西安科技大学先进控制期末考试.docx

西安科技大学研究生考试试卷题号分 数阅卷人12345678910总分学 号 2014XX 研究生姓名 XX 专 业 XX 考 试 科 目 XX 考 试 日 期 2014年1月10日 课 程 学 时 54 开（闭）卷 开卷 注 意 事 项1、考生必须遵守考场纪律2、答题必须写清楚题号3、字迹要清楚，保持卷面整洁4、试题随试卷一起交回（试题写在黑板上时，答题时应抄写题目）智能控制综述XX西安科技大学 XX（2014XX）摘要：所谓智能控制是指在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。本文介绍了智能控制的发展历史与研究现状，智能控制与传统控制的区别，智能控制未来的发展趋势，分析了几种典型的智能控制技术并进行了相应的仿真，智能控制的应用，尤其是在煤矿中的应用。最后, 对今后智能控制的发展前景进行了展望。关键词：智能控制 专家控制 模糊控制 神经网络控制 遗传算法Summary of Intelligent ControlXX(Xian University of Science and Technology, XX,2014XX)Abstract: The so-called intelligent control means in the absence of intervention can be independently driven intelligent machines to achieve automatic control technology control objectives. This article describes the history and current development of intelligent control study, the difference with the traditional control of intelligent control, intelligent control of future trends, several typical intelligent controltechnology is analyzedand the corresponding simulation, intelligent control applications, especially application in coal mine. Finally, the future prospects for the development of intelligent control were discussed.Key words: Intelligent Control; Expert Control; Fuzzy Control; Neural Network Control; Genetic Algorithms1引言智能控制是自动控制发展的高级阶段，是人工智能、控制论、信息论、系统论、仿生学、进化计算和计算机等多种学科的高度综合与集成，是一门新兴的边缘交叉学科。智能控制是当今国内、外自动化学科中的一个十分活跃和具有挑战性的领域，代表着当今科学和技术发展的最新方向之一。它不仅包含了自动控制、人工智能、系统理论和计算机科学的内容，而且还从生物学等学科汲取丰富的营养，正在成为自动化领域中最兴旺和发展最迅速的一个分支学科3。作为智能控制发展的高级阶段，智能控制主要解决那些用传统控制方法难以解决的复杂系统的控制问题，其中包括智能机器人控制、计算机集成制造系统(CIMS)、工业过程控制、航空航天控制、社会经济管理系统、交通运输系统、环保及能源系统等。在工业控制中，PID控制是工业控制中最常用的方法。这是因为PID控制器结构简单、实现容易,控制效果良好,已得到广泛应用。但是,参数的整定复杂，是常规PID控制器难以解决的问题。针对这一情况,本文应用智能控制的几个大的分支，针对水位控制课题分别设计了水位控制的模糊控制、专家系统控制以及基于BP神经网络的控制方案，并应用MATLAB进行系统仿真实验，并对实验结果进行分析。2.智能控制的发展历史智能控制器是以自动控制技术和计算机技术为核心，集成微电子技术、电力电子技术、信息传感技术、显示与界面技术、通讯技术、电磁兼容技术等诸多技术而形成的高科技产品。作为核心和关键部件，智能控制器内置于设备、装置或系统之中，扮演“神经中枢”及“大脑”的角色。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。在智能控制产生之前,控制理论已经历了三个阶段。第一个阶段是20世纪40-60 年代的经典控制理论,主要采用传递函数、频率特性、根轨迹为基础的频域分析方法来解决单输入单输出问题。著名的控制科学家有:Black, Nyquist, Bode。第二阶段是20世纪60-70年代，由于空间技术的发展，形成以多变量控制为特征的现代控制理论。主要代表有Kalman的滤波器、Pont ryagin的极大值原理、Bellman 的动态规划和Lyapunov的稳定性理论。第三阶段从20世纪70年代开始，以分解和协调为基础，形成用于复杂系统的大系统控制理论。它综合了现代控制理论、图论、数学规划和决策方面的成果，是控制理论在广度上的开拓。重要理论有递阶控制理论、分散控制理论、队论等4。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。自1932年奈魁斯特（H.Nyquist）的有关反馈放大器稳定性论文发表以来，控制理论的发展已走过了60多年的历程。一般认为，前30年是经典控制理论的发展和成熟阶段，后30年是现代控制理论的形成和发展阶段。随着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已难以解决复杂系统的控制问题。智能控制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产生和发展起来的。从20世纪60年代起，计算机技术和人工智能技术迅速发展，为了提高控制系统的自学习能力，控制界学者开始将人工智能技术应用于控制系统。1965年，美籍华裔科学家傅京孙教授首先把人工智能的启发式推理规则用于学习控制系统，1966年，Mendel进一步在空间飞行器的学习控制系统中应用了人工智能技术，并提出了“人工智能控制”的概念。1967年，Leondes和Mendel首先正式使用“智能控制”一词。20世纪70年代初，傅京孙、Glofis0和Saridis等学者从控制论角度总结了人工智能技术与自适应、自组织、自学习控制的关系，提出了智能控制就是人工智能技术与控制理论的交叉的思想，并创立了人机交互式分级递阶智能控制的系统结构。20世纪70年代中期，以模糊集合论为基础，智能控制在规则控制研究上取得了重要进展。1974年，Mamdani提出了基于模糊语言描述控制规则的模糊控制器，将模糊集和模糊语言逻辑用于工业过程控制，之后又成功地研制出自组织模糊控制器，使得模糊控制器的智能化水平有了较大提高。模糊控制的形成和发展，以及与人工智能的相互渗透，对智能控制理论的形成起了十分重要的推动作用。20世纪80年代，专家系统技术的逐渐成熟及计算机技术的迅速发展，使得智能控制和决策的研究也取得了较大进展。1986年，K.J.Astrom发表的著名论文专家控制中，将人工智能中的专家系统技术引入控制系统，组成了另一种类型的智能控制系统专家控制。目前，专家控制方法已有许多成功应用的实例。智能控制的基本概念为：智能控制的定义一：智能控制是由智能机器自主地实现其目标的过程。而智能机器则定义为，在结构化或非结构化的，熟悉的或陌生的环境中，自主地或与人交互地执行人类规定的任务的一种机器。定义二：K.J.奥斯托罗姆则认为，把人类具有的直觉推理和试凑法等智能加以形式化或机器模拟，并用于控制系统的分析与设计中，使之在一定程度上实现控制系统的智能化，这就是智能控制。他还认为自调节控制，自适应控制就是智能控制的低级体现。定义三：智能控制是一类无需人的干预就能够自主地驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。定义四：智能控制实际只是研究与模拟人类智能活动及其控制与信息传递过程的规律，研制具有仿人智能的工程控制与信息处理系统的一个新兴分支学科。智能控制产品在中国等发展中国家的应用仍处于初级阶段，现阶段市场规模不大，但是增长速度较高，拥有巨大的发展空间。据前瞻网统计，目前我国智能控制器行业规模为4200亿元，2004年以来的年均增长率接近19%。汽车电子和大型生活电器是中国电子智能控制产品传统主要应用领域，市场占有率分别为31%和10%左右。小型生活电器产品种类众多，目前我国小型生活电器智能控制产品应用还不普及，正处于高速发展阶段，市场空间巨大。此外，电动汽车、智能建筑及家居等新兴领域的崛起也将带动智能控制器需求的快速增长。智能控制产品行业由于下游厂商需求分散造成了产品差异较大、产能较分散，因此全球智能控制产品行业总体集中度较低。根据市场规模、技术实力，全球智能控制产品厂商可以分为三个档次：第一集团：技术实力领先，市场遍布全球，向全球跨国电器、整机厂商提供高端智能控制产品和服务，主要厂商有英国英维斯、德国代傲等；第二集团：中等规模智能控制厂商，拥有自己的技术研发团队，能够根据客户需求独立开发并提供智能控制产品和服务，具有同第一集团竞争的潜力，主要厂商有拓邦股份、英唐智控、和尔泰、金宝通等；第三集团：中小规模智能控制厂商，产品研发能力欠缺，在竞争中处于相对较弱的地位。3.智能控制与传统控制的区别智能控制与传统的或常规的控制有密切的关系，不是相互排斥的。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。传统控制 (Conventional control)：经典反馈控制和现代理论控制。它们的主要特征是基于精确的系统数学模型的控制。适于解决线性，时不变等相对简单的控制问题。智能控制 (Intelligent control)以上问题用智能的方法同样可以解决。智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分,在这个意义下，两者可以统一在智能控制的框架下。二者具体区别如下：（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，其智能机可以在熟悉或不熟悉的环境中自动地或人机交互地完成拟人任务。4.智能控制未来的发展趋势智能控制出现的时间不长,但把追求智能控制系统高度自治的狭隘理解引导到重视人机结合、智能互补的方向上来。这促进智能控制学科健康发展,并使它取得了可喜的成果和进展。但在智能控制发展的热潮中，应当看到，国内外智能控制的应用研究成果的层出不穷与理论研究的缓慢发展甚至停滞不前，形成了一种不平衡现象。从目前来看,智能控制难以存在普遍、统一的理论体系，而建立具有开放性、形式非唯一性的集成化智能控制框架则是现实的、必要的。智能控制在以下几方面要加强研究工作: (1)加强理论研究,给出智能控制系统的稳定性、可控性、可测性、鲁棒性定义及准则；(2)解决知识获取和优化的瓶颈问题,特别是动态系统的知识获取和分类；(3)加强各种智能控制方法结合的耦合度；(4)加强对学习问题的研究，进而加快收敛速度，提高实时控制能力；(5)融入更多领域知识,拓宽智能控制的应用范围。智能控制已广泛地应用于工业、农业、军事等多个领域，解决了大量的传统控制无法解决的实际控制应用问题，呈现出强大的生命力和发展前景。随着智能控制应用方法的日益成熟，智能控制的研究领域必将进一步扩大。除了高级机器人、过程智能控制和智能故障诊断外，下列领域将成为新的应用领域：交通控制(如高速列车、汽车运输、飞机飞行控制等)，用于CAD、CAM、CIMS和CIPS的自动加工控制，医疗过程控制、商业、农业、文化教育和娱乐等。当代最高意义上的智能自动化要算机器人学的进步和应用。机器人从爬行到直立行走，现在已能用手使用工具，能看、听、用多种语言说话，并能可靠的去干最脏最累最危险的活。据统计，目前世界上有将近100万个机器人在各生产线上工作，美国和日本在核反应堆中使用机器人，印度科学家在2002年8月27日也宣称，他们已经建造成一种6条腿的机器人用于核电站工作。据估计到2010年，智能机器人可能进入家庭，许多家政劳动将由机器人来代替。智能型机器人进入社会服务业，可以当出租车司机、医院护士、家庭保姆和银行出纳等。因此，智能机器人将逐渐代替人类的复杂劳动，解放人类的身体，提高未来休闲时代的生活质量。按照我国规划，到2010年，70以上的家庭具备互联网接入条件，大中城市中60的住宅实现智能化。到时候，新兴的语音识别技术，会在智能家居中运用“生物特征智能识别技术”，对我们脸部、角膜、指纹等特征进行技术识别，方便我们的生活。远程医疗和健康监护等自动化技术，也将问津寻常人家的日常生活。在手术过程中的麻醉深度智能控制系统，已证明其控制质量超过了人工控制。交通事故死亡率成为人类和平时期非正常死亡概率的第一因素，引入智能交通系统，可以大大缓解这一状况。智能交通系统是信息自动化处理的系统，包括收集最基本的道路信息，建立多种交通模型，需求最优的交通诱导，给出行者提供充分的信息。智能交通系统在美国的一些城市已经实施，它可以减小10的废弃材料，20的交通延迟，30的停车次数。有关资料表明：2010年智能交通将会在世界性大城市普及，2020年，智能交通将成为生活中的一部分。我国科技部已经正式确定上海、广州、深圳、青岛、重庆等9个城市为首批全国智能交通系统应用和示范工程试点城市。全世界约有6万种语言，智能化电脑同步翻译机的出现，将真正实现人类语言达到沟通无障碍的“全球通”状。目前我国科学家已经成功试制出中国和韩国间的同声翻译，以及中日间掌上电脑的同步翻译。预计十多年后，会有大量的语音翻译产品问世，30年后将出现没有领域限制的翻译系统，全球将基本实现无语言障碍交流5。决策系统、专家控制系统、学习控制系统、模糊控制系统、神经网络控制、智能规划和故障诊断等智能控制的一些研究成果，也已被应用于各类工业(电力、化工、冶金、造纸等)生产过程控制系统和智能化生产(制造)系统，如：飞行器制造，汽车自动驾驶系统等。智能技术广泛应用于社会，有利于提高人民的生活质量，提高劳动生产率，提高全社会的文化素质，创造更高的就业率。目前，在世界范围内，智能控制和智能自动化科学与技术正在成为自动化领域中最兴旺和发展最迅速的一个分支学科，并被许多发达国家确认为面向21世纪和提高国家竞争力的核心技术。5智能控制的主要内容5.1专家控制（1）专家控制：专家指的是那些对解决专门问题非常熟悉的人们，他们的这种专门技术通常源于丰富的经验，以及他们处理问题的详细专业知识。专家控制(expert control)是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。这是一种将人的感知经验(浅层知识) 与定理算法(深层知识) 相结合的传统的智能控制方法。主要优点是在层次结构上、控制方法上和知识表达上有灵活性、启发性和透明性,既可以采用符号推理也允许数值计算；既可以精确推理也可以模糊决策。专家系统的基本组成部分有：知识获取、知识库、推理机和解释器四个部分,其结构如图1 所示。知识获取为修改知识库中原有的知识和扩充知识提供手段;知识库用于存储领域内的原理性知识、专家的经验知识以及有关的事实等，并为推理机提供求解问题所需知识；推理机根据当前的输入数据或信息,再利用知识库中的知识，按一定的推理策略去处理、解决当前的问题；解释器根据知识的语义，对找到的知识进行解释，向用户提供了一个认识系统的窗口。图1 专家系统结构图由于专家系统控制不需要被控对象的数学模型，因此它是目前解决不确定性系统的一种有效方法，应用较为广泛。但具有灵活性的同时也带来了设计上的随意性和不规范性，用专家系统所构成的专家控制，无论是专家控制系统还是专家控制器，其相对工程费用较高，而且还涉及自动地获取知识困难、无自学能力、知识面太窄等问题。尽管专家系统在解决复杂的高级推理中获得较为成功的应用，但是专家控制的实际应用相对还是比较少。（2）专家PID控制仿真：专家控制是模拟人类专家的控制知识与经验而形成的控制方法，已成为近年来最活跃和广泛应用的智能控制领域之一。专家系统由知识库、推理机、解释机制和知识获取机构组成，它具有领域专家级的专业知识，能进行符号处理和启发式推理，具有知识获取能力，有一定的灵活性、透明性和交互性。在进行专家PID设计时，要根据控制专家的经验，从特性识别获得的系统状态特征和性能特征出发，由专家系统归纳出PID参数的控制规律，并把该规律存入知识库，对知识库进行完善。系统工作时，被控对象的状态被输入专家控制器，由推理机根据知识库进行启发式推理，决定此时系统所需的PID控制器控制参数。专家PID控制的实质是：基于受控对象和控制规律的各种知识，无须知道被控对象的精确模型，利用专家经验来设计PID参数。专家PID控制是一种直接型专家控制器。专家PID控制仿真程序见附录1，仿真结果如图2和图3所示。图2 PID控制阶跃响应曲线图3 误差响应曲线5.2模糊控制（1）模糊控制：所谓模糊控制，就是在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法。模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标。模糊控制的基本思想是用机器去模拟人对系统的控制。它是受这样事实而启发的：对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统，有经验的操作者或专家却能取得比较好的控制效果，这是因为他们拥有日积月累的丰富经验，因此人们希望把这种经验指导下的行为过程总结成一些规则，并根据这些规则设计出控制器。然后运用模糊理论，模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成对这些规则的具体实现，达到以机器代替人对某些对象进行自动控制的目的。模糊逻辑用模糊语言描述系统，既可以描述应用系统的定量模型也可以描述其定性模型。模糊逻辑可适用于任意复杂的对象控制。但在实际应用中模糊逻辑实现简单的应用控制比较容易。简单控制是指单输入单输出系统(SISO)或多输入单输出系统(MISO)的控制。因为随着输入输出变量的增加，模糊逻辑的推理将变得非常复杂。模糊控制是应用模糊集合理论,从行为上模拟人的模糊推理和决策过程的一种实用方法。如图4所示,其核心为模糊推理，主要依赖模糊规则和模糊变量的隶属度函数。与专家系统控制类似，其推理过程也是基于规则形式表示的人类经验。因此有人把两者都归类于基于规则的控制。图4 模糊控制结构图其主要特点是：它是一种非线性控制方法;不依赖于对象的数学模型；具有内在的并行处理机制，并表现出极强的鲁棒性；算法简单、执行快、容易实现。模糊控制已在一些领域取得了很好的研究成果，展示了其处理精确数学模型，非线性,时变和时滞系统的强大功能。但是模糊控制系统还有许多理论和设计问题亟待解决。这些问题主要有: 1）模糊控制器的稳定性和鲁棒性理论分析问题；2）模糊控制精度较差，存在优化设计问题；3）模糊控制表(规则库)一般要人工建立，尚无学习功能。目前已有一些研究者对上述问题进行了探讨，运用自适应模糊方法讨论了非线性模糊系统的稳定性问题。（2）模糊PID控制仿真：模糊控制是以模糊语言变量、模糊集合论以及模糊逻辑推理为数学基础的一种新型计算机控制算法，它不依赖控制对象的数学模型，具有智能性和学习性的优点。在进行模糊PID设计时，要总结工程设计人员和专家的实际操作经验和知识，针对Kp、Ki、Kd建立合适的模糊规则表，而后确定模糊控制器的输入量（一般为控制量偏差和偏差变化率）和输出量（即PID控制器的比例、积分、微分系数）的论域和隶属度函数。系统工作时首先对输入的清晰量进行模糊化处理，而后通过查询内部的模糊控制规则表进行模糊推理，得到Kp、Ki、Kd的模糊控制量，经过清晰化处理后可得到此时系统所需的PID控制参数。模糊PID控制仿真框图和结果分别如图5、图6、图7、图8和图9所示。图5 模糊PID控制仿真框图图6 模糊控制三维图(a)图7 模糊控制Scope1仿真结果(b)图8 模糊控制Scope2仿真结果(c)图9 模糊控制Scope3仿真结果(d)5.3神经网络控制（1）神经网络控制：20 世纪80 年代中期以来,人工神经网络以其独特的优点引起了人们的极大关注。它是从机理上对人脑生理系统进行结构模拟的一种控制和辨识方法，是介于符号推理与数值计算之间的一种数学工具,具有较好的学习和适应能力。神经网络是指由大量与生物神经系统的神经细胞相类似的人工神经元互连而组成的网络；或由大量象生物神经元的处理单元并联互连而成。这种神经网络具有某些智能和仿人控制功能。学习算法是神经网络的主要特征，也是当前研究的主要课题。学习的概念来自生物模型，它是机体在复杂多变的环境中进行有效的自我调节。神经网络具备类似人类的学习功能。一个神经网络若想改变其输出值，但又不能改变它的转换函数，只能改变其输人，而改变输人的唯一方法只能修改加在输人端的加权系数。神经网络的学习过程是修改加权系数的过程，最终使其输出达到期望值，学习结束。常用的学习算法有：Hebb学习算法，Widrow Hoff学习算法，反向传播学习算法一BP学习算法，Hopfield反馈神经网络学习算法等。神经网络是利用大量的神经元按一定的拓扑结构和学习调整方法。它能表示出丰富的特性：并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习等。这些特性是人们长期追求和期望的系统特性。它在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力。神经网络可以和模糊逻辑一样适用于任意复杂对象的控制，但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出系统的多变量控制。在模糊逻辑表示的SIMO 系统和MIMO 系统中，其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现。模糊神经网络技术和神经模糊逻辑技术：模糊逻辑和神经网络作为智能控制的主要技术已被广泛应用。两者既有相同性又有不同性，其相同性为：两者都可作为万能逼近器解决非线性问题，并且两者都可以应用到控制器设计中。不同的是：模糊逻辑可以利用语言信息描述系统，而神经网络则不行；模糊逻辑应用到控制器设计中，其参数定义有明确的物理意义，因而可提出有效的初始参数选择方法；神经网络的初始参数(如权值等) 只能随机选择。但在学习方式下，神经网络经过各种训练，其参数设置可以达到满足控制所需的行为。模糊逻辑和神经网络都是模仿人类大脑的运行机制，可以认为神经网络技术模仿人类大脑的硬件，模糊逻辑技术模仿人类大脑的软件。根据模糊逻辑和神经网络的各自特点，所结合的技术即为模糊神经网络技术和神经模糊逻辑技术。模糊逻辑、神经网络和它们混合技术适用于各种学习方式，智能控制的相关技术与控制方式结合或综合交叉结合，构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点。人工神经网络本身各简单结点没有显在的物理意义，但综合网络可描述复杂和非线性系统的控制和辨识问题,而且能做到并行实时、冗余容错的运算。它有如下特点5 ,6 ：能充分逼近任意非线性特性；分布式并行处理机制；自学习和自适应能力；数据融合能力；适合于多变量系统；多变量处理；以及可硬件实现。这些特点使神经网络成为非线性系统建模与控制的一种重要方法，因此神经网络成为实现非线性预测控制的关键技术之一7 。神经网络控制在理论和设计方法上还存在许多问题,有待进一步的研究。例如人工神经网络系统稳定性的分析方法、神经网络结构和规模的选取及优化方法和学习和控制算法的收敛性和实时性问题，这些都还有待继续深入研究。（2）神经网络控制仿真：人工神经网络(简称神经网络，NeuralNetwork)是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结构和功能上对人脑进行抽象和简化，是模拟人类智能的一条重要途径，反映了人脑功能的若干基本特征，如并行信息处理、学习、联想、模式分类、记忆等。人工神经网络本身各简单结点没有显在的物理意义，但综合网络可描述复杂和非线性系统的控制和辨识问题，而且能做到并行实时、冗余容错的运算。它有如下特点 ：能充分逼近任意非线性特性；分布式并行处理机制；自学习和自适应能力；数据融合能力；适合于多变量系统；多变量处理；以及可硬件实现。这些特点使神经网络成为非线性系统建模与控制的一种重要方法，因此神经网络成为实现非线性预测控制的关键技术之一。1986年Rumelhart和McCelland等人提出并行分布处理（PDP）的理论，同时提出了多层网络的误差反向传播学习算法，简称BP算法。这种算法根据学习的误差大小，把学习的结果反馈到中间层次的隐单元，改变它的权系数矩阵，从而达到预期的学习目的，解决了多层网络的学习问题。BP算法从实践上证明神经网络的运算能力很强，可以完成许多学习任务，解决许多具体问题。BP网络是迄今为止最常用、最普通的网络。BP算法仿真程序见附录2，仿真结果如图10所示。图10 BP算法仿真曲线54遗传算法 (1)遗传算法：遗传算法简称GA(GeneticA1gorithms)，是1962年由美国Michigan大学H011and教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是：将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉 变异 繁殖等操作获得待优化函数的最优或近似最优解 在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题 遗传算法具有可扩展性，可以。同专家系统 模糊控制和神经网络结合，为智能控制的研究注、入新的活力 如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。同常规优化算法相比，遗传算法有以下特点：1)遗传算法是对参数的编码进行操作，而不对参数本身。首先基于一个有限的字母表，把最优化问题的自然参数集编码为有限长度的字符串。2)遗传算法是从许多点开始并行操作的，而不局限于一点，有效防止搜索过程收敛于局部最优解。3)遗传算法通过目标函数来计算适应度，不需要其他推导和附加信息，对问题的依赖性较小。4)遗传算法的寻优规则是由概率决定的，而非确定性的。5)遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索。6)遗传算法对于待寻优的函数基本无限制，它不要求函数连续和可微，可以是数学解析式所表达的显函数，又可以是映射矩阵甚至是神经网络等隐函数，因而应用范围较广。7)遗传算法具有并行计算的特点，因而可以通过大规模并行计算来提高计算速度。8)遗传算法计算简单，功能强，更适合大规模复杂问题的优化。4）使用自适应的概率搜索技术。（2）遗传算法控制基本操作：遗传算法是一种全局优化自适应概率搜索方法，它从自然界适者生存、优胜劣汰的遗传机制演化而来。遗传算法仅需要较少的先验知识，对问题的依赖性小，适用性广，具有并行性和全局收敛性。遗传算法包括四个基本步骤：初始化、复制、交叉和变异。在进行遗传算法PID设计时，首先要对控制系统所需的Kp、Ki、Kd进行二进制编码，并将其拼接成一条染色体。利用智能PID控制此方法随机产生一组个体，进行种群的初始化。可设定一定数量的通过实验验证能够使系统稳定运行的个体作为初始种群，以加速寻优过程，提高系统的收敛速度。其次要选取合适的适应度函数，一般来说，适应度函数可由目标函数转换而成。设计适应度函数要满足单值、连续、非负和最大化，具有合理性和一致性，计算量小，通用性强等特点。系统工作时，在初始化后控制器不断地进行染色体的适用度评价、复制、交叉、变异，直到适应度收敛于最优解，获得最优编码。最后通过对最优编码进行译码操作得到PID控制器所需的控制参数。1）复制：复制是从一个旧种群中选择生命力强的个体位串产生新种群的过程。根据位串的适配值拷贝，也就是指具有高适配值的位串更有可能在下一代中产生一个或多个子孙。它模仿了自然现象，应用了达尔文的适者生存理论。复制操作可以通过随机方法来实现。若用计算机程序来实现，可考虑首先产生01之间均匀分布的随机数，若某串的复制概率为40%，则产生的随机数在00.40之间时，该串被复制，否则被淘汰。此外，还可以通过计算方法实现，其中较典型的几种方法为适应度比例法、期望值法、排位次序法等。适应度比例法较常用。2）交叉：复制操作能从旧种群中选择出优秀者，但不能创造新的染色体。而交叉模拟了生物进化过程中的繁殖现象，通过两个染色体的交换组合，来产生新的优良品种。它的过程为：在匹配池中任选两个染色体，随机选择一点或多点交换点位置；交换双亲染色体交换点右边的部分，即可得到两个新的染色体数字串。交换体现了自然界中信息交换的思想。交叉有一点交叉、多点交叉、还有一致交叉、顺序交叉和周期交叉。一点交叉是最基本的方法，应用较广，它是指染色体切断点有一处，例如：A: 1011001110-1011000101B: 0010100101-00101011103）变异：变异运算用来模拟生物在自然界的遗传环境中由于各种偶然因素的基因突变，它以很小的概率随机地改变遗传基因（表示染色体的符号串的某一位）的值。在染色体以二进制编码的系统中，它随机地将染色体的某一基因由1变为0，或由0变为1。若只有选择和交叉，而没有变异，则无法在初始基因组合以外的空间进行搜索，使进化过程在早期就陷入局部解而进入终止过程，从而影响解的质量。为了在尽可能大的空间中获得质量较高的优化解，必须采用变异操作。6.智能控制的应用智能控制主要应用存在的情况：实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型。应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。智能控制在各行各业的应用如下：6.1电力电子学研究领域中的智能控制电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果。遗传算法是一种先进的优化算法，采用此方法来对电器设备的设计进行优化，可以降低成本,缩短计算时间，提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有：模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中，智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一，也是研究的新热点之一。6.2工业过程中的智能控制生产过程的智能控制主要包括两个方面：局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID控制器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器，因为其在参数的整定和在线自适应调整方面具有明显的优势，且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产过程的自动化，包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。6.3机械制造中的智能控制在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经网络的方法对制造过程进行动态环境建模，利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If”逆向推理作为反馈机构，修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性，将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。6.4智能控制在广义控制领域中的应用从广义上理解自动控制, 可把它看作不通过人工干预而对控制对象进行自动操作或控制的过程。对于这个控制对象的理解也可以包括那些具体的有形的机械设备以及抽象的时变的信息对象, 如股市行情、气象信息、城市交通、地震火灾预报数据等。这类对象的特点是以知识表示的非数学广义模型, 或者含有不完全性、模糊性、不确定性的数字过程。对它们进行控制是无法用常规的控制器, 而需要采用符号信息知识表示和建模, 进行智能算法的程序设计来进行自动推理和决策7。65煤矿领域中的智能控制计算机智能控制技术的功能及应用:计算机智能控制技术是一门跨学科的综合性高技术，也是一门独立的交叉学科。随着微电子高新技术的兴起，也大大推动了智能控制技术的迅速发展，尤其是计算机控制技术，在很大程度上提升了煤矿机电产品的性能，使煤矿机械的发展有了很大的提高。目前，计算机智能控制系统主要有以下功能：（1）自动化或半自动化程度提高。随着科学技术的发展，煤矿机械实现了自动化或半自动化控制，减少了经验不足和对作业精度的影响，也大大减轻了操作者的劳动强度，从而提高生产的效率。例如，液压支架电液控制系统，就是所谓的计算机智能控制技术，它可以实现远程控制，如果在支架操作控制器上输入程序，就能够在支架上进行自动连续操作。（2）在线监控、自动报警和故障自诊。在计算机智能控制技术中，通过自动报警和在线监控功能，能够对工作装置、传动系统和电动机等煤矿机械的运行状态进行实时监控，如果出现事故，报警系统就会启动，进行自动报警，能够帮助救助人员找出出现故障的准确位置，这就在很大程度上提高了操作员的工作条件，也会简化对设备的维护检查工作，使停机维修的时间大大缩短，从而使设备的使用寿命延长，也会在很大程度上提高机械工作效率。如果采用PLC控制采煤机上的变频器，就会使煤矿中的各种电器设备更加智能化，从而实现多种在线监控和故障自诊。（3）节约能耗，提高生产效率。如果在井下使用通风机、提升机、胶带输送机等，就应使用PLC控制系统、变频起动，能够节电量就在30%左右，与此同时，也会大大提高生产效率。（4）其他应用。国外生产的采煤机、输送机、综掘机等机械中，采用了先进的技术，也就是计算机控制自动变速器，通过外负荷的变化自动改变传动比，能够在很大程度上改变功率。这就要求对电动机功率进行充分利用，在操作的步骤上更加简化，从而使设备的安全性能得到提高，又能降低能耗的成本，降低劳动强度，保障作业人员的操作安全。目前，我国计算机智能控制技术也能够应用于综合机械化采煤机，实现无人操作，可以使用机械在危险的地带或者人无法接近的地点进行作业，如果想要实现远程遥控和计算机编程控制，可以配备无线遥控装置。6.5.1智能控制技术在采煤机中的应用在现代煤矿高产工作面中，由于采煤机对采煤工作目标的实现起到关键的作用，是保障机械达到高产稳产的目标。目前，我国采用的采煤机测试系统还比较陈旧，测试系统的使用基本处于停用状态，这就在很大程度上影响了煤炭的开采。采煤机测试系统是计算机和先进的检测元件组成的，能够大大提高测试和数据处理的进度，从而使测试能够得到保障。（1）测试技术概况。测试需要进行实验和测量，它是通过客观事物中的相关信息，对其认识的一个过程。在测试的过程中，需要采集数据并对其进行处理，还需要完成对仿真系统的操作，也就是控制，还有被测对象的负载和运行环境的模拟。测试技术的发展需要经历三个阶段：1）手动阶段，也就是需要人工进行对数据采集、处理和仿真系统的控制；2）自动测试，通过数据采集所构成的测量装置，能够采用自动进行，但是在分析和处理测量数据的过程中，仿真系统的控制还需要人工进行；3）通过计算机及其外围的设备，计算机的辅助测试可以替代人工操作，需要计算机进行相关的处理，但是，这可以在很大程度上提高测试的速度和精度，扩大测试的范围。（2）测试系统工作原理。1）液压泵试验。如果驱动转矩速传感器和变速箱，电机就能够加载调节后的溢流阀例，通过检测元件，就能够将压泵的各项性能参数直接检测出。下图11为液压泵试验原理。图11 液压泵试验原理图2）液压马达试验。电机驱动液压泵，当液压泵排出的高压油进入到被试液压马达后，检测元件就能够检测出马达性能参数。下图12为液压马达试验原理。图12 液压马达试验原理图3）牵引部试验。采煤机的主电机能够驱动牵引部，但是需要连接牵引部链轮输出轴和加载装置，在溢流阀加载的帮助下，其原理能够达到液压马达的效果，可以采用同一加载系统。下图13为牵引部试验原理。图13 牵引部试验原理图6.5.