智能控制技术综述文档格式.doc

智能控制技术综述文档格式.doc

《智能控制技术综述文档格式.doc》由会员分享，可在线阅读，更多相关《智能控制技术综述文档格式.doc（13页珍藏版）》请在冰点文库上搜索。

应用

I

目录

摘要 I

1绪论 1

1.1智能控制技术简介 1

1.2智能控制技术研究的领域及应用 1

1.2.1模糊逻辑控制 2

1.2.2神经网络控制 2

1.3智能控制技术的应用现状 3

1.4本论文的主要工作 3

2智能控制理论概述 4

2.1智能控制的基本概念 4

2.2智能控制技术的主要方法 4

2.2.1模糊控制 4

2.2.2专家控制 5

2.2.3神经网络控制 5

2.2.4集成智能控制 5

2.3智能控制技术常用的优化算法 5

2.3.1遗传算法 5

2.3.2蚁群算法 5

3模糊控制及其应用 7

3.1模糊控制理论提出 7

3.1.1模糊控制理论的概念 7

3.1.2模糊控制理论与传统控制相比的优势 7

3.2模糊控制理论在制冷领域的应用情况 7

3.3模糊控制理论在磨煤机控制系统领域的应用情况 8

4神经网络控制及其应用 9

4.1神经网络控制理论提出 9

4.1.1神经网络控制理论的概念 9

4.1.2神经网络控制理论与传统控制相比的优势 9

4.2神经网络控制理论在入侵检测系统领域的应用情况 9

4.3神经网络控制理论在控制领域的应用情况 10

5智能控制技术在电气工程自动化领域的应用情况 12

5.1工业过程中的智能控制 12

5.2机械制造中的智能控制 12

5.3电力电子学研究领域中的智能控制 13

6结论 14

参考文献 15

9

1绪论

1.1智能控制技术简介

智能控制技术（ICT:

IntelligentControlTechnology）是控制理论发展的新阶段,主要用来解决那些用传统方法难以解决的复杂系统的控制问题[[1]陈坚，电力电子学－电力电子变换和控制技术，北京：

高等教育出版社，2002.

]。

常用的智能技术包括模糊逻辑控制、神经网络控制、专家系统、学习控制、分层递阶控制、遗传算法等。

以智能控制为核心的智能控制系统具备一定的智能行为,如:

自学习、自适应、自组织等。

1.2智能控制技术研究的领域及应用

1.2.1模糊逻辑控制

1.2.2神经网络控制

1.3智能控制技术的应用现状

1.4本论文的主要工作

2智能控制理论概述

2.1智能控制的基本概念

智能控制技术作为计算机科学的一个重要分支将智能的本质阐述了出来，生产出一种具有人类智能的机器。

其研究的主要内容有对图像和语言的识别、专家系统、语言处理以及机器人等系统。

智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:

遗传算法、蚁群算法、免疫算法等。

2.2智能控制技术的主要方法

2.2.1模糊控制

模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。

其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。

在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定。

自从 

1965年美国自动控制理论专家 

Zadeh 

L 

A提出用模糊集合描述客观世界中存在的不确定性信息以来，模糊逻辑理论有了飞跃性的发展，并得到了广泛的应用。

模糊控制（fuzzy 

control）是以模糊集理论、模糊语言变量和模糊控制逻辑推理为基础的一种智能控制方法，从行为上模拟人的思维方式，对难建模的对象实施模糊推理和决策的一种控制方法，实际上是一种非线性控制。

模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域、家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效，引起了越来越多的控制理论的研究人员和相关领域的广大工程技术人员的极大兴趣。

2.2.2专家控制

专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制[[]金耀初，蒋静坪，最优模糊控制的两种设计方法，中国电机工程学报，1996，16（3）：

201-204.

主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。

专家控制可以灵活地选取控制率,灵活性高;

可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;

通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。

2.2.3神经网络控制

神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。

2.2.4集成智能控制

智能控制技术的集成包括两方面:

一方面是将几种智能控制方法或机理融合在一起,构成高级混合智能控制系统,如模糊神经（FNN）控制系统、基于遗传算法的模糊控制系统、模糊专家系统等;

另一方面是将智能控制技术与传统控制理论结合,形成智能复合型控制器,如模糊PID控制、神经元PID控制、模糊滑模控制、神经网络最优控制等。

2.3智能控制技术常用的优化算法

2.3.1遗传算法

2.3.2蚁群算法

3模糊控制及其应用

3.1模糊控制理论提出

3.1.1模糊控制理论的概念

3.1.2模糊控制理论与传统控制相比的优势

3.2模糊控制理论在制冷领域的应用情况

3.3模糊控制理论在磨煤机控制系统领域的应用情况

4神经网络控制及其应用

4.1神经网络控制理论提出

4.1.1神经网络控制理论的概念

4.1.2神经网络控制理论与传统控制相比的优势

神经网络控制理论的突出优点

（1）可以充分逼近任意复杂的非线性关系；

（2）所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强的鲁棒性及容错性；

（3）采用并行分布处理方法，使得快速进行大量运算成为可能；

（4）可学习和自适应不知道或不确定的系统；

（5）能够同时处理定量、定性知识。

神经网络控制理论的特点和优越性，主要表现在三个方面：

第一，具有自学习功能。

例如实现图像识别时，只在先把许多不同的图像

板和对应的应识别的结果输入人工神经网络，网络就会通过自学习功能，慢慢学会识别类似的图像。

自学习功能对于预测有特别重要的意义。

预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测，其应用前途是很远大的。

第二，具有联想存储功能。

用人工神经网络的反馈网络就可以实现这种联想。

第三，具有高速寻找优化解的能力。

寻找一个复杂问题的优化解，往往需要很大的计算量，利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。

4.2神经网络控制理论在入侵检测系统领域的应用情况

利用神经网络进行检测入侵的思路是用一系列命令训练神经元,利用学习算法,训练神经网络。

这样在给定一组预定的输入值后,就可能预测出我们想要的输出结果。

这种方法很是适合入侵检测,因为神经网络更好地表达了变量间的非线性关系,并且能自动学习和更新。

神经网络模块结构是当前命令和刚过去的N个命令组成了神经网络的输入层,其中N是神经网络预测下一个命令时所包含的过去命令集的大小。

用户训练网络后,特征命令表就和用户建立了一一对应的关系。

输入层的N个箭头代表了用户最近的N个命令。

神经网络方法的优点在于能更好地处理原始数据的非规律性随机特征,也就是参与数据处理的这些输入矢量不需要做任何规格化统计假设,经验表明神经网络有较好的识别能力,并且抗干扰能力强。

缺点在于网络拓扑结构、网络流量在不断更新,以及各元素的权重也很确定,命令窗口N的大小也很难选取,在设计过程中窗口的值应取

4.3神经网络控制理论在控制领域的应用情况

.

5智能控制技术在电气工程自动化领域的应用情况

随着智能控制技术的不断发展,很多研究人员展开了针对智能控制技术在电气工程自动化控制方面的研究,例如:

应该如何将人工智能系统应用于故障的诊断和预测、电气产品设计优化和保护与控制等领域。

在优化设计方面,设计电气设备是很繁琐的工作。

它需要对电磁场、电路、电器电机等学科的知识综合性的运用,同时还要使用以往设计中的经验。

设计以往的产品时,通常是在根据经验和实验的基础上,通过手工的方式开展的。

这样的设计过程很难取得最优的设计方案。

电气产品的设计随着计算机技术的发展,逐渐由手工设计向计算机辅助设计不断转变,使开发产品的周期大大减少。

尤其是在引进了智能控制技术之后,更加促进了CAD技术的发展,大大提高了设计产品的质量和效率。

智能控制技术在电气设计方面的应用主要包括专家系统和遗传算法。

其中的遗传算法是一种优化的先进算法,在产品的设计优化上有举足轻重的作用。

因此电气产品的智能控制技术设计很多都采用了这种方式进行优化。

电气设备的故障征兆和故障之间有着很多必然和偶然的关系,具有非线性、不确定性的特点,它的优势能够通过智能控制的方式得到最大的发挥。

智能控制技术在电气设备诊断故障方面的应用主要由:

专家系统、模糊逻辑和神经网络等。

在电力系统之中,变压器因为重要的地位而受到很多研究者的关注。

目前诊断变压器故障的常用方法主要是分析变压器油中分解出来的气体,通过这种气体分析找出变压器的故障范围。

同时在电动机和发电机等方面,人工智能诊断故障技术也有了长足的发展。

5.1工业过程中的智能控制

5.2机械制造中的智能控制

5.3电力电子学研究领域中的智能控制

6结论

传统控制无法胜任的控制对象与领域给了智能控制发展的动力与空间,它的未来给人们以无限的遐想。

尽管智能控制的理论与一些规则还远未达到完善的地步,很多应用尚停留在实验仿真阶段,但作为交叉学科,随着各个科学理论的不断完善与发展,相信智能控制技术也将不断地发展和充实,并不断渗透到各个应用领域,乃至我们的日常生活中。

智能控制已初具学科体系,包括基础理论、技术方法和实际应用等方面。

在基础理论方面,涉及传统人工智能的知识表示和推理、计算智能（如模糊计算、神经计算和进化计算等）和机器学习等。

在技术方法方面,对专家控制、模糊控制、神经控制、学习控制和仿人控制等系统加以研究。

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。

参考文献