控制科学与工程前沿论坛

1、精选J I A N G S U U N I V E R S I T Y把握科学与工程前沿论坛报告任课老师： 专业班级： 把握工程 1604 同学姓名： 同学学号： z1607050 2017年4月一 智能把握一个系统假如具有感知环境、不断获得信息以减小不确定性和方案、产生以及执行把握行为的力量,即称为智能把握系统。 智能把握技术是在向人脑学习的过程中不断进展起来的,人脑是一个超级智能把握系统,具有实时推理、决策、学习和记忆等功能,能适应各种简单的把握环境。 智能把握与传统的或常规的把握有亲密的关系,不是相互排斥的。 常规把握往往包含在智能把握之中,智能把握也利用常规把握的方法来解决“低级”的把

2、握问题,力图扩充常规把握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简单把握问题。 （1）传统的自动把握是建立在确定的模型基础上的,而智能把握的争辩对象则存在模型严峻的不确定性,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、某些干扰的无法猜测,致使无法建立其模型,这些问题对基于模型的传统自动把握来说很难解决。（2）传统的自动把握系统的输入或输出设备与人及外界环境的信息交换很不便利,期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,能够更加深化而机敏地和系统进行信息沟通,同时还要扩大输出装置的力量,能够用文字、图纸、立体形象、语言

3、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状况。 为扩大信息通道,就必需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快速进展,为智能把握在这一方面的进展供应了物质上的预备,使智能把握变成了多方位“立体”的把握系统。（3） 传统的自动把握系统对把握任务的要求要么使输出量为定值(调整系统) ,要么使输出量跟随期望的运动轨迹(跟随系统) ,因此具有把握任务单一性的特点,而智能把握系统的把握任务可比较简单,例如在智能机器人系统中,它要求系统对一个简单的任务具有自

4、动规划和决策的力量,有自动躲避障碍物运动到某一预期目标位置的力量等。 对于这些具有简单的任务要求的系统,接受智能把握的方式便可以满足。（4） 传统的把握理论对线性问题有较成熟的理论,而对高度非线性的把握对象虽然有一些非线性方法可以利用,但不尽人意。 而智能把握为解决这类简单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。 工业过程智能把握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,而且把握系统在线运动,一般要求有较高的实时响应速度等,恰恰是这些特点又打算了它与其它智能把握系统如智能机器人系统、航空航天把握系统、交通运输把握系统等的区分,打算了它的把握方法以及

5、形式的独特之处。（5） 与传统自动把握系统相比,智能把握系统具有足够的关于人的把握策略、被控对象及环境的有关学问以及运用这些学问的力量。（6） 与传统自动把握系统相比,智能把握系统能以学问表示的非数学广义模型和以数学表示的混合把握过程,接受开闭环把握和定性及定量把握结合的多模态把握方式。（7） 与传统自动把握系统相比,智能把握系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习和自协调力量。（8） 与传统自动把握系统相比,智能把握系统有补偿及自修复力量和推断决策力量。总之,智能把握系统通过智能机自动地完成其目标的把握过程,其智能机可以在生疏或不生疏的环境中自动地或人机交互地完成拟人任务

6、。智能把握是以把握理论、计算机科学、人工智能、运筹学等学科为基础,扩展了相关的理论和技术,其中应用较多的有模糊规律、神经网络、专家系统、遗传算法等理论和自适应把握、自组织把握、自学习把握等技术。二 模糊把握  模糊把握综合了专家的操作阅历，具有不依靠被控对象的精确数学模型、设计简洁、便于应用、抗干扰力量强、响应速度快、易于把握和把握、对系统参数的变化有较强的鲁棒性等特点，在经典把握理论和现代把握理论难以应用的场合发挥了很大的作用。近年来，模糊集理论及应用争辩不断深化，取得了一系列成功的应用和理论成果，在自动把握、信号处理、模式识别、通信等领域得到了广泛的应用。目前，模糊把握

7、已成为智能把握的一个主要分支。为了更深化地开展模糊把握技术的争辩和应用，本文对模糊把握近期争辩的一些热点问题进行简要的归纳介绍。2.1  模糊把握的热点问题  任何一个自动把握系统要正常工作，首先必需是稳定的。由于模糊系统本质上的非线性和缺乏统一的系统描述，使得人们难以利用现有的把握理论和分析方法对模糊把握系统进行分析和设计，因此，模糊把握理论的稳定性分析始终是一个难点课题，未形成较为完善的理论体系。正由于如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法。目前模糊把握系统稳定性分析方法主要有以下几种： (1) 李亚普

8、诺夫方法  基于李亚普诺夫直接方法，很多学者争辩了离散时间和连续时间模糊把握系统的稳定性分析和设计。其中，Tanaka和Sano将其中的基本稳定性条件推广到SISO系统的（非）鲁棒稳定性条件，稳定性判据变为从一组李亚普诺夫不等式中查找一个共同的李亚普诺夫函数问题。使用李亚普诺夫线性化方法，Ying建立了包括非线性对象的T-S模糊把握系统局部稳定性的必要和充分条件。另外，一种在大系统中使用的向量李亚普诺夫直接方法，被用于推导多变量模糊系统的稳定性条件；李亚普诺夫其次方法被用于判别模糊系统量比因子选择的稳定性；波波夫一李亚普诺夫方法被用于争辩模糊把握系统的鲁棒稳定性。 但是，李

9、亚普诺夫的一些稳定性条件通常比较保守，即当稳定性条件不满足时，把握系统仍是稳定的。 (2) 基于滑模变结构系统的稳定性分析方法  由于模糊把握器是接受语义表达，系统设计中不易保证模糊把握系统的稳定性和鲁棒性。而滑模把握有一个明显的特点，即能处理把握系统的非线性，而且是鲁棒把握。因此一些学者提出设计带有模糊滑模表面的模糊把握器，从而能用李亚普诺夫理论来获得闭环把握系统稳定性的证明。Palm和Driankov接受滑模把握的概念分析了增益规划的闭环模糊把握系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理把握系统的非线性和削减把握震颤，使得基于李亚普诺夫方法可保证把握系统的稳定性

10、。  基于变结构系统理论，可以得到把握系统的跟踪精度和模糊把握器的I/O模糊集映射外形之间的关系，从而可以解释模糊把握器的鲁棒性和把握性能。文献等争辩了基于变结构把握框架的模糊把握系统的稳定性，通过输出反馈的模糊变结构把握，并用李亚普诺夫方法证明白闭环把握系统是全局有界输入有界输出稳定的。若使用变结构把握类型的模糊规章集，模糊把握器从语义和定量上可显示出变结构的特性。为便于李亚普诺夫稳定性判据能指导设计和调整模糊把握器，文献推导出模糊把握器的具体数学表达式。 (3) 描述函数方法  描述函数方法可用于猜测极限环的存在、频率、幅度和稳定性。通过建

11、立模糊把握器与多值继电把握器的关系，描述函数方法可用于分析模糊把握系统的稳定性。另外，指数输入的描述函数技术也能用于争辩模糊把握系统的暂态响应。虽然描述函数方法能用于SISO和MISO模糊把握器以及某些非线性对象模型，但不能用于三输入及以上的模糊把握器。并且由于这种方法一般应用于非线性系统中确定周期振荡的存在性，因此只是一种近似稳定性分析方法。 (4) 圆稳定性判据方法  圆判据可用于分析和再设计一个模糊把握系统。使用扇区有界非线性的概念，一般化的奈魁斯特（圆）稳定性判据可用于分析SISO和MIMO模糊系统的稳定性，并且扩展圆判据可用于推导一类简洁模糊PI把握系统稳定性的充

12、分条件。由于圆判据要求比较严格，Furutani提出一种移动的波波夫判据，用于分析模糊把握系统的稳定性。当此判据中参数设为零时，该判据与圆判据全都。  除了以上介绍的方法外，模糊把握系统的稳定性分析还有相平面法、关系矩阵分析法、超稳定理论、Popov判据、模糊穴穴映射、数值稳定性分析方法以及最近消灭的鲁棒把握理论分析方法和LMI（矩阵不等式）凸优化方法等。2.2 自适应模糊把握器的争辩为了提高模糊把握系统的自适应力量，很多学者对自适应模糊把握器进行了争辩，争辩方向主要集中在以下方面。 (1) 自校正模糊把握器  自校正模糊把握器是在常规模糊把握

13、的基础上，接受加权推理决策，并引入协调因子，依据系统偏差e和偏差变化ec的大小，猜测把握系统中的不确定量并选择一个最佳的把握参数或把握规章集，在线自动调整保守和大胆把握的混合程度，从而更全面精确地反映出人对诸因素的综合决策思想，提高系统的把握精度和鲁捧性能。目前这种变结构的自校正模糊把握器是依据被调量e和ec在线选取最佳把握规章及把握决策的，而对于一些简单的生产过程,其生产工艺和环境因素都较为简单，往往不能只考虑系统的偏差和偏差变化率来确定其把握策略，难于总结出比较完整的阅历，此时模糊把握规章或者缺乏，或者很粗糙，并且当被控对象参数发生变化或受到随机干扰影响时，都会影响模糊把握的效果。 (2)

14、 自组织模糊把握器    自组织模糊把握器能自动对系统本身的参数或把握规章进行调整，使系统不断完善，以适应不断变化的状况，保证把握达到所期望的效果。它依据自动测量得到的实际输出特征和期望特征的偏差，确定输出响应的校正量并转化把握校正量，调整模糊把握规章，作用于被控对象。其基本特征是：把握算法和规章可以通过在线修改，变动某几个参数可以转变把握结果。它不仅仅是局限于某个对象，而是通过自组织适应几类对象。2.3  模糊把握的进展前景  在模糊把握的进展初期，大多数学者的主要精力放在模糊把握的应用争辩上，在很多领域取得辉煌的成果。但

15、与应用的成果相比，模糊把握的系统分析和理论争辩却没有显著进展，以至于西方的一些学者对模糊把握的理论依据和有效性产生疑虑。1993年7月，在美国第十一届人工智能年会上，加州高校圣地亚哥分校计算机科学和工程系助教授Clarles Elkan博士的一篇题为“模糊规律似是而非的成功”报告，就代表了这种思想。虽然C.Elkan 的一些观点是不精确和片面的，会后很多专家对此进行了批驳，但他确的确凿指出了模糊把握理论基础不够坚实的缺点，从而引起了模糊把握领域的学者的广泛关注并加强了对这一方面的争辩。通过上节的介绍可以看到，目前模糊把握的理论争辩很热，并已取得了很多显著进展，模糊把握在理论上和应用方面都取得了

16、巨大成就。虽然模糊把握技术进展历史只有三十年，本身还有待于完善，理论与实际的结合也有待于进一步探究，但是其进展前景格外迷人。  目前在国际大趋势的推动下，模糊把握已开头向多元化和交叉学科方向进展。国外专家预言：模糊技术、神经网络技术、混沌理论作为人工智能的三大支柱，将是下一代工业自动化的基础。随着模糊把握理论争辩的不断完善和应用的广泛深化、高性能模糊把握器的争辩开发，模糊把握技术将会更大限度地发挥其优势，为工业过程把握、运动把握和其它领域的把握开拓新的应用前景。三 神经网络把握自适应把握是一种特殊的反馈把握，它不是一般的系统状态反馈或输出反馈，即使对于现行定常的把握对象，自

17、适应把握亦是非线性时变反馈把握系统。这种系统中的过程状态可划分为两种类型，一类状态变化速度快，另一类状态变化速度慢。慢变化状态可视为参数，这里包含了两个时间尺度概念：适用于常规反馈把握的快时间尺度以及适用于更新调整参数的慢时间尺度，这意味着自适应把握系统存在某种类型的闭环系统性能反馈。人工神经网络(简称ANN)是也简称为神经网络（NNS）或称作连接模型，是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的生理争辩成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。人工神经网络下的定义就是：“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续

18、或断续的输入作状态相应而进行信息处理。”这肯定义是恰当的。人工神经网络的争辩，可以追溯到1957年Rosenblatt提出的感知器模型。目前在神经网络争辩方法上已形流派，最富有成果的争辩工作包括：多层网络BP算法，Hopfield网络模型，自适应共振理论，自组织特征映射理论等。它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。神经网络的争辩可以分为理论争辩和应用争辩两大方面。理论争辩可分为以下两类： （1）利用神经生理与认知科学争辩人类思维以及智能机理。 （2）利用神经基础理论的争辩成果，用数理方法探究功能更加完善、性能 更加优越的神经网络模型，深化

19、争辩网络算法和性能，如：稳定性、收敛性、容错性、鲁棒性等；开发新的网络数理理论。 应用争辩可分为以下两类： （1）神经网络的软件模拟和硬件实现的争辩。 （2）神经网络在各个领域中应用的争辩。 神经网络具有以下特点： （1）能够充分靠近任何简单的非线性关系； （2）全部定性或定量的信息都均匀分布存在于网络内的各神经元，因此有 很强的容错性和鲁棒性； （3）使用并行分布处理的方式，让大量运算成可以快速完成； 神经网络是人脑的某种抽象简化和模拟，是具有高度非线性的系统。其物理模型虽有多种。但基本运算可归结为四种: 积与权值学习、阈值处理和非线性函数处理。从宏观上，一般将神经网络分为四种类型:前馈、反

20、馈、自组织与随机型。神经网络的进展史，概括起来可以说经受了三个阶段:40 60 年月的,进展初期; 70年月的争辩低潮;80年月至今，神经网络的理论争辩取得突破性进展。多年来神经网络的争辩虽已取得了很多成果，但至今尚未建立起一套完整的理论体系。四 把握科学进展方向把握理论与把握工程是把握学科的基础，在将来五年中仍将发挥不行替代的作用，是整个学科进展的重中之重。运作的网络化、功能的多样化、系统的简单化是把握理论与把握工程将来进展的主要趋势，而低成本、高性能、高智能必将成为实际把握工程需求的主要特点，这将使得把握理论与应用的争辩和进展渐渐向分布自主式、博弈合作式、人机交互式迈进，其将来争辩的内容可

21、集中在以下方面。在多智能体协同把握方面，需要考虑在高阶非线性特性、不确定特性，非完整运动约束特性，才能使其能描述实际系统的精确动态特性，争辩此类模型的协同把握方法，从工程实践和理论争辩的角度都具有格外重要的意义。带有通信约束的多自主体协作不但有着很强的工程应用背景，而且对于深化人们对多自主体系统的这个更为宽敞的争辩领域的本质性理解、挖掘系统把握科学新的生长点具有重要意义。集值系统的适应把握问题将是集值系统争辩的核心问题，与辨识和滤波问题相比较，这将是更有意义也更具挑战性的工作。在网络把握方面，基于有限数据率的反馈把握机制，还需要建立一套同时考虑传输时延、信息牢靠性等的信息传输理论；通信数据率与

22、把握性能之间的关系，和建立计算高效和易于实现的把握编码解码和把握策略；对于多自主体和多回路把握的大规模协作系统，运用信息论和图论的方法争辩有效的编码解码策略和网络拓扑结构是格外重要。在网络平安领域，需更深一步争辩包括基于网络反馈系统的鲁棒把握和容错把握等。模式识别和计算机视觉是当前人工智能中最具活力的争辩领域。但是，传统的难点基础理论争辩问题和技术瓶颈问题尚未得到全面解决的同时，在基于泛在感知的海量信息智考能化处理中却不断地产生新型大数据模式识别问题和大场景简单视觉计算问题。模式识别和计算机视觉的深人争辩是提高国内相关学科前沿创新力量的重要需要；是构建面对海量庞杂、异质多源、大范围时空关联的社

23、会感知数据智能处理系统的核心基石。总结起来，当前应用需求主要包括如下几个方面：国家平安的需要，包括军事目标图像和军事情报数据的自动分析，互联网态势分析和反恐等；共平安的需要，包含海量庞杂、跨时空大规模视觉感知数据的语义理解、基于物理空间和网络空间的关联监控和身份认证等；基于泛在和精密感知的智能环境理解、智能人机交互、智能机器人等尤其需要先进的视听觉信息理解技术；多源跨时段海量遥感图像内容理解、空天情报实时智能化处理的需要；智能医学对大规模医学图像自动处理的需要等等。脑影像与脑认知涉及多学科、多领域大跨度交叉和合作，特殊是脑影像学、成像物理、数学、化学、信息科学、神经科学、认知心理学和医学等领域的合作。在我国现行的教育体制下，脑科学、心理学及医学科研工作者的数理基础及计算机力量相对匮乏，需要在国家层面建立多学科协调创新机制。随着数据挖掘领域的争辩不断深人及其愈发广泛的应用，数据挖掘关注的焦点也有了新的变化。总的趋势是，数据挖掘争辩和应用更加“社会化”和“大数据化”。数据挖掘的理论和应用在相当一段时间连续保持稳定进展但有着朝向大规模的社交数据分析和时间序列数据分析方向进展的趋势。移动互联网的进展，将带来网络多媒体数据的新一轮爆炸式增长，衍生出更多