论文部分内容阅读
摘 要：近几年，我国经济水平得到了跨越式提升，特别是智能控制技术的发展，让工业自动化系统可以在智能化时代引领人们进人新的生活状态。本文就智能控制在工业自动化中的应用展开研究，通过对智能控制发展、特点、主要方法等的分析，导出智能控制在工业自动化中的应用及案例，最后展望智能控制在工业自动化领域应用的前景
关键词：智能控制理论 工业自动化 模糊控制
一、智能控制概述
（一）智能控制发展
随着现代科技的迅速发展，传统控制理论的发展遇到了新的挑战，控制对象、传递函数以及控制目的日益复杂，运算的复杂度、建模的不确定性、参数的多样化以及越来越多的非线性问题都在冲击着单一化、简单化的传统控制理论，同时也在呼唤着新理论的出现。
出于对上述问题的困扰，控制学界一直在研究着新的理论，但直到计算机科学和人工智能的迅速发展才给控制理论的新发展带来了契机，随着计算机理论和AI理论引入控制科学，智能控制作为一个新学科逐渐出现并得到广泛认同，从而走向各个应用领域。
（二）智能控制特点
①核心是高层控制，能对非线性、快时变、多变量等系统进行有效控制，并具有较好操作性、稳定性;
②学习能力：系统可以对一个未知环境进行信息识别、自主学习，并利用设定的算法修正自己的能力，从而使系统性能自动优化;
③组织能力：系统对于复杂和分散的信息具有组织和协调能力，使控制过程具有自主性和灵活性，并通过系统各个要素的配合增强鲁棒性;
（三）智能控制主要方法
①模糊逻辑控制：是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，基本思想是模拟人的智能行为。该方法首先将专家的经验编写成模糊规则，将来自传感器的实时信号模糊处理后作为模糊规则的输入，完成模糊推理后得到的输出量放入执行器中执行;
②专家控制：将专家系统同自动控制理论进行结合，由知识库和推理机构构成主体框架，通过有机组织控制领域的经验、信息和目标等按照规则进行推理，从而实现对系统的有效控制 。这种方法可以有效解决实际应用中难以确定数学模型而依赖于专家经验的复杂问题，并且能在适度干扰下给出合理结论;
③神经网络控制：是神经网络理论和控制理论结合的产物，具有高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性的强大映射能力。神经网络控制采用并行分布式处理方式，本质上是非线性系统，因而可以实现任意非线性映射。
④迭代学习控制：模仿人类学习行为的反复性，通过一系列迭代过程模拟由多次训练获得知识的学习过程。控制系统由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器控制非线性系统的稳定性，前馈补偿控制器控制系统的精确性。
二、应用智能控制的工业自动化系统
（一）系统的形成
随着科学技术的不断进步和工业生产的不断发展，复杂工业生产过程的控制与智能控制过程越来越成为科研工作者研究与应用必须面对的挑战。这些复杂问题既是传统控制理论与实际应用的重大矛盾，同时也是智能控制理论发展和应用于实际工业系统自动化的巨大动力和良好契机，其表现为：
（1）控制任务、控制过程和实际环境的复杂性：被控制对象往往是多维非线性、快速时变的复杂系统，而利用传统数学模型设计的控制系统不能保证控制的稳定性。这种复杂性还表现在实际环境的复杂性上，如外部干扰具有多样性、时变性和随机性等特点，系统与环境、系统的各子系统之间和系统内部的关联性相当强且复杂;
（2）多层次、多目标的控制要求：现代工业控制所追求的不仅是某个问题的单一解决，而是力求实现多样化、多层次的综合目标，协调各环节、各要素和各机构。
（二）举例：模糊控制在工业控制自动化中的应用
模糊控制单元由规则库、模糊化接口、模糊推理和清晰化接口4个功能模块组成，模糊控制单元首先将输入信息，模糊化，然后经模糊推理规则，给出模糊输出，再将模糊指令化，控制操作变量。
四个功能化模块分别为：
1、规则库（rule base）：由若干条控制规则组成，这些控制规则根据专家的经验总结得出，按照“ IF …is …AND …is …THEN … is … ”的形式表达;
2、模糊推理：以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，以此建立模糊推理理论。根据模糊输入与规则库中蕴涵的输入输出关系，通过前文描述的模糊推理方法得到模糊控制器的输出模糊值。其中模糊推理是整个控制器的核心，它具有基于模糊概念的仿逻辑推理能力，该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的;
3、模糊化接口（Fuzzification）：这部分的作用是将输入的精确量转化成模糊化量。其中输入量包括外界的参考输入，系统的输出或状态等;
4、清晰化接口：清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。它包含以下两部分内容：
（1）将模糊控制量经清晰化变换变成表示在论域范围的清晰量。
（2）将表示在论域范围的清晰量经尺度变换变成实际的控制量。
三、未来趋势的展望
（1）进一步开展智能控制理论与应用研究，探寻智能控制在工业自动化应用的广泛性、普适性，以及加深智能控制与工业自动化应用的契合程度;
（2）充分运用神经生理学、心理学、认识科学和人工智能等学科的基本理论，深入研究人类解决问题时表现出来的经验、技巧，建立切实可行的智能控制的体系结构;
（3）把所有的模糊系统、信息论、神经网络理论和技术与传统的控制理论相结合，研究适合于当前的计算机资源条件的智能控制策略和系统;
（4）研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平;
（5）研究适合智能系统的并行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制系统在实际应用中的问题，使智能控制得到更广泛的应用。
参考文献：
[1]自动控制原理 第七版 胡寿松 科学出版社
[2]现代控制理论 刘豹 机械工业出版社
[3]人工智能及其应用 王万良 高等教育出版社
[4]智能控制原理及应用 蔡自兴 清华大学出版社
[5]運动控制系统软件原理及其标准功能块应用 彭瑜，何衍庆 机械工业出版社
关键词：智能控制理论 工业自动化 模糊控制
一、智能控制概述
（一）智能控制发展
随着现代科技的迅速发展，传统控制理论的发展遇到了新的挑战，控制对象、传递函数以及控制目的日益复杂，运算的复杂度、建模的不确定性、参数的多样化以及越来越多的非线性问题都在冲击着单一化、简单化的传统控制理论，同时也在呼唤着新理论的出现。
出于对上述问题的困扰，控制学界一直在研究着新的理论，但直到计算机科学和人工智能的迅速发展才给控制理论的新发展带来了契机，随着计算机理论和AI理论引入控制科学，智能控制作为一个新学科逐渐出现并得到广泛认同，从而走向各个应用领域。
（二）智能控制特点
①核心是高层控制，能对非线性、快时变、多变量等系统进行有效控制，并具有较好操作性、稳定性;
②学习能力：系统可以对一个未知环境进行信息识别、自主学习，并利用设定的算法修正自己的能力，从而使系统性能自动优化;
③组织能力：系统对于复杂和分散的信息具有组织和协调能力，使控制过程具有自主性和灵活性，并通过系统各个要素的配合增强鲁棒性;
（三）智能控制主要方法
①模糊逻辑控制：是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，基本思想是模拟人的智能行为。该方法首先将专家的经验编写成模糊规则，将来自传感器的实时信号模糊处理后作为模糊规则的输入，完成模糊推理后得到的输出量放入执行器中执行;
②专家控制：将专家系统同自动控制理论进行结合，由知识库和推理机构构成主体框架，通过有机组织控制领域的经验、信息和目标等按照规则进行推理，从而实现对系统的有效控制 。这种方法可以有效解决实际应用中难以确定数学模型而依赖于专家经验的复杂问题，并且能在适度干扰下给出合理结论;
③神经网络控制：是神经网络理论和控制理论结合的产物，具有高度非线性的连续时间动力系统，具有很强的自学习能力和对非线性的强大映射能力。神经网络控制采用并行分布式处理方式，本质上是非线性系统，因而可以实现任意非线性映射。
④迭代学习控制：模仿人类学习行为的反复性，通过一系列迭代过程模拟由多次训练获得知识的学习过程。控制系统由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器控制非线性系统的稳定性，前馈补偿控制器控制系统的精确性。
二、应用智能控制的工业自动化系统
（一）系统的形成
随着科学技术的不断进步和工业生产的不断发展，复杂工业生产过程的控制与智能控制过程越来越成为科研工作者研究与应用必须面对的挑战。这些复杂问题既是传统控制理论与实际应用的重大矛盾，同时也是智能控制理论发展和应用于实际工业系统自动化的巨大动力和良好契机，其表现为：
（1）控制任务、控制过程和实际环境的复杂性：被控制对象往往是多维非线性、快速时变的复杂系统，而利用传统数学模型设计的控制系统不能保证控制的稳定性。这种复杂性还表现在实际环境的复杂性上，如外部干扰具有多样性、时变性和随机性等特点，系统与环境、系统的各子系统之间和系统内部的关联性相当强且复杂;
（2）多层次、多目标的控制要求：现代工业控制所追求的不仅是某个问题的单一解决，而是力求实现多样化、多层次的综合目标，协调各环节、各要素和各机构。
（二）举例：模糊控制在工业控制自动化中的应用
模糊控制单元由规则库、模糊化接口、模糊推理和清晰化接口4个功能模块组成，模糊控制单元首先将输入信息，模糊化，然后经模糊推理规则，给出模糊输出，再将模糊指令化，控制操作变量。
四个功能化模块分别为：
1、规则库（rule base）：由若干条控制规则组成，这些控制规则根据专家的经验总结得出，按照“ IF …is …AND …is …THEN … is … ”的形式表达;
2、模糊推理：以模糊集合论为基础描述工具，对以一般集合论为基础描述工具的数理逻辑进行扩展，以此建立模糊推理理论。根据模糊输入与规则库中蕴涵的输入输出关系，通过前文描述的模糊推理方法得到模糊控制器的输出模糊值。其中模糊推理是整个控制器的核心，它具有基于模糊概念的仿逻辑推理能力，该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的;
3、模糊化接口（Fuzzification）：这部分的作用是将输入的精确量转化成模糊化量。其中输入量包括外界的参考输入，系统的输出或状态等;
4、清晰化接口：清晰化的作用是将模糊推理得到的控制量（模糊量）变换为实际用于控制的清晰量。它包含以下两部分内容：
（1）将模糊控制量经清晰化变换变成表示在论域范围的清晰量。
（2）将表示在论域范围的清晰量经尺度变换变成实际的控制量。
三、未来趋势的展望
（1）进一步开展智能控制理论与应用研究，探寻智能控制在工业自动化应用的广泛性、普适性，以及加深智能控制与工业自动化应用的契合程度;
（2）充分运用神经生理学、心理学、认识科学和人工智能等学科的基本理论，深入研究人类解决问题时表现出来的经验、技巧，建立切实可行的智能控制的体系结构;
（3）把所有的模糊系统、信息论、神经网络理论和技术与传统的控制理论相结合，研究适合于当前的计算机资源条件的智能控制策略和系统;
（4）研究人机交互式的智能控制系统和学习系统，以不断提高智能控制系统的智能水平;
（5）研究适合智能系统的并行处理机、信号处理器、智能传感器和智能开发工具软件，以解决智能控制系统在实际应用中的问题，使智能控制得到更广泛的应用。
参考文献：
[1]自动控制原理 第七版 胡寿松 科学出版社
[2]现代控制理论 刘豹 机械工业出版社
[3]人工智能及其应用 王万良 高等教育出版社
[4]智能控制原理及应用 蔡自兴 清华大学出版社
[5]運动控制系统软件原理及其标准功能块应用 彭瑜，何衍庆 机械工业出版社