e yw o r d s ：i n t e l l i g e n tc o n t r o la n dr e c o g n i t i o n ，a r t i f i c i a li n t e l l i g e n c e ，p a t t e r nr e c o g n i t i o n ，i n t e l l i g e n c eo b s e r v e r , h a n d w r i t t e nc h i n e s ec h a r a c t e r sr e c o g n i t i o n 插图清单图卜l 智能控制系统原理结构图5图卜2 分层递阶智能控制结构圉6图卜3 智能控制的交叉9图2 一l 三级层次递阶结构1 7图2 2 三阶段专家控制结构1 8图2 3 三层三段智能控制与识别器双向耦合模型结构图1 9图3 - i 智能观测器功能结构图2 7图3 - 2l z i2 的取值与动态信息西、d 。及i - t 计算机仿真3 0图3 3 等效电路- 3 6图3 - 4 调速系统的传函框图3 7图3 5 调速系统结构框图3 8图3 - 6 系统简化结构框图3 9图3 - 7 给定转速为n = b 8 5 r m i n ，负载力矩由5 牛米突加到3 0 牛米4 0图3 - 8 给定转速为n = 7 4 0 r a i n ，负载力矩m f 由5 牛米突加到3 0 牛米4 0图3 - 9 给定转速为n = 1 2 0 0 r m i n 负载力矩由5 牛米突加到3 0 牛米4 l图3 1 0l o o r m i n 调运实验实测结果( a ) ( b ) 4 1圈3 - 1 i8 0 0 r b i n 调速实验实潮结果( a ) ( b ) 4 2图3 1 21 2 0 0 r m i n 调速实验实测结果( 8 ) ( b ) 4 3图4 一l 移动机器人分层递阶智能监控系统功能图4 5图4 - 2 移动机器人仿人智能控制与识别机功能结构圈4 5圈4 - 3 小孔成像原理的测距示意图5 0图4 - 4 运动目标检测和识别实验序列图像5 5图4 5 运动目标检测识别与跟踪控制实验序列图像5 7图5 - 1 智能汉字识别机模型6 3图5 - 2 汉字基元示意图6 6图5 - 3 手写体。休”汉字图像7 0图5 - 4 识别流程图7 2圈5 5 手写体。休“的汉字图像7 2图5 - 6 手写体。休”的二值图像7 3图5 7 标准汉字图像“休”7 3图5 - 8 标准汉字图像“体”7 4图5 9 手写体“羹”的汉字图像7 4图5 一l o 手写体。羹”的二值图像7 5图5 一l l 标准汉字图像“羹”7 6图j 1 2 车牌汉字图像“沪”7 6图5 一1 3 车牌汉字图像“沪”的二值图像7 6图5 1 4 十码汉字编码法粗分类结果7 7图5 一1 5 八形编码法粗分类结果7 7图5 一1 6 双权值椭圆型神经元序列7 8圈5 - 1 7 手写体汉字“礼”的笔段提取和笔段神经元8 0图5 一1 8 样本汉字。礼”的实验结果8 4图5 一1 9 被识别手写体汉字。礼l 。的实验结果8 4图5 2 0 披识别手写体汉字“礼2 ”的实验结果8 5图5 2 1 被识别手写体汉字“礼3 ”的实验结果8 5图5 2 2 彩色图像的灰度化处理8 8图5 2 3 灰度图像的去噪处理8 9图5 2 4 灰度图像的二值化处理8 9图5 - 2 5 二值图像的归一化处理9 0图5 - 2 6 单个字符的特征提取9 l图5 2 7 字符的识别分类器选择9 l附录l1 字符分割实例图，2 字符测试样本图9 4 - - 9 8附录2 脱机手写体汉字识剐结果图9 9 - - 1 0 0表格清单表3 - 1 斌与、b 对应关系3 1表5 - 1 笔划的笔段合成及其容错形状8 0表5 - 2 笔划相合相交结构类型及其窖错形状8 2表5 - 3 手写体汉字的特征知识数据结构表8 3表5 - 4 被识别手写体汉字“礼l ”和样本汉字。礼”的特征知识数据结构表8 5表5 - 5 被识别手写体汉字“礼2 ”和样本汉字“礼”的特征知识数据结构表8 6表5 - 6 被识别手写体汉字“礼3 ”和样本汉字“礼”的特征知识数据结构表8 6表5 - 7 重特征知识数据结构表的汉字列表8 7表5 8 采用字符识别机的单个字符识别结果9 2表5 - 9 采用单个特征的单个字符识别结果9 2表5 1 0 采用字符识别机的车牌字符逐一识别结果9 2表5 - 1 l 采用字符识别机的车牌整体识别结果9 3表5 1 2 车牌整体识别率结果9 3独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得盒筵兰些太堂或其他教育机构的学位或证书而使用过的毒| 料与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意学位论文作者签名：一期叩年少月步日学位论文版权使用授权书本学位论文作者完全了解盒篷王些太堂有关保留、使用学位论文的规定，有权保留并向茸家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权金匿王驰太堂可以将学位论文的全部或部分内容编入有关数据库进行检索可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书)学位论文作者签名：蝴期吲年砂月刁日学位论文作者毕业去向：高校教师工作单位：合肥工业大学通讯地址：合肥市屯溪路1 9 3 号5 # 信箱电话l0 5 5 1 - - 2 9 0 1 8 6 3邮编：2 3 0 0 0 9德叩黪掣麟冲名朗签日师字i i l b篷致谢本文的主要工作是在我的导师张崇巍教授的悉心指导下完成的张崇巍老师以渊博的知识、严谨的治学态度、敏锐的思维和非凡的敬业精神给予了我专业的指导，为我树立了做人的楷模在此向张老师表示最诚挚的谢意和由衷的感激l感谢我的任课老师和合肥工业大学电气与自动化工程学院的全体老师他们的教诲为本文的研究提供了理论与技术基础，并创造了许多必要条件和学习机会感谢合肥工业大学智能监控研究所的同仁和同学们对本文的研究和应用提供的帮助和支持感谢我的家人他们用辛勤的劳动和无私的关怀给了我学习和生活的物质精神支持。感爱之心，无以言表，他们永远健康快乐是我最大的心愿l感谢所有关心和帮助过我的朋友们i作者：王建平2 0 0 7 年4 月合肥工业大学博士学位论文第一章绪论1 1 智能控制与识别理论方法的研究意义自从1 9 3 2 年奈魁斯特( h n y q u i s t ) 发表有关反馈放大器的稳定性论文以来，控制理论学科的发展已经走过了6 0 多年的历程。其中前3 0 年是经典控制理论的成熟和发展阶段。后3 0 年是现代控制理论的形成和发展阶段经典控制理论主要研究的对象是单变量常系数线性系统，它只适用于单输入一单输出控制系统系统的数学模型采用传递函数表示系统的分析和综合方法主要是基于根轨迹法和频率法经典控制理论的主要贡献在于p i d 调节器广泛成功地应用于计算机技术的成熟和发展以及所需要控制的系统不再是简单的单输入一单输出线性系统，促使控制理论由经典控制理论向现代控制理论过渡。现代控制理论以庞特里亚金的极大值原理、贝尔曼( b e l m a n ) 的动态规划，卡尔曼( k a l m a n ) 的线性滤波和估计理论为基石，形成了以最优控制( 二次型最优控制、h * 控制等) 、系统辨识和最优估计、自适应控制等为代表的现代控制理论分析和设计方法系统分析的对象已转向多输入一多输出线性系统系统分析的数学模型主要是状态空间描述法随着要研究的对象和系统越来越复杂借助于数学模型描述和分析的传统控制理论难以解决复杂系统的控制问题，尤其是在具有如下特点的类现代控制工程中：( 1 ) 不确定性的模型传统控制是基于模型的控制，这里的模型包括控制对象和干扰模型。传统控制通常认为模型是已知的或经过辨识可以得到的对于不确定性的模型，传统控制难以满足要求( 2 ) 高度非线性在传统控制理论中，线性系统理论比较成熟，对于具有高度非线性的控制对象，虽然也有一些非线性控制方法可供使用但总的来说。目前非线性控制理论还很不成熟，有些方法又过于复杂。无法广泛应用。( 3 ) 复杂的任务要求在传统的控制系统中，控制的任务要求输出量为定值( 调节系统) 或者要求输出量跟随期望的运动轨迹( 跟踪系统) ，因此控制任务的要求比较单一但对于复杂的控制任务诸如智能机器人系统，复杂工业过程控制系统、计算机集成制造系统( c i m s ) 、航天航空控制系统、社会经济管理系统、环保及能源系统等传统的控制理论都无能为力现代控制系统普遍表现为系统的数学模型难以通过传统的数学工具来描述因此。采用数学工具或计算机仿真技术的传统控制理论已经无法解决此类系统的控制问题然而，我们在生产实践中看到，许多复杂的生产过程难以实现的目标控制，可以通过熟练的操作工、技术人员或专家的操作获得满意的控制效果如何有效地将专家的经验知识和控制理论结合起来去解决复杂系统的控制问题就是智能控制与识别原理研究的目标所在智能控制与识别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一方面，这是由于实现大规模复杂系统的控制需要，另一方面，也是由于现代计算机技术、人工智能和微电子等学科的高速发展。使控制的技术工具发生了革命性的变化可以说。一个智能化的工业时代已经到来这一时代的明显标志就是智能自动化。作为智能自第一章绪论动化基础的“智能控制与识别”的应运而生则是历史的必然近几十年来，对复杂系统过程控制的智能控制与识别的研究已经成为一种发展趋势。但是，智能控制与识别毕竟还处于开创眭的阶段，许多概念和理论尚处于发展中。从总体上来看，智能控制与识别是一个新兴的学科领域，到目前为i | ：对智能控制与识别的定义、理论，方法、结构等尚尢统一的系统描述，还缺乏坚实的系统化的理论基础。但可以预见，随着系统理论、人工智能和计算机技术的发展，智能控制与识别必将出现更大的发展，并在实际中获得广泛的应用 1 - 5 。1 2 智能控制与识别理论方法的发展与现状自6 0 年代，自动控制理论和技术的发展已渐趋成熟，而人工智能还只是个诞生不久的新兴技术1 9 6 6 年门德尔( m e n d e lj m ) 首先主张将人工智能用于飞船控制系统的设计p i 1 9 8 5 年8 月。i e e e 在美国纽约召开了第一届智能控制与识别学术讨论会来自美国各地的6 0 位从事自动控制、人j 智能和运筹学研究的专家学者参加了这次学术讨论会。会上集中讨论了智能控制原理和智能控制系统的结构这次会议之后不久，在i e e e 控制系统学会内成立了i e e e 智能控制专业委员会。1 9 8 7 年1 月，在美国费城有i e e e 控制系统学会和计算机学会联合召开了i e e e 智能控制国际会议这是有关智能控制的第一次国际会议，来自美国、欧洲、日本、中国以及其他发展中国家的1 5 0 位代表出席了这次学术盛会提交大会报告和分组宣读的6 0 多篇论文已经专题讨论显示出智能控制的长足进展；同时也说明了由于许多新技术问题的出现以及相关技术的发展，需要重新考虑控制领域和相近学科这次会议是个里程碑，它表明智能控制作为一门独立学科，正式在国际上形成1 9 7 1 年著名学者博京逊( f uk s ) 从发展学习控制的角度首次正式提出智能控制这个新兴的学科领域”1 他的文章题目是：“学习控制系统和智能控制系统：人工智能与自动控制的交叉”他列举了以下三种智能控制系统的例子：( 1 ) 人作为控制器的控制系统由于人具有识别、决策、控制等功能因此对于不同的控制任务及不同的对象和环境情况它具有自学习、自适应和自组织的功能，自动采用不同的控制策略以适应不同的情况显然。这样的控制系统属于智能控制系统。( 2 ) 入一机结合作为控制器的控制系统在这样的控制系统中，机器( 主要是计算机) 完成那些连续进行的需要快速计算的常规控制任务。人则主要完成任务分配、决策、监控等任务。这是另外一种类型的智能控制系统。( 3 ) 无人参与的智能控制系统。以上两种类型的智能控胡系统均是有人参与的，许多智能控制的任务是由人完成的我们更感兴趣的是如何将前面由人完成的那些功能变为由机器来完成，从而设计出无人参与的智能控制系统博京逊的这篇论文中列举的三种智能控制系统的典型情况，第三种情况即是人们所希望的无人参与的智能控制系统。这里破控过程是一个复杂和不确定性的环境。这时要建立被控过程准确的数学模型。并据此采用常规的控制方法是十分困难或几乎不可能的对于复杂的环境和复杂的任务，如何将人工智能技术中较少依赖模型的问题求解方法与常规的控制方法相结合，这正是智能控制所要解决的闷露萨里迪斯( s a r i d i sg n ) 对智能控制的发展作出了重要贡献，他在1 9 7 7 年出2合肥工业大学博士学位论文版了“随机系统的自组织控制”一书 j 。1 9 7 9 年发表了综述文章“朝向智能控制的实现”p j 在这两篇著作中他从控制理论发展的观点论述了从通常的反馈控制到最优控制、随机控制再剑自适应控制、自学习控制、自组织控制，并最终向智能控制这个更高阶段发展的过程。首次提出了分层递阶的智能控制结构形式。其控制精度由下往上逐级地递减智能程度递阶地增加。整个控制结构分成如下三个屡次：( 1 ) 语言组织级( 2 ) 模糊自动机作为协调级( 3 ) 一组自组织控制器作为控制级萨里迪斯等后来在分层递阶智能控制的理论和实践方面又傲了大量的工作 1 0 - 1 4 1 对智能控制系统的三级结构作了明确的分工和定义讨论了每一级的实现方法。建造了一个智能机器人的实验系统在理论上的个重要贡献是定义了熵作为整个智能控制系统的性能度量对每一级定义了熵的计算方法，证明了在执行级的最优控制等价于使某种墒最小的控制方法。对于组织级和协调级的实现，又在原有的基础上进行了改进。在最新的工作中采用神经元网络中的b o l t z m a n n 机来实现组织级的功能，利用p e t r i 网作为工具来实现协调级的功能，在萨里迪斯等人的倡议下，1 9 8 5 年8 月在美国纽约州的t r o y 召开了第一次智能控制学术讨论会然后不久在i e e e 的控制系统学会中成立了智能控制技术委员会，首任主席是萨里迪斯教授，从1 9 8 7 年起每年召开一次智能控制的国际学术会议总之萨里迪斯等人为智能控制学科的建立和发展作出了重要贡献，尤其是他在分层递阶智能控制的理论和实践方面坚持不懈地作了大量的工作分层递价智能控制理论已成为智能控制理论中一个相对比较成熟的重要分支在智能控制的发展过程中，著名学者是奥期特洛姆( a a s t e r nk j ) 在1 9 8 5 年发表的“专家控制”的著名文章中 1 3 1 将人工智能中的专家系统技术引入到控制系统中，组成了另外一种类型的智能控制系统在实际的控制系统中，核心的控制算法只是其中的部分，它还需要许多其它的逻辑控制例如对于一个p i d 调节器来说，需要考虑操作员接口、手动与自动的平滑切换，参数突然改变所引起的过渡过程、执行部件的非线性影响、积分项引起的大摆动现象，上下限报警等问题。采用启发逻辑可用来解决这些问题。在控制软件中，这部分的程序要远远大于控制算法的程序量即使在控制算法部分，也可针对不同的情况采用不同的控制算法来获得更为满意的控制性能，这也需要启发逻辑来实现这样的转换臭斯待洛姆所提出的专家控制将人工智能中的专家系统技术与传统的控制力方法相结合，并吸取了这两者的长处，在实际中取得了明显的效果事实上，白那以后已经有很多采用这种方法在实际中成功应用的报道虽然，专家控制在理论上并没有新的发展和突破，但是，它作为智能控制的一种形式，在实际上有着很广阔的应用前景近年来，神经网络的研究得到了越来越多的关注和重视它在控制中的应用也是其中的一个主要方面，由于神经网络在许多方面试图模拟人脑的功能，因此神经网络控制并不依赖于精确的数学模型，而显示出具有自适应和自学习的功能，因此它也是智能控制的一种典璎形式目前利用神经网络组成自适应控制以及它在机器人中的应用研究方面均取得了很多成果，显示出了广泛的应用前景模糊控制是又一类智能控制的形式现代计算机虽然有着极高的计算速度和极3第一章绪论大的存储能力。但却不能完成一些人看起来十分简单的任务一个很重要的原因是人具有模糊决策和推理的功能，模糊控制正是试l 呈i 模仿人的这种功能。1 9 6 5 年一1 9 7 3年，l a 扎德( z a d e h ) 首先提出了模糊集理论 1 6 - 1 s l , 为模糊控制莫定了基础。在其后的2 0 年中已有很多模糊控制在实际中获得应用成功的例子i ”1 。在我国重庆大学周其鉴等人从8 0 年代初便开始仿人智能控制的研究1 2 “2 ”，他们也为智能控制的发展作出了贡献随着数字图像处理技术的发展和实际应用的需求，图像识别技术越来越重要数字图像识别是图像处理的高级阶段，它所研究的是使用机器分析和识别周围物体的视觉图像，从而可得到结论性判断。但是，为了使人类视觉系统认识的图像让计算机系统也能认识。人们必须寻找出算法，分析图像特征然后将其特征用数学方法表示出来并教会计算机也能认识这些特征1 2 “”i 智能控制与识别作为一门新兴的理论技术，现在还处于发展初期。可以预见，随着系统理论、人工智能和计算机技术的发展，智能技术必将出现更大的发展，并在实际中获得广泛的应用。1 2 1 智能控制与识别的研究对象、主要特征以及研究的数学工具1 智能控制与识别的研究对象智能控制与识别是系统理论发展的高级阶段它主要用来解决那些用传统方法难以解决的复杂系统和任务的控制与识别问题具体地说，智能控制与识别的研究对象具备以下一些特点：( 1 ) 不确定性的模型传统的控制是基于模型的控制，这里的模型包括控制对象和干扰模型对于传统控制通常认为模型已知或者经过辨识可以得到而智能控制与识别的对象模型通常存在严重的不确定性。这里所说的对象模型不确定性包含两层意思：一是对象模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。无论哪种情况，传统方法都难于对它们进行控制与识别，而这正是智能控制与识别所要研究解决的问题( 2 ) 高度的非线性在传统的控制理论中，线性系统理论比较成熟对于具有高度非线性的控制对象，虽然也有一些非线性控制方法，但总的说来。非线性控制理论还很不成熟，而且方法比较复杂。采用智能控制与识别的方法往往可以较好地解决非线性系统地控制问题经典的线性化方法只在一个工作点对原系统作近似，因而有较大的局限性扩展线性化则在一族工作点进行线性化，然后再通过反馈使得近似模型在这族作点上有相同的特征值这种法是可取的，但实际中的非线性系统可能要在一个较大的范围内工作，前提条件太苛刻，因而范围受限很大。浸入方法是非线性系统等价线性化的深入，它将一个非线性系统嵌入到一个较高的维的线性系统，而输出保持不变。但是非线性系统能够浸入到一个线性系统所需的充分必要条件，一般非线性系统是很难满足的，即使能满足这个充要条件，获得的控制器维数也太高了，不利于实时实现总之，对于非线性系统控制器的研究还不够完善c a s t i 曾经这样描写道；。寻4合肥工业大学博士学位论文找一套非线性一般理论有点近乎寻找圣器一场艰巨的。充满着愉快、刺激和失望，但最终却是没有成效的浩幼叫”j ，他奉劝人”j 把注意力转向一些具体的、特殊的系统。( 3 ) 非结构化在传统的控制理论中，结构化系统理论比较成熟对于具有高度非结构化的控制对象，虽然也有一些非结构化控制方法，但总的说来，非结构化控制理论还很不成熟，而且方法比较复杂采用智能控制与识别的方法往往可以较好地解决非结构化系统地控制问题。( 4 ) 复杂的任务要求在传统的控制与识别系统中，控制的任务或者是要求输出量为定值( 调节系统) 。或者是要求输出量跟随期望的运动轨迹( 跟踪系统) 因此控制任务的要求比较单一。对于大系统，复杂集合和多任务系统，任务的要求往往比较复杂采用智能控制与识别的方法往往可以有效地解决复杂的任务要求控制问题。2 智能控制与识别系统的主要特征智能控制与识别系统是实现某种任务的种智能系统。所谓智能系统是指具各一定智能行为的系统具体地说若对于一个问题的激励输入，系统具备一定的智能行为，它能够产生合适的求解问题的响应，这样的系统便称为智能系统例如，对于智能控制与识别系统，激励输入是任务要求及反馈的传感信息等，产生的响应则是合适的决策和控制作用。从系统的角度，智能行为也是一种从输入到输出的跌射关系这种映射关系并不能用数学的方法精确地加以描述，因此它可看成是一种不依赖于模型的自适应估计输入和输出之间存在某种映射关系，这种映射关系可以定性地加以说明，但不可能用数学的方法来精确地加以描述因此也不可能由别的人来精确地加以再现g n 萨里迪斯( s a r i d i s ) 给出了一种定义：“通过驱动自主智能机来实现其目标而无需操作人员参与的系统称为智能控制与识别系统”这里所说的智能机指的是能够在结构化或非结构化、熟悉或不熟悉的环境中，自主地或有人参与地执行拟人任务的机器因此，智能控制与识别系统可不严格的通俗定义为；在一个控制系统中。如果控制器完成了分不清是机器还是人完成的任务。称这样的系统为智能控制与识别系统虽然给出了智能控制与识别系统的定义，但是它并没有提出一一个明确的界限，什么样的系统才算是智能控制与识别系统同时，即使是智能控制与识别系统，其智能程度也有高有低，因此给出智能控制与识别系统大致的典型原理，如图1 - 1 所示固卜l 智能控制与识别系统原理结构图其中：。广义对象。包括通常意义下的控制与识别对象和外部环境。传感器一5第一章绪论包括获取的各种信息信号。“感知信息处理”将传感器得到的原始信息加以处理，提取有用的信息。“认知”主要用来接收和存储信息、知识、经验和数据，并对它们进行分析、推理，作出行动的决策，送至规划和控制部分。“通信接口”建立人机之间联系和建立系统中各个模块之间的联系。“规划和控制”根据给定的任务要求、反馈的信息以及经验知识，进行自动搜索、推理决策、动作规划和产生控制方案，。执行器”将控制方案形成具体的控制信号。作用于控制对象。从智能控制与识别系统的功能模块结构观点出发，g n s a r i d i s 提出了分层递阶结构的智能控制与识别系统，它将计算机的高层决策、系统理论中的先进的数学建模和综合方法以及处理不精确和不完全信息的语言方法结合在一起，形成了一种适合于工程需要的统一的方法其组成结构形式如图1 - 2 所示人，低一控制精度一高、高+ 一智售色控制程度- 一低，( 誓识别精度震)图1 2 分层递阶智能控制与识别结构圈该分层递阶的智能控制与识别结构有两个明显的特点：( 1 ) 对控制来讲，自左而右控制精度愈来愈高。相应的智能程度也愈来愈低执行级一般需要比较准确的模型，以实现具有一定精度要求的控制任务：协调级用来协调执行级的动作它不需要精确的模型。但需具备学习功能以便在再现的控制环境中改善性能并能接受上一级的模糊指令和符号语言；组织级将操作员的自然语言翻译成机器语言，组织决策、规划任务、并直接干预低层的操作( 2 ) 对识别来讲，白右而左信息回馈愈来愈粗略，相应的智能程度也愈来愈高。在执行级中。识别的功能在于获得不确定的参数值或监督系统参数的变化协调级中，识别的功能在于根据执行级送来的量测数据和组织级送来的指令产生合适的协调作用在组织级中。识别的功能在于翻译定性的命令和其它的输入。因此对智能控制与识别系统的研究内容包括两个方面：智能控制与识别理论方法方面。智能控制与识别功能根据给定的任务要求、反馈的信息以及经验知识，进行自动搜索、推理决策、动作规划和产生控制作用。智能识别理论方法方面智能识别功能根据传感，感知、感觉( 如：电量、力、速度、位置、流量、温度、湿度、触觉、嗅觉、听觉，视觉等传感器) 得到的原始6合肥工业大学博士学位论文信息、记忆信息，知识、经验和数据进行分析、推理，理解与模式识别，提取有用的信息，作出识别豹决策，3 智能控制与识别系统的主要功能特点虽然智能控制与识别的定义、理论、结构等尚无统一的系统描述，什么样的系统才算是智能控制与识别系统，下面给出智能控制与识别系统大致应具备的一些功能持点。( 1 ) 学习功能关于什么是学习，人们尚有许多争议，g n 萨里迪斯给出的一个定义：一个系统，如果能对一个过程或其环境的未知特征所固有的信息进行学习，并将得到的经验用于进一步的估计、分类、决策或控制，从而使系统的性能得到改善，那么就称该系统为学习系统具有学习功能的控制系统也称为学习控制系统，它主要强调其具备学习功能的特点学习控制系统可看成是智能控制与识别系统的一种智能控制与识别系统的学习功能可能有低有高，低层次的学习功能主要包括对被控对象参数的学习，高层次的学习则包括知识的更新和遗忘( 2 ) 适应功能智能控制与识别系统的适应功能比传统的自适应控制中的适应功能具有更广泛的含义它包括更高层次的适应性正如前面已经提到的。智能控制与识别系统中的智能行为实质上是一种从输入到输出之间的映射关系。它可看成是不依赖模型的自适应估计，因此它具有很好的适应性能当系统的输入不是已经学习过的例子时，由于它具有插补功能，从而可给出合适的输出，甚至当系统中某些部分出现故障时，系统也能够正常的工作如果系统具有更高