智能控制是一门新建立的学科,无论在理论上或应用上,仍然不够完善,有待继续研究与发展。展望智能控制的发展,我们应该: (1) 寻求更新的理论框架?
与智能控制的目标和定义相比,智能控制研究尚存在一些需要解决的问题。
人脑的结构和功能要比人们想象的复杂得多,人工智能和智能控制研究面临的困难要比我们估计的重大得多,智能科学工作者的研究任务要比我们讨论过的艰巨得多。同时,要从根本上了解人脑的结构与功能,解决面临的困难,完成人工智能和智能控制的研究任务,需要寻找和建立更新的智能控制框架和理论体系,为智能控制的进一步发展打下稳固的理论基础。? (2) 进行更好的技术集成?
与人工智能相似的是,智能控制技术是人工智能技术与其它信息处理技术,尤其是信息论、系统论、控制论和认识工程学等的集成。从学科结构的观点来看,提出了不同的思想,其中,智能控制的四元交集结构是最有代表性的一种集成思想。在智能控制领域内已集成了许多不同的控制方案,如模糊自学习神经控制就集成了模糊控制、学习控制和神经控制等技术。此外,还包括其它一些相关学科。
智能控制将向更高的技术水平发展,智能控制系统将包含多层级、多变量、非线性、大时滞、快速响应、分布参数和大规模系统等。? (3) 开发更成熟的应用方法?
为了实现智能控制,必须开发新的硬件和软件。实现智能控制固然需要硬件的保障,不过,软件应是智能控制的核心;因为控制器的智能化是整个智能控制的核心,而这一智能化基本上要靠软件技术来实现。
3、答:递阶控制理论可被假定为寻求某个系统正确的决策与控制序列的数学问题,该系统在结构上遵循精度随智能降低而提高(IPDI)的原理,而所求得的序列能够使系统的总熵为最小。 三个控制层级的功能和结构如下: (1) 组织级
组织级代表控制系统的主导思想,并由人工智能起控制作用。组织器作为推理机的规则发生器,处理高层信息,用于机器推理、规划、决策、学习(反馈)和记忆操作,如图1所示。
图1 组织级的结构框图
(2) 协调级
协调级是上(组织)级和下(执行)级之间的接口,承上启下,并由人工智能和运筹学共同作用。协调级由一定数量的具有固定结构的协调器组成,每个协调器执行某些指定的作用。各协调器间的通讯由分配器来完成,而分配器的可变结构是由组织器控制的。 (3) 执行级
执行级是递阶智能控制的底层,要求具有较高的精度但较低的智能;它按控制论进行控制,对相关过程执行适当的控制作用。执行级的性能可由熵来表示,因而统一了智能机器的功用。 4、答:根据系统的复杂性,可把专家控制系统分为两类:即专家控制器和专家控制系统;
按照系统的控制机理,又可把专家控制系统分为直接专家控制系统和间接专家控制系统。 专家控制器(EC)的组成:
(1) 知识库(KB):KB存放工业过程控制的领域知识,由经验数据库(DB)和学习与适应装置(LA)组成。经验数据库主要存储经验和事实。学习与适应装置的功能就是根据在线获取的信息,补充或修改知识库内容,改进系统性能,以便提高问题求解能力。
(2) 控制规则集(CRS):对受控过程的各种控制模式和经验的归纳和总结。
(3) 推理机构(IE):其复杂由于规则条数决定,如果搜索空间很小,推理机构(IE)就十分简单,采用向前推理方法逐次判别各种规则的条件,满足则执行,否则继续搜索。
(4) 特征识别与信息处理(FR＆IP):其作用是实现对信息的提取与加工,为控制决策和学习适应提供依据。它主要包括抽取动态过程的特征信息,识别系统的特征状态,并对这些特征信息进行必要的加工。
5、答:在设计模糊控制器时,必须考虑下列各项内容: (1) 选择模糊控制器的结构;
(2) 选取模糊控制规则;模糊控制规则是模糊控制器的核心,必须精心选取这些规则,并考虑下列问题:
(a) 选定描述控制器输入和输出变量的语义词汇; (b) 规定模糊集;
(c) 确定模糊控制状态表。
(3) 确定模糊化的解模糊策略,制定控制表; (4) 确定模糊控制器的参数。 下图为自组织模糊控制器的结构:
它由基本层和自组织层两级构成;前者为一常规模糊语义控制器,后者对每一输入／输出响应的采样进行评价,并对控制器产生一个修正。该结构能够自动获得模糊控制器的规则库。当用FLC控制对象(装置)至期望响应时,新条件一旦出现,规则就被产生和修正。该控制器的主要部分有性能评价、对象建模、规则库更新和FLC保持等。
性能评价单元用于分析精确装置有关性能目标的状态矢量(位置误差PE,误差变化CE),并对已辨识过的规则进行修正,以补偿任何恶劣性能的影响。修正是通过标量来调整规则结论的。采用可接受和不可接受两种阶跃响应相平面轨迹作为性能目标。 装置(对象)模型用于考虑装置规则修正时的输入-输出极性、规则库更新单元用于检查哪条或哪几条规则可对当前的恶劣性能产生响应,并进行修正。自组织模糊控制器在学习试验过程中的连续采样时间内,不断(迭代)地改善规则库。
6、答:人工神经网络的下列特性对控制是至关重要的:
(1) 并行分布处理。神经网络具有高度的并行结构和并行实现能力,因而能够有较好的耐故障能力和较快的总体处理能力。这特别适于实时控制和动态控制。
(2) 非线性映射。神经网络具有固有的非线性特性,这源于其近似任意非线性映射(变换)能力。这一特性给非线性控制问题带来新的希望。
(3) 通过训练进行学习。神经网络是通过所研究系统过去的数据记录进行训练的。一个经过适当训练的神经网络具有归纳全部数据的能力。因此,神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题。
(4) 适应与集成。神经网络能够适应在线运行,并能同时进行定量和定性操作。神经网络的强适应和信息熔合能力使得网络过程可以同时输入大量不同的控制信号,解决输入信息间的互补和冗余问题,并实现信息集成和熔合处理。这些特性特别适于复杂、大规模和多变量系统的控制。
(5) 硬件实现。神经网络不仅能够通过软件而且可借助软件实现并行处理。近年来,一些超大规模集成电路实现硬件已经问世,而且可从市场上购到。这使得神经网络具有快速和大规模处理能力的实现网络。
十分显然,神经网络由于其学习和适应、自组织、函数逼近和大规模并行处理等能力,因而具有用于智能控制系统的潜力。 7、答:
《智能控制》课程考试试题B