智能控制綜述

華 珊，宋曉喬，楊小妮

（西安建筑科技大學華清學院，西安 710043）

隨著現代科技的快速發展，技術和環境等領域的問題處理愈趨復雜，常規的數學模型已不能夠滿足科研發展的需要。而智能控制能模擬人的某些智能和經驗對研究對象進行識別、組織、決策和規劃，從而解決問題。可以說，智能控制是控制論發展的高級階段，體現綜合性的控制管理理論和方法。智能控制系統更是一門集成交叉學科，集合了多種現代社會數據處理以及科研分析的所有的學科內容。如生物學、控制論等。

1 智能控制的發展概況

20世界40年代美國數學家維納創立了控制論，主要解決最簡單對象的控制問題，而隨著控制系統設計的發展，對于已有的自動控制方法和技術提出了挑戰，要求控制論能夠實現現代化、自動化發展。在此背景下，20世紀60年代美國傅京孫教授提出了智能控制思想。智能控制思想首次將人工智能的啟發式推理規則運用于空間技術、海洋工程和機器人技術中，從而滿足人們對于智能控制的需求[1]。

1966年，JM Mendel首先提出將人工智能用于飛船控制系統的設計。1971年，著名學者L.S.Fu（傅京遜）從發展學習控制的角度首次將智能控制吸收到自己的系統中來。1977年，Saridis從控制理論發展的觀點，論述了智能控制理論發展的脈絡，即提出了智能控制是從反饋控制理論出發，經歷了自適應、自組織控制的階段，最終朝著智能化控制理論；Saridis學者還提出了智能控制的概念內涵是由人工智能、運籌學、自動控制“三元”交叉結合形成的分級遞階式的框架系統[2]。該智能框架系統是智能控制后期重要的一個分支。60年代后期，Leondes和Mendel將記憶數據、目標分解等人工智能技術在學習的控制系統中成功應用。

智能控制理論發展進入到20世紀80年代后，人工智能系統已經初步進入到了控制系統框架中，實現了智能控制的柔性化發展。1984年，Astrom學者在其論文中首次將人工智能專家系統技術納入到控制系統中，并且提出了專家控制人工智能系統的基本概念和框架內涵[3]。同樣的在1984年，Hop fi eld提出的Hop fi eld網絡及Rumelhart提出的BP算法（即人工神經網絡算法）更是豐富了人工智能控制系統的范疇，使得人工神經網絡的研究重新進入到學術界的高潮階段[2]。1989年，在蔡自興教授的論著中，其實現了智能控制“四元論”的發展，即在三元論的基礎上添加了信息技術理論。近年來，隨著控制理論的相關研究的發展，學術界逐漸將控制理論同模糊邏輯、神經網絡、遺傳算法等智能計算機技術相結合，從而實現對控制技術中導入柔性化的管理，即利用人的經驗展開系統的指導管理。因此智能控制學科應運而生。

2 智能控制的特點

智能控制同傳統的控制理論相比，具有柔性化的特點。其控制的主要目標在于控制器本身，通過對控制器展開廣義模型的建立，指揮控制器做好被控對象的數據的收集，繼而采用符號加工的方式，通過經驗、規則用符號描述系統，主要解決高度非線性、不確定性和復雜系統問題。其特點概況為[2]：①具有人的學習能力和控制策略，能夠對于未知環境所提供的數據信息進行分類、甄別其是否有用，并且能夠借助信息推理出行業所需要的數據消息的特點；②具有的普適性特點，即能夠對任何環境下的被控對象進行有效的控制，不受到被控對象本身的動力學特征變化、環境變化等內外部因素的影響；③有較強的恢復能力該控制系統能夠自行展開故障的診斷、屏蔽以及處理；④具有變結構和非線性特點，能總體擇優，其核心是組織級；⑤較強的組織功能；⑥具有以只是表示的非數學廣義模型和以數學模型表示的混合控制過程，能根據被控對象的動態過程進行辨識，采用開閉環控制和定性與定量相結合的多模態控制方式。

3 智能控制的基本內容及研究熱點

3.1 專家控制

1965年美國斯坦福大學Feigen-beum從事人工智能項目，研究新領域就是專家控制。專家控制（EC-Expert Control）主要利用專家系統來達成目的，專家系統就是將行業內的控制師的經驗和知識體系實現數據化發展，將其導入到控制系統的知識庫中，繼而由推理機、解析機制和知識獲取系統共同作用專家系統，完成專家控制。專家控制靈活地選取控制率，通過調整控制器的參數來適應環境和對象特性，同時專家系統魯棒性強，可在非線性、大偏差的情況下可靠地工作。專家控制系統在機器人控制方面得到成功的應用，但在研究過程中存在“瓶頸”[3]：一是如何獲取有用的專家知識，并形成可行的方式輸入專家控制；二是世界發展速度加快，如何使專家控制自動更新和擴充有用的知識，保證其快速最優準確的實時控制。

3.2 神經網絡控制

神經網絡控制（NNC-Neural Networks Control）是智能控制的一個重要分支。它主要是為了解決一些非線性、不確定的、復雜的系統的控制問題所產生的一種新的控制技術。主要是依托于人工神經網絡理論和控制理論所存在的。通過模擬人腦神經元的活動，將數學、生物學、計算機科學、自動控制等學科理論通過神經元之間實現連結從而來確定信息的特點含義，并且通過不斷的修正不同神經元中連接到的權值得出預測結論，最終完成智能控制。

3.3 模糊控制

模糊控制（FC-Fuzzy Control）的理論基礎是模糊集合論、邏輯推理以及語言變量，其實質上是一種非線性控制技術。模糊控制基于自然語言描述規則的控制方法，依據操作人員控制經驗和操作數據建立數學模型，其魯棒性強，可解決控制非線性、時變及純滯后系統的控制。其控制系統應用語言變量，宜于構造形成專家系統，推理過程模仿人的思維過程，能夠處理復雜系統。模糊控制目前已取得了豐碩的研究成果，但仍有帶研究解決的問題：信息簡單的模糊處理將導致系統的控制精度降低和動態品質變差；模糊控制設計尚缺乏系統性，無法定義控制目標。

3.4 遺傳算法

遺傳算法（GA-Genetic Algorithm）是基于達爾文的生物進化論的自然選擇和遺傳學激勵的生物進化過程的計算模型。它是一種通過對生物進化規律進行模擬的智能算法。通過模擬生物自然進化的過程尋找出最優解的方式，其運行的主要策略主要是通過對控制對象潛在問題進行種群的解集的建立，從而實現基因的編碼，在這一過程中，對各個個體實現編碼，作為多個基因的結合，從中開始進行某種基因組合的求解。正如黑頭發的調整是由各個主體中的染色體中的某一片段所決定的異樣。遺傳算法也是通過實現對表現型的基因的映射到編碼，再到求解的過程。遺傳算法的主要特點是：它適用于群體中的搜索和信息管理，特別是在復雜的非線性問題。

3.5 集成智能控制

集成智能控制是近年來控制領域中熱點之一。其融合了多種智能控制方法和機理，將綜合經驗知識的專家系統，模糊推理的邏輯關系和人工神經網絡的控制等方法相互交叉結合，取長補短，在工程實際中取得良好控制效果。近年來，模糊神經網絡控制、專家模糊控制等多個方向的研究已取得了一定成果。

4 結束語

智能控制已廣泛應用于工業、農業、軍事等眾多領域，具有廣闊的發展前景，但其理論基礎和應用都不夠成熟和完善，智能控制的應用與開發還需要進一步的開發與推廣。