资源描述：
《智能控制理论的发展及应用_游明坤》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、软件技术评述智能控制理论的发展及应用游明坤（荆门职业技术学院计算机工程系，湖北荆门448024）摘要:介绍了智能控制理论的发展概况、研究对象与工具、功能特点,简要列举了智能控制的集中应用。关键词：智能控制;神经网络;应用中图分类号:TP18文献标识码:A文章编号:1001-7348(2006)03-0011-03虽然智能控制理论只有几十年的历史,飞跃期,主要内容涉及知识工程、自然语言0前言尚未形成较完整的理论体系,但其已有的理解等。人们研究人工智能方法也分为结自从美国数学家维纳在20世纪40年应用成果和理论发展表明它已成为自动控构模拟派和
2、功能模拟派,分别从脑的结构和代创立控制论以来,智能控制理论与智能化制的前沿学科之一。智能控制主要经历了脑的功能入手进行研究。系统发展十分迅速。智能控制理论被誉为以下几个发展阶段:1.3智能控制的兴起最新一代的控制理论,代表性的理论有模1.1自动控制的发展与挫折建立于严密的数学理论上的控制理论糊控制、神经网络控制、基因控制即遗传算上世纪40～50年代,以频率法为代表的发展受到挫折,而模拟人类智能的人工智能法、混沌控制、小波理论、分层递阶控制、拟单变量系统控制理论逐步发展起来,并且成却迅速发展起来。控制理论从人工智能中人化智能控制、博奕论等。
3、应用智能控制理功地用在雷达及火力控制系统上,形成了吸取营养求发展成为必然。工业系统往往论解决工程控制系统问题,这样一类系统称“古典控制理论”。上世纪60～70年代,数学呈现高维、非线性、分布参数、时变、不确定为智能化系统。它广泛应用于复杂的工业家们在控制理论发展中占了主导地位,形成性等复杂特征。特别是非线性对控制结果过程控制、机器人与机械手控制、航天航空了以状态空间法为代表的“现代控制理的影响复杂,控制工程人员很难深入理解,控制、交通运输控制等。它尤其适用于被控论”。他们引入了能控、能观、满秩等概念,使更谈不上设计出合适的控制算法。不确定
4、对象模型包含有不确定性、时变、非线性、得控制理论建立在严密精确的数学模型之性是最难以解决的问题,也是导致大系统理时滞、耦合等难以控制的因素。采用其它控上,从而造成了理论与实践之间的巨大分论失败的根本原因。但是,对这些问题用工制理论难以设计出合适与符合要求的系统歧。上世纪70年代后,又出现了“大系统理程控制专家经验来解决则往往是成功的。时,都有可能期望应用智能化理论获得满论”。但是,由于这种理论解决实际问题的人是最聪明的控制器,模仿人是一种途径。意的解决。能力更弱,没有得到进一步运用。萨里迪斯(Saridis)于1977年提出了智能控科学技
5、术高度发展导致了被控对象在1.2人工智能的发展制的三元结构定义,即把智能控制看作为人结构上的复杂化和大型化。在许多系统中,斯坦福大学人工智能研究中心的Nils-工智能、自动控制和运筹学的交点。在智能复杂性不仅仅表现在高维性上,更多则是表son教授认为:“人工智能是关于知识的科控制发展初期,美国普渡大学的傅京孙(K·现在系统信息的模糊性、不确定性、偶然性学——怎样表示知识以及怎样获得知识并S·Fu)教授首先提出了学习控制的概念,引和不完全性上。此时,人工智能得益于计算使用知识的科学”。MIT的Winston教授指入了人工智能的直觉推理。后来
6、在人工智机技术的飞速发展,已逐渐成为一门学科,出:“人工智能就是研究如何使计算机去做能的概念模拟基础上,发展了许多智能控制并在实际应用中显示出很强的生命力。同过去只有人才做的智能性工作”。方法,如自整定、参数调整PID等。再后来则时,国际学术界对智能控制的研究也十分1956年以前是人工智能的萌芽期。英以发展实用的智能控制算法为主,尤以专家活跃,到了20世纪90年代,各种智能控制国数学家图灵(A.M.Turing1912～1954)为现系统和神经元网络最为突出。的国际学术会议日益频繁。国内也在20世代人工智能作了大量开拓性的贡献;1956～
7、2智能控制的发展框架纪80年代初开始进行智能控制研究。1961年是人工智能的发展期,人们重点研究了诸如用机器解决数学定义、通用问题现在有关智能控制方面的论文很多,1智能控制理论的发展阶段求解程序等。1961年以后人工智能进入了可以把它们归纳为如图1所示的三维图软件导刊2006年第3期11软件技术评述(2)适应功能与传统自适应控制相比,很强的自适应能力。神经网络具有并行机具有更广泛的含义。它包括更高层次的适制、模式识别、记忆和自学习能力。它能很应性。智能控制系统中的智能行为实质上好地适应环境,自动学习修改过程参数,更是一种从输入到输出之间的
8、映射关系,可看接近人类思维,应用神经网络构成的智能控成是不依赖于模型的自适应估计,因此具有制系统要比一般的智能控制系统具有更高很好的适应性能。当系统输入不是学习过的智商。的例子时,由于它具有很
