第一篇:智能控制技术及其发展趋势(模版)
智能控制技术及其发展趋势
智能控制(intelligent controls)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。对许多复杂的系统,难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析,而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是,要由机器用类似于人的智慧和经验来引导求解过程。因此,在研究和设计智能系统时,主要注意力不放在数学公式的表达、计算和处理方面,而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上,即智能控制的关键问题不是设计常规控制器,而是研制智能机器的模型。此外,智能控制的核心在高层控制,即组织控制。高 层控 制 是 对实际环境或过程进行组织、决策和规划,以实现问题求解。为了完成这些任务,需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性,即具有一定程度的“智能”。
随着人工智能和计算机技术的发展,已经有可能把自动控制和人工智能以及系统科学中一些有关学科分支(如系统工程、系统学、运筹学、信息论)结合起来,建立一种适用于复杂系统的控制理论和技术。智能控制正是在这种条件下产生的。它是自动控制技术的最新发展阶段,也是用计算机模拟人类智能进行控制的研究领域。1965年,傅京孙首先提出把人工智能的启发式推理规则用于学习控制系统。1985年,在美国首次召开了智能控制学术讨论会。1987年又在美国召开了智能控制的首届国际学术会议,标志着智能控制作为一个新的学科分支得到承认。智能控制具有交叉学科和定量与定性相结合的分析方法和特点。
一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力,即称为智能控制系统。智能控制技术是在向人脑学习的过程中不断发展起来的,人脑是一个超级智能控制系统,具有实时推理、决策、学习和记忆等功能,能适应各种复杂的控制环境。
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。
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。
[编辑本段]智能控制的主要技术方法
智能控制是以控制理论、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逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。
专家系统
专家系统是利用专家知识对专门的或困难的问题进行描述。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。
模糊逻辑
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。
遗传算法
遗传算法作为一种非确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,它可以和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制。
神经网络
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。
第二篇:智能电网下的继电保护技术发展趋势
智能电网下的继电保护技术发展趋势
所谓智能电网,即为电网的智能化,也被称为“电网2.0”。它是以集成、高速双向通信网络为基础,通过对传感和测量技术等先进技术的应用,实现电网的可靠、安全、经济、高效、环境友好的目标。智能电网自愈和自适应强,安全稳定和可靠高,经济、优质高效。
智能电网一个重要的功能特性是自愈性强。就是把电网中有问题的元件从系统中隔离出来,并且在很少或不用人为干预的情况下可以使系统迅速恢复到正常运行状态而几乎不中断对用户的供电服务。智能电网将安全、无缝地容许各种不同类型的发电和储能系统接入系统,简化联网的过程。
在未来智能电网中,电网的自愈特征将会对继电保护的选择性、可靠性、速动性、灵敏性提出更高的要求,对常规继电保护的配置方法提出新的要求,常规保护在这几个方面根据实际情况的不同会有所侧重。特高压电网的建设、电网规模的扩大等因素,将导致短路电流增大很多,因此,应对短路电流增大造成的定值可靠性降低。同时,智能电网将给继电保护的发展带来新的契机,智能电网是以物理电网为基础,充分利用先进的传感测量技术、通信技术、信息技术、计算机技术、控制技术、新能源技术,把发、输、配、用各环节互联成一个高度智能化的新型网络。智能电网的技术特点将影响现有继电保护的应用,它主要特征有:数字化、网络化、广域化、输电灵活化等。
继电保护是实现电力网络及相关设备监测保护的重要技术,向计算机化、网络化、智能化,以及保护、控制、测量和数据通信一体化发展是该领域的长期发展趋势。近年来,由于信息技术和电子技术的发展,继电保护专业得到了较大的发展,继电保护装置的可靠性、功能的完善性、操作的方便性及操作界面的人性化等要求已基本满足。我国继电保护在原理上能够满足我国电网运行的要求。智能电网的规划和发展改变了电能传输的某些特点,信息化和数字化的特征使智能电网与传统电力系统产生了本质的差别,作为继电保护专业,也需要适应其发展,进行相关的研究工作。它的特点如下:利用数字化提高保护性能、网络化将改变继电保护的配置形态、提高安全自动装置性能、与传统保护的配合、在线整定技术、继电保护新原理与新技术等。
智能电网的建设是电力系统的一次重要变革,是电网未来的发展方向。传统的保护系统已是各个互联电网不可缺少的保护稳定、避免灾难性事故的保护手段;如今,智能电网的建设已经开始,建设过程中新技术和新设备的应用将给继电保护专业领域带来革命性的变化。随着智能电网建设的推进,相关研究的深入,继电保护专业要适应电网需求向智能化方向发展,跟进电网建设步伐,为智能电网建设提供技术支持。
第三篇:智能电网下的继电保护技术发展趋势
郑州航空工业管理学院
电力系统继电保护结课论文
题目:智能电网下的继电保护技术发展趋势 专业:电气工程及其自动化
一、智能电网概述:
所谓智能电网,即为电网的智能化,也被称为“电网2.0”。它是以集成、高速双向通信网络为基础,通过对传感和测量技术等先进技术的应用,实现电网的可靠、安全、经济、高效、环境友好的目标。智能电网自愈和自适应强,安全稳定和可靠高,经济、优质高效。
智能电网一个重要的功能特性是自愈性强。就是把电网中有问题的元件从系统中隔离出来,并且在很少或不用人为干预的情况下可以使系统迅速恢复到正常运行状态而几乎不中断对用户的供电服务。智能电网将安全、无缝地容许各种不同类型的发电和储能系统接入系统,简化联网的过程。
二、智能电网的发展历程及未来趋势:
在未来智能电网中,电网的自愈特征将会对继电保护的选择性、可靠性、速动性、灵敏性提出更高的要求,对常规继电保护的配置方法提出新的要求,常规保护在这几个方面根据实际情况的不同会有所侧重。特高压电网的建设、电网规模的扩大等因素,将导致短路电流增大很多,因此,应对短路电流增大造成的定值可靠性降低。同时,智能电网将给继电保护的发展带来新的契机,智能电网是以物理电网为基础,充分利用先进的传感测量技术、通信技术、信息技术、计算机技术、控制技术、新能源技术,把发、输、配、用各环节互联成一个高度智能化的新型网络。智能电网的技术特点将影响现有继电保护的应用,它主要特征有:数字化、网络化、广域化、输电灵活化等。
近年来,由于信息技术和电子技术的发展,继电保护专业得到了较大的发展,继电保护装置的可靠性、功能的完善性、操作的方便性及操作界面的人性化等要求已基本满足。我国继电保护在原理上能够满足我国电网运行的要求。智能电网的规划和发展改变了电能传输的某些特点,信息化和数字化的特征使智能电网与传统电力系统产生了本质的差别,作为继电保护专业,也需要适应其发展,进行相关的研究工作。它的特点如下:利用数字化提高保护性能、网络化将改变继电保护的配置形态、提高安全自动装置性能、与传统保护的配合、在线整定技术、继电保护新原理与新技术等。
智能电网的建设是电力系统的一次重要变革,是电网未来的发展方向。传统的保护系统已是各个互联电网不可缺少的保护稳定、避免灾难性事故的保护手段;如今,智能电网的建设已经开始,建设过程中新技术和新设备的应用将给继电保护专业领域带来革命性的变化。随着智能电网建设的推进,相关研究的深入,继电保护专业要适应电网需求向智能化方向发展,跟进电网建设步伐,为智能电网建设提供技术支持。
按照相关规划,2011年至2015年为全面建设阶段,形成坚强智能电网建设标准,滚动修订发展规划,坚强智能电网的建设全面铺开。智能电网的加紧建设,对电力系统的第一道防御手段一继电保护技术提出了更高的要求。1 我国的智能电网
云南省电力公司一直以来非常重视智能电网的研究,不断增强驾驭高海拔特高压交直流混合电网能力,建设信息化电网企业,抢占电力科技制高点。结合云南电网公司实际情况,努力抢占高海拔特高压交直流混合输电技术、复杂电网安全稳定运行控制技术、高温超导技术、发展智能电网和建设信息化企业关键技术制高点。积极实现传统电网向智能电网、企业信息化建设向建设信息化企业两个根本性转变。切实抓好“智能微网可行性研究”、“智能配电网建设研究”、“云南电力大厦光伏建设方案研究”等一批重点科技项目的前期研究。
2010年9月,全国首个智能电网“全覆盖、全采集、全费控”在浙江海盐武原镇竣工。至此,浙江省海盐县武原镇36000用电客户率先进入“三全”信息时代,从而成为全国首个智能电网的“三全”镇。智能电网信息“三全”工程是国家电网公司建设智能电网的重组成部份。
2010年,国家电网将在河北、北京、上海和重庆四个省市开展智能楼宇和小区试点工程建设,初步计划建成两个智能楼宇和6个智能小区。居民们将见证国内一项尖端技术在身边变成现实,在我们的生活中,这种机会并不常有——他们的身边将建起“智能用电小区”。
可见,尽管智能电网在我国的建设正处于起步阶段,2009年,建设“坚强智能电网”的概念才由国家电网公司首次提出,目前,全国各级电力公司都已经加快了建设坚强智能电网的步伐,智能电网已经由一个“概念股”转变为我们身边切切实实存在的“热点股” 2 智能电网的继电保护
继电保护是实现电力网络及相关设备监测保护的重要技术,向计算机化、网络化、智能化,以及保护、控制、测量和数据通信一体化发展是该领域的长期发展趋势。有关数据显示,截止到2006年底,全国220kV及以上系统继电保护装置的微机化率已达91.41%。继电保护装置的微机化趋势充分利用了先进的半导体处理器技术:高速的运算能力、完善的存贮能力和各种优化算法,同时采用大规模集成电路和成熟的数据采集、模数转换、数字滤波和抗干扰等技术.因而系统响应速度、可靠性方面均有显著的提升
然而,智能电网将极大地改变传统电力系统的形态,电子式互感器、数字化变电站技术、广域测量技术、交直流灵活输电及控制技术的大量应用,必然对电力系统继电保护带来影响。(1)智能电网继电保护构成
智能电网的分布式发电、交互式供电对继电保护提出了更高要求,另一方面通信和信息技术的长足发展,数字化技术及应用在各行各业的日益普及也为探索新的保护原理提供了条件。
智能电网中可利用传感器对发电、输电、配电、供电等关键设备的运行状况进行实时监控,然后把获得的数据通过网络系统进行收集、整合,最后对数据进行分析。利用这些信息可对运行状况进行监测.实现对保护功能和保护定值的远程动态监控和修正。
另外,对保护装置而言,保护功能除了需要本保护对象的运行信息外,还需要相关联的其他设备的运行信息。一方面保证故障的准确实时识别.另一方面保证在没有或少量人工干预下,能够快速隔离故障、自我恢复,避免大面积停电的发生。
所以,智能电网继电保护装置保护动作时不一定只跳本保护对象,有可能在跳本保护对象时还需发连跳命令跳开其他关联节点,也有可能只发连跳命令跳开其他关联节点,不跳开本保护对象。(2)继电保护技术的升级
智能电网的规划和发展改变了电能传输的某些特点,信息化和数字化的特征使智能电网与传统电力系统产生了本质的差别,作为继电保护专业,也需要适应其发展,进行相关的研究工作。数字化 互感器传输性能的提高和互感器故障的减少使继电保护不需要再考虑电流互感器饱和、二次回路断线、二次回路接地等互感器故障问题。电气量信息传输的真实性也为继电保护装置性能的提高带来了便利条件。如何简化继电保护的辅助功能.利用数字化传感器提高继电保护的整体性能,是未来继电保护发展需要研究的核心问题 网络化
新一代的数字化变电站改变了传统继电保护信息获取和信号发送的媒介,利用网络上共享的站内其它相关电气元件的信息提高主保护的性能,利用共享的控制信号网络简化继电保护配置.是智能电网中继电保护研究的前沿性问题。 自动整定技术
传统的自适应保护仅能根据被保护线路的运行情况对定值进行调整,不能利用全网信息准确、实时地判断运行方式来调整定值。智能电网的继电保护应实现全网的联网自动整定和自动配置,从分散独立的保护变为系统分布协同的保护.(3)员工技术提升
电力系统继电保护是电网安全稳定运行的第一道防线,安全责任重大,对人员的业务能力要求高。而广泛开展技能竞赛活动,能够给生产一线员工提供充分展示才华的机会和舞台,更能在广大员工中产生强烈的争先意识和激励作用,形成比、学、赶、帮、超的良好氛围,促进提高员工的业务素质和能力。
广大基层电力企业应当适应电网快速发展要求,加快推进“两个转变”,积极实施人才强企战略,培养高素质人才,对进一步提高继电保护专业人员的技术水平和岗位技能。
三、结束语:
我国自2009年5月提出智能电网的发展计划以来.先后在全国开展了21个试点项目,提出了智能电网关键技术框架.并开始进行多项技术攻关。许多在智能电网建设实践和重大专题研究方面已取得重要进展。继电保护装置是电网中的“卫士”,起着将电网故障与系统隔离、防止事故扩大的作用。
以科学发展观为指导,在总结现有工作成果和经验的基础上.坚持先进技术应用,提高继电保护装备和运行水平,加强继电保护专业队伍建设,是保证电网安全稳定运行的关键。
第四篇:《智能控制技术基础》试卷(A)标准答案剖析
2006~2007 学年第一学期期末考试《 智能控制技术基础 》试卷(A)标准答案 一、填空题(空 每空 1 分,共 10 分 分))智能控制具有两个不同于常规控制的本质特点:
以 以 知识表示的非数学广义模型
和
以数学模型表示的混合 控制 过程。传统控制包括
经典反馈控制
和
现代理论控制
。模糊逻辑控制的过程主要有三个步骤:模糊化过程、模糊逻辑推理
和
精确化计算
。在一个神经网络中,常常根据处理单元的不同处理功能,将处理单元分成输入单元、隐含层单元(或隐层单元)
和
输出单元 元
三类。系统辨识的基本要素包括数据、模型类 和
等价准则。
二、问题 答题(每小题 8 分, 共 共 40 分)智能控制系统由哪几部分组成?各部分的作用是什么? 答:智能控制系统由广义对象、传感器、感知信息处理、认知、通信接口、规划和控制和执行器等七个功能模块组成;各部分的作用为:
广义对象
——包括通常意义下的控制对象和外部环境; 传感器
——包括关节传感器、力传感器、视觉传感器、距离传感器、触觉传感器等; 感知信息处理——将传感器得到的原始信息加以处理; 认知
——主要用来接收和储存信息、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
——除建立人机之间的联系外,还建立系统各模块之间的联系; 规划和控制
——是整个系统的核心,它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,最终产生具体的控制作用; 执行器
——将产生的控制作用于控制对象。模糊逻辑控制器由哪几部分组成?各完成什么功能? 答:模糊逻辑控制器由模糊化接口、知识库、推理机与解模糊接口四个部分组成; 各部分的功能为:
模糊化接口——将真实的确定量输入转换为一个模糊矢量; ; 知
识
库——包括数据库和规则库。数据库存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值,若论域为连续域则为隶属度函数,在规则推理的模糊关系方程求解过程中,向推理机提供数据;规则库是基于专家知识或手动操作人员长期积累的经验,它是按人的直觉推理的一种语言表示形式,存放全部模糊控制规则,在推理时为“推理机”提供控制规则。
推
机
理——根据输入模糊量,由模糊控制规则完成模糊推理来求解模糊关系方程,并获得模糊控制量的功能部分; 解模糊接口——在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值去控制或驱动执行机构。模糊控制器常规设计的步骤怎样?应注意哪些问题? 答:模糊控制器常规设计的步骤:① 确定模糊控制器的输入、输出变量;② 确定各输入、输出变量的变化范围、量化等级和量化因子;③ 在各输入和输出语言变量的量化域内定义模糊子集;④ 确定模糊控制规则;⑤ 求模糊控制表。应注意以下问题:① 模糊控制器的构造;② 模糊信息与精确信息转换的物理结构和方法;③ 模糊控制器对外界环境的适应性及适应技术;④ 实现模糊控制系统的软技术;⑤ 模糊控制器和被控对象匹配技术。神经 PID 控制与常规 PID 控制有何不同? 答:常规 PID 控制与神经 PID 相比,结构更简单、实现更容易,但它的局限性在于被控对象具有复杂的非线性特性时难以建立精确的数学模型,且由于对象和 环境的不确定性,往往难以达到满意的控制效果。神经 PID 控制具有两个神经网络:NNI——系统在线辨识器,NNC——自适应 PID 控制器,分别实现对被控对 象进行在线辨识和自适应控制的目的。为什么说神经网络控制属于智能控制? 答:由于神经网络是从微观结构与功能上对人脑神经系统的模拟而建立起 来的一类模型,具有模拟人的部分智能的特性,主要是具有非 线性特性、学习能力和自适应性,使神经网络控制能对变化的环境(包括外加扰动、量测噪声、被控对象的时变特性三方面)具有自适 应性,且成为基本上不依赖于模型的一类控制,因此神经网络 属于“智能控制”。
三、作图题:
:
(题 本大题 10 分)为了克服实时计算量大的缺点,常规模糊控制在实际中通常采用的是查表法。现已知某系统的输入 变量(误差和误差的变化)、输出变量(控制量)的变化范围、量化等级、模糊集的隶属度函数如试表 1 所示,控制规则如试表 2 所示。设系统误差 e 的量化值为-1、误差变化 de 的量化值为 4,根据极大极小推理法可得控制量的输出模糊集合。要求在试图 1 的坐标纸上用图解法给出模糊推理的过程。
试表 1 模糊集的隶属度函数 误差 e-50-30-15-5 0 5 15 30 50 误差率 de-150-90-30-10 0 10 30 90 150 控制 u-64-16-4-2 0 2 4 16 64 量化等级-4-3-2-1 0 1 2 3 4 状态变量 相关的隶属度函数 PB 0 0 0 0 0 0 0 0.35 1 PS 0 0 0 0 0 0.4 1 0.4 0 ZE 0 0 0 0.2 1 0.2 0 0 0 NS 0 0.4 1 0.4 0 0 0 0 0 NB 1 0.35 0 0 0 0 0 0 0
试表 2 控制规则表 U
E DE NB NS ZE PS PB NB * * PB PB PS NB NS PB PS PS ZE NB ZE PB PS ZE NS NB PS PB ZE NS NS NB PB PB NS NB NB * *
第一条规则:
()e 4 3 2 1 1 2 3 40.20.41()de 4 3 2 1 1 2 3 40.20.41ede()u 4 3 2 1 1 2 3 40.20.41u0.35ZE PB NB 第二条规则:
()e 4 3 2 1 1 2 3 40.20.41()de 4 3 2 1 1 2 3 40.20.41ede()u 4 3 2 1 1 2 3 40.20.41u0.35NS PB NS 控制量的输出模糊集:
()u 4 3 2 1 1 2 3 40.20.41u 试图 1 图解法坐标纸 四、计算题(题 每小题 10 分, 共 共 20 分 分))设在论域 e(误差)
40 2 4 , , , , 和控制电压 04 6 8 u , , , , 上定义的模糊子集的隶属度函数如试图 2 所示。0 4 2 4 e1.0NB NSZEPS0 4 2u1.0NB NS ZE PS PB PB0.5 0.56 8e u 试图 2 隶属度函数 已知模糊控制规则:
规则 1:如果误差 e 为 ZE,则 u 为 ZE ; 规则 2:如果误差 e 为 PS,则 u 为 NS ; 试应用 马达尼推理法计算出当输入误差 1 e 时,输出电压 u ?(精确化计算采用重心法,计算结果保留到小数点后三位)
解:0 4 2 4 e1.0NB NSZEPS0 4 2u1.0NB NS ZE PS PB PB0.5 0.56 8e u10.70.30.7 计算图中隶属度函数各拐点的坐标(0,0)、(1,0.5)、(5,0.5)、(6,0),套用精确化过程重心计算法的积分公式,从而得到 输出电压。5 620 1 5*1 5 60 1 51 11 10.5 36()2 26 42.56710 1 1()0.5 34 2 2uuuuu du udu u uduu uduuu duudu du u du 2 考虑如下的逻辑条件语句:
如果 转角误差远远大于 15
那么 快速减少方向角 其隶属度函数定义为 A 转角误差远远大于 15 0/15 0.2/17.5 0.5/20 0.8/22.5 1/25
B 快速减少方向角 1/ 20 0.8/ 15 0.4/ 10 0.1/ 5 0/0
设 A 转角误差大约在 20 的隶属度函数 0.1/15 0.6/17.5 1/20 0.6/22.5 0.1/25
试分别应用(马达尼(Mamdani)推理法和(扎德(Zadeh)推理法计算当“ A 转角误差大约在 20 ”时方向角应该怎么变化? 解:已知()[0
0.2
0.5
0.8
1.0]Ax ,()[1
0.8
0.4
0.1
0]By 且()[0.1
0.6
0.6
0.1]Ax
由马达尼推理法可得(,)[()()]A B A Bx y x y ,即 A B 的关系矩阵minR 可计算得到 min0 0 0 0 00.2 0.2 0.2 0.1 00.5 0.5 0.4 0.1 00.8 0.8 0.4 0.1 01 0.8 0.4 0.1 0 R ;由马达尼推理法,min0 0 0 0 00.2 0.2 0.2 0.1 0()()[0.1
0.6
0.6
0.1] [0.6
0.6
0.4
0.1
0] 0.5 0.5 0.4 0.1 00.8 0.8 0.4 0.1 01 0.8 0.4 0.1 0B Ay x R
由扎德推理法可得(,)[()()] [1()]A B A B Ax y x y x ,即 A B 的关系矩阵zdR 可计算得到 zd1 1 1 1 10.8 0.8 0.8 0.8 0.80.5 0.5 0.5 0.5 0.50.8 0.8 0.4 0.2 0.21 0.8 0.4 0.1 0 R ;由扎德推理法,zd1 1 1 1 10.8 0.8 0.8 0.8 0.8()()[0.1
0.6
0.6
0.1] [0.6
0.6
0.6
0.6
0.6] 0.5 0.5 0.5 0.5 0.50.8 0.8 0.4 0.2 0.21 0.8 0.4 0.1 0B Ay x R
五、题 (本大题 8 分)
画出静态多层前向人工神经网络(BP 网络)的结构图,并简述 BP 神经网络的工作过程。
答:静态多层前向人工神经网络的结构图如下:
…… ………………………… ……1x2xnxinon1y2ynyhn1 2 L1 L1ijwLijw 学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时,输入样本从输入层传入,经隐含层处理后传向输出层。若输出层的实际输出与期望输 出(教师信号不符,则转向误差的反向传播。误差的反向传播是将输出误差以某种形式通过隐层向输入层反传,并将误差分摊给各层的所有单元,从而获得各层 单元的误差信号,此误差信号即作为修正个单元权值的依据。
题 六、综合设计题(本大题 12 分)
已知一非线性动态系统:22()(1)()1()y ky k u ky k ;给定的期望轨迹为:2 2()sin sin25 10dk ky k
求:1)假定系统已知,即(1)()y ku k 从方程中可以求出,采用直接网络控制法实现期望轨迹的跟踪控制;
2)假定只已知(1)()y ku k 的符号,重新设计直接网络控制法实现期望轨迹的跟踪控制; 3)利用神经网络辨识器,设计多神经网络控制器实现期望轨迹的跟踪控制。(注:只需给出准则函数,并画出相应的控制结构图)
解:
:
1)神经网络模型选用四层前向传播神经网络,并假设输出单元层的神经元为线性单元,其余层的神经元为 S 激励元,目标函数 为 221 1ˆ(1)(1)(1)2 2dE y k y k e k ,学习算法为:
(1)()()ij ij pj piw k w k O k
输出层:
ˆ 2(1)(1)()p j dy k y k u k ;隐含层:
()(1())p j pj pj p l ljlO k O k w 2)若已知(1)()y ku k 的符号,学习算法调整为:
(1)()()ij ij pj piw k w k O k
输出层:
(1)()ˆ 2(1)(1)()(1)p j dy k y ky k y ku k u k ;隐含层:
()(1())p j pj pj p l ljlO k O k w 3)2 21 11 1ˆ((1)(1))(1)2 2E y k y k e k ;2 22 21 1ˆ((1)(1))(1)2 2dE y k y k e k
R s()C s()--T1G s()2G s()H s()T
第五篇:智能控制技术的发展现状及心得体会
智能控制技术的发展现状及心得体会
摘要:
在此综述了智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法,然后介绍智能控制在各行各业中的应用现状,接着论述智能控制的国内外发展和现状。随着信息技术的发展,许多新方法和技术进入工程化、产品化阶段,这对自动控制技术提出创新的挑战,促进了智能理论在控制技术中的应用,以解决用传统的方法难以解决的复杂系统的控制问题。关键词:智能控制
模糊控制
神经网络
遗传算法
一、引言
智能控制作为当今的一种交叉前沿学科,其研究中心始终是解决传统控制理论、方法(包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等)所难以解决的不确定性问题。自智能控制概念的提出,自动控制界纷纷仿效,主流是人工智能技术引入到自动控制系统中,寻求难以精确建模的复杂系统的自动控制(自治)。
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。对许多复杂的系统,难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析,而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是,要由机器用类似于人的智慧和经验来引导求解过程。因此,在研究和设计智能系统时,主要注意力不放在数学公式的表达、计算和处理方面,而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上,即智能控制的关键问题不是设计常规控制器,而是研制智能机器的模型。此外,智能控制的核心在高层控制,即组织控制。高层控制是对实际环境或过程进行组织、决策和规划,以实现问题求解。为了完成这些任务,需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性,即具有一定程度的“智能”。
二、智能控制的性能特点
智能控制是自动控制发展的新的阶段,主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点 :(1)较强的学习能力:
能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理,并利用积累的知识和经验不断优化、改进和提高自身的控制能力;(2)较强的自适应能力:
具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力;(3)较强的容错能力:
系统对各类故障具有自诊断、屏蔽和自恢复能力;(4)较强的鲁棒性:
系统性能对环境干扰和不确定性因素不敏感;(5)较强的组织功能:
对于复杂任务和分散的传感信息具有自组织和协调功能,使系统具有主动性和灵活性;(6)实时性好:
系统具有较强的在线实时响应能力;(7)人机协作性能好:
系统具有友好的人机界面,以保证人机通信、人机互助和人机协同工作。
三、智能控制的主要方法
智能控制技术的主要方法有专家控制、模糊控制、神经网络控制和遗传算法等
(1)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。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)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二者缺一不可。
(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。
(4)遗传算法学习
智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
四、智能控制的应用现状
4.1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。
4.2 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。
4.3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。
以上的三个例子只是智能控制在各行各业应用中的一个缩影,它的作用以及影响力将会关系国民生计。并且智能控制技术的发展也是日新月异,我们只有时刻关注智能控制技术才能跟上其日益加快的技术更新步伐。
五、国内外研究现状及发展趋势
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、Glofiso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。
1985年8月,IEEE在美国纽约召开了第一届智能控制学术讨论会,随后成立了IEEE智能控制专业委员会;1987年1月,在美国举行第一次国际智能控制大会,标志着智能控制领域的形成。
要做到智能自动化,把机器人的智商提高到智人水平,还需要数十年。微电子、生命科学、自动化技术突飞猛进,为21世纪实现智能控制和智能自动化创造了很好的条件。为了达到目标,不仅需要技术的进步,更需要科学思想和理论的突破。很多科学家坚持认为,这需要发现新的原理,或者改造已知的物理学基本定理,才能彻底懂得和仿造人类的智能,才能设计出具有高级智能的自动控制系统。科学界要为保障人类和地球的生存和可持续发展做出必须的贡献,而控制论科学家和工程师应当承担主要的使命。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来,信息技术、计算技术的快速发展及其他相关学科的发展和相互
渗透,也推动了控制科学与工程研究的不断深入,控制系统向智能控制系统的发展已成为一种趋势。
六、智能控制的学习心得体会
这学期所学的智能控制感觉是相对于之前学的经典控制理论与现代控制理论,其研究对象是更为实际与现实的问题,但是与之前不同之处在于,现在的智能控制不只是研究对象更加实际、现实,而且是提出了新的方法途径,相比较与经典的控制理论,智能控制的研究对象有其自己的特点:
(1)不确定性的模型
(2)高度的非线性(3)复杂的任务要求
对于智能控制系统,任务的要求往往比较复杂,通常是比较抽象的。
学习了关于智能控制的专家控制、模糊控制、神经网络控制和遗传算法,发现智能控制能够做到在传统的PID控制中办不到的事儿,而且神经网络的控制特别的神奇,它能够模拟人的大脑,通过神经元的超强学习功能,如果遇到干扰作用,还能够自适应,但是神经网络也有欠缺之处,它不能自主解释自己的推理过程,而这些推理过程都是由人将自己的经验转换为一些学习算法、规则,通过数据传播信息的,使其进行学习。关于智能控制的学习,我现在所学习到的仅仅是皮毛。但对于一个刚刚接触智能控制学习的学生,了解如模糊控制、专家系统、神经网络等智能控制的知识入门尤为重要,为将来进一步学习智能控制的理论打下基础,并将理论应用于生活和工作当中,这才是学习的最终目的。
七、总结与展望
智能控制虽然已有50多年的发展史,而其实际应用也越来越成熟、广泛,但是相比较经典的控制理论与方法,智能控制的应用还是有待进一步发展的:①由于智能学习控制采用单一的技术,如模糊逻辑、神经网络等,会使智能学习控制技术的学习方法缺少变化性和多样性。因此,从采用的技术上看,智能学习控制将从采用单一的技术向采用多种技术混合的方向发展。②从学习内容来看,智能学习控制的学习算法将从采用比较简单的控制器参数学习向采用比较复杂的环境学习、结构学习和对象学习的方向发展。并且还向能同时进行多种内容学习的方向发展。如同时包括参数、结构、环境、对象等内容的学习等等。③由于智能学习控制采用单一的学习方式,如有导师学习、无导师学习、加强学习等,会使智能学习控制的应用受到限制。因此,从学习方式来看,智能学习控制将从单一的学习方式向能同时具有多种学习方式混合的方向发展。④从应用来看,智能学习控制将从变参数学习控制向变结构、变环境和复杂未知对象的学习控制的方向发展。并且还向能同时进行多种应用的学习控制的方向发展。⑤研究和开发新的学习算法、新的学习方式,引进新的技术等,如研究自创建和自组织学习算法、创造性的学习方式、采用小波理论等。⑥建立智能学习控制的一般性设计理论和相应的评价理论。随着智能学习控制的设计方案和设计方法的日益丰富,许多新的问题需要研究。例如,如何评价和选择合适的方案以适用于某个应用等。
当然对于智能控制的探索与研究还需要更多的学者投入更多的心血,才能在未来结出更加丰硕的果实。
参考文献:
[1]蔡自兴,徐光佑.人工智能及应用(第二版),清华大学出版社, 1996 [2]白枚.智能控制理论综述,华北水利水电学院学报 2002/23(1):58-62 [3]李士勇.模糊控制-神经控制和智能控制论,哈尔滨工业大学出版,1996 [4]李少远等.智能控制的新进展(Ⅱ).控制与决策,2000,15(2):136-140 [5]张凯,钱锋,刘漫丹.模糊神经网络技术综述.信息与控制,2003,32(5):431-435 [6]刘瑞正,赵海兰.人工神经网络研究五十年.计算机应用研究,1997(1):11-13