智能仪器 第5课 智能控制系统.ppt

5.4.5 神经控制系统 1. 神经控制研究的发展及特性 发展 1960年，威德罗(Widrow)和霍夫(Hoff)率先把神经网络用于自动控制研究。 60年代末期至80年代中期，神经网络控制与整个神经网络研究一样，处于低潮。 80年代后期以来，神经网络控制的研究日趋活跃。 * 5.4 智能控制系统 神经网络的特性 并行处理和快速性，适于实时控制和动力学控制。 本质非线性特性，为非线性控制带来新的希望。 可通过训练获得学习能力，能解决用数学模型或规则描述难以处理或无法处理的控制过程。 很强的自适应能力和信息综合能力，能同时处理大量的不同类型的控制输入，解决输入信息的互补性和冗余性问题。 * 5.4 智能控制系统 2. 神经网络学习控制 * 5.4 智能控制系统 图5.11 监督式学习NN控制器的结构 监督对象 受控对象 NNC r(t) e(t) u(t) y(t) + - + - 选择器 实现SNC包括下列步骤： 通过传感器及传感信息处理获取必要的控制信息。 构造神经网络，包括选择合适的神经网络类型、结 构参数和学习算法等。 训练SNC，实现从输入到输出的映射，产生正确控制。 * 5.4 智能控制系统 3. 神经网络非线性控制 * 5.4 智能控制系统 图5.12 神经元预测控制器结构图 对象 NLO NNP 过滤器 r(t) e(t) u(t) y(t) d e(t) + - + - y(t+k) ^ NLO —非线性优化器 NNP —神经网络预测器 预测控制算法的本质是预测模型、滚动优化和反馈校正。预测模型用于描述控制对象的动态行为，根据系统当前输入和输出信息以及未来输出信息，预测未来的输出值。 * 5.4 智能控制系统 4. 神经网络自适应控制 模型参考自适应控制(MRAC) 多采用间接控制方式。训练时，随意产生控制器输出传送至对象，由该输出信号和对象的实际输出来训练控制器，使控制器最终能够产生正确的控制信号，以求对象输出尽可能地接近期望轨迹。 5. 其它神经网络控制 神经网络鲁棒自适应控制、模糊神经网络控制、神经网络变结构控制、神经网络自寻优控制、神经网络自校正控制, …… * 5.4 智能控制系统 * 5.4 智能控制系统 5.4.6 遗传算法 理论基础：达尔文的“适者生存”思想 生物的进化，通过一代一代的演化，好的特征被保留，坏的特征被逐步淘汰(?) Simulated Evolution的三个分支, 1. Evolution strategies 2. Evolutionary programming 3. Genetic algorithms 都属于Soft Computation 5.5 智能控制应用示例 (Intelligent Control Application) 1. 智能机器人规划与控制 * 感知状况 环境 传感器信息处理 传感器 数值 目标选择 任务分解 驱动器 世界模型 数据库 事件 作用 评价 预测状况 规划 内部 外部 图5-13 MAUV的智能控制原理结构图 2. 智能机器人规划与控制 3. 自动加工系统的智能控制 4. 智能故障检测与诊断 5. 飞行器的智能控制 6. 医用智能控制 7. 智能仪器 * * * * * * * * * 以上这些现代化的系统表现出的特点： 　系统越来越复杂，规模越来越庞大， 　不确定因素越来越多，可靠性要求高， 　控制信息多样化，控制模型难获取或不精确。 与人的关系密切，需要更高的智慧才能驾御。 5.6 小结 (Summary) 本章着重讨论了智能控制的结构理论和特点，现存的智能控制结构理论有二元、三元和四元交集等理论。 本章另一重点是各种智能控制系统的原理与构成，分别介绍了分级递阶智能控制、专家控制、模糊控制、学习控制和神经控制等系统。 本章还阐述了智能控制的研究领域及应用实例。 智能控制的研究领域是十分广泛和高度交叉的，它的应用也日益广泛。 * 谢谢！ * CISIC CISIC CISIC CISIC CISIC CISIC CISIC CISIC CISIC 智能控制的发展与定义 智能控制的结构理论与特点 智能控制的研究领域 智能控制主要实现手段 5.1 智能控制的发展与定义 (Development and Definition of Intelligent Control) 5.1.1 智能控制的产生和发展 智能控制的发展 自动控制的发展过程 智能控制思潮出现于60年代； 60年代中期，自动控制与人工智能开始交接； 近十年来，智能控制的研究出现一股新的热潮。 * * 5.1