测控概论-3.pptVIP

当人打算要拿桌子上的水杯时，人首先要看到自己的手与杯子之间的距离，然后确定自己手的移动方向，手始向水杯移动。同时人的眼睛不停观察手与杯子的距离（该距离就是输入与输出的差值），而人脑（控制器）的作用就是不停控制手移动，以消除这个差值。直到手拿到杯子为止，整个过程也就结束了。 从上面的例子可以看出，由负反馈形成的偏差是人准确完成拿杯子动作的关键。如果这个差值不能得到的话，整个动作也就没有办法完成了。这就是眼睛失明的人不能拿到杯子的缘故。 负反馈一般是由测量元件测得输出值后，送入比较元件与输入值进行比较而得到的。 如自适应控制主要研究对象特性变化情况下的控制策略。对于非线性、时变的被控对象，其数学模型随时在变化。自适应控制实质上是通过不断对控制模型的识别，随时修正控制策略，以实现最优控制。自适应控制有自校正控制和参考模型控制两种类型。 现代控制理论体系下的重要的研究分支有： 自适应控制 最优 控制 线性 控制 3.4.3 智能控制方法 智能控制方法就是模仿人的思考决策方式的控制方法。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。目前研究成型的各种智能控制系统都只是模仿了人脑功能的某个方面。 一个控制系统如果具有感知环境的能力，不断用获得的信息指导控制决策，并能执行控制决策、产生控制效果，即称为智能控制系统。 人工智能：研究知识处理系统，如记忆、学习、信息处理、形式语言、启发式推理等功能。 智能 控制 智能控制是人工智能、自动控制、运筹学三个学科交叉结合的产物，称之为三元结构。 自动控制：研究控制对象的方法，如负反馈控制等。 运筹学：研究定量优化的方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化等。 智能控制的主要方法有： 模糊逻辑控制 神经网络控制 专家控制 分级阶梯控制 学习控制 集成混合控制 其中模糊逻辑控制、神经网络控制、专家控制是比较成熟并且应用最广的三个分支。 1. 模糊逻辑控制 有些复杂且无法建立数学模型的对象，用传统控制理论无法进行分析和控制，但有些操作者或专家却能凭经验判断顺利地进行控制。人们希望把这种经验指导下的控制过程总结成控制规则，以便用仪器模拟人对系统的控制。 模糊控制就是运用模糊理论、模糊语言变量和模糊逻辑推理的知识，把用语言表达的控制经验上升为数值运算，从而能够利用计算机来完成对这些规则的具体实现，达到自动控制的目的。 模糊逻辑控制系统的基本结构如图所示，它用模糊控制器替代了传统的控制器。 模糊控制器由知识库、模糊化处理、模糊推理、精确化处理四部分组成。 模糊控制在家用电器中的典型应用就是全自动洗衣机。 2. 神经网络控制 生物神经系统是由大量生物神经细胞组成的极为错综复杂而又灵活多变的神经网络。 生物神经网络具有很强的自适应和学习能力、非线性映射能力、鲁棒性和容错能力。将这些特性应用于控制领域，可使控制系统的智能化向前迈进一大步。 人工神经网络（Artificial Neural Network，即ANN）模拟大脑神经网络，能实现信息处理、存储等功能。 首先模拟大脑神经元建立人工神经元模型。一个简单的人工神经元模型可以描述为： xi -- 输入 y -- 输出 wi -- 连接权值 θi -- 阈值 人工神经元 人工神经网络由大量人工神经元互连而成。每个神经元是网络的一个节点，它接受多个节点的输出信号，并可将自己的输出并接至其它节点。 人工神经网络主要有前馈型和反馈型两类结构。前馈型神经网络如图所示： 前馈型 神经网络 人工神经网络最大的特点是具有学习能力，其学习能力是通过学习算法实现的。经过学习训练，人工神经网络可对杂乱多变的输入信号进行模型辩识、分类和处理，这种感知能力是智能的体现。 在控制系统中，应用神经网络技术，可以对一些难以精确建模的复杂非线性对象实现模型辩识、控制、优化计算、推理、故障诊断等功能。 模糊控制和神经网络二者各自的优势在于：模糊控制易于实现由语言表达的不清晰的控制规则，而神经网络则易于处理大量复杂多变的感知数据。 3. 专家控制系统 一般控制的系统由于控制规则的局限只能处理一些常规问题，对于非常规的状况无能为力。专家系统则是一个智能计算机程序系统，其内部存有某个领域的大量的专家控制知识与经验案例，能根据人类专家的经验自动解决该领域的各种意外状况及难题。 应用专家系统的概念和技术，模拟人类专家的控制知识与经验而建造的控制系统称为专家控制系统，它具有启发性、灵活性、不确定性、推理性等特点。 专家系统可以解决的问题包括：解