《智能控制》2023年5月第一章概論主要內容控制科學發展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內容本書主要內容智能控制的溯源與發展溯源誕生發展新興控制論的英文名稱cybernetics最早出現在古希臘哲學家柏拉圖《FirstAlcibiades》中，含義為“自治研究”第一個人工實現的有反饋自動控制系統是古希臘發明家Ktesibios發明的水鐘，通過控制液體在管道內流入或者流出的量來計時。達爾文的物種起源指出生物個體與環境間的交互反饋決定了物種及其進化方向水鐘智能控制的溯源與發展溯源誕生發展新興上世紀20-40年代，不同領域的研究人員（系統理論學、進化生物學、神經科學、電子電路等）控制論和人工智能的產生奠定了共同基礎：1927年，VannevarBush等開發了第一臺能夠求解微分方程的模擬計算機。1927年，H.S.Black在貝爾實驗室使用反饋控制的放大器來減小電話失真1931年，KurtG?del提出G?del‘s理論，成為關于人類認知的符號處理以及人類與機器智能的辯論的典范參考。1932年，HarryNyquist在放大器設計的研究中提出了反饋穩定性1936年，AlanTuring確定了抽象的圖靈機智能控制的溯源與發展溯源誕生發展新興AlanTuring計算機科學家WarrenMcCulloch神經生理學家NorbertWiener數學家機器自主邏輯與計算反饋調節與自動控制神經計算與神經通信智能機器與控制論（學習,調節,自適應,自組織,感知,記憶）智能控制的溯源與發展溯源誕生發展新興1943年的兩篇論文代表了控制科學早期的醞釀ArturoRosenblueth,NorbertWiener

and

JulianBigelow,“Behavior,PurposeandTeleology”WarrenMcCulloch

and

WalterPitts,“ALogicalCalculusoftheIdeasImmanentinNervousActivity”

（McCulloch本人設計了最早的神經網絡）1948年，NorbertWiener發表了著名論著Cybernetics:OrControlandCommunicationintheAnimalandtheMachine標志著控制科學作為一個獨立學科的誕生控制論本身就是研究“動物和機器”的智能的原理

達特茅斯（Dartmouth）

會議提出了“人工智能”控制論的神經感知、模型調節等研究方向，在人工智能領域取得了很大的進展人工智能三大流派（連結主義、符號注意、行為主義）中的行為主義深受控制論影響

行為主義的主要思想和發展Wiener的控制論；McCulloch的自組織系統；錢學森的工程控制論20世紀60-70年代，初步產生了智能控制傅京孫的啟發式學習控制，提出“二元論”思想1967年Leondes和Mendel首次使用“智能控制”20世紀80年代，智能控制誕生1985年，在紐約召開第一屆智能控制學術會議，IEEE成立智能控制專業委員會張鐘俊《智能控制與智能控制系統》，蔣新松《人工智能及智能控制系統概述》智能控制的溯源與發展溯源誕生發展新興智能控制是控制理論發展的新階段溯源誕生發展新興經典控制論40-50年代現代控制論50-60年代智能控制論60年代醞釀80年代形成狀態空間法、極大值原理、動態規劃、卡爾曼-布什濾波等頻率響應法和根軌跡法研究采樣控制系統和簡單的非線性控制系統神經網絡、模糊控制、專家系統、遺傳算法等新一代人工智能背景下的智能控制溯源誕生發展新興物聯網生物醫學航空航天無人駕駛機器人控制理論+人工智能控制科學發展的新階段——智能控制控制理論在應用中面臨的難題模型精確性：實際系統由于存在復雜性、非線性、時變性等，一般無法獲得精確的數學模型；假設嚴苛性：研究時提出并遵循一些比較苛刻的假設，往往與實際不相吻合；建模困難性：對于某些復雜的和具有不確定性的對象，無法以傳統數學模型來表示；系統可靠性：傳統控制系統的復雜性增加了設備投資和維修費用，降低了系統的可靠性。自動控制發展存在上述挑戰的原因科學技術間的相互影響和相互促進：例如，計算機、人工智能和超大規模集成電路等技術；當前和未來應用的需求：例如，空間技術、海洋工程和機器人技術等應用要求；基本概念和時代進程的推動：例如，離散事件驅動、信息高速公路、和人工神經網絡的連接機制等控制科學發展的新階段——智能控制面對挑戰，自動控制工作者的任務擴展視野，發展新的控制概念和控制方法，采用非完全模型控制系統；采用在開始時知之甚少和不甚正確的，但可以在系統工作過程中加以在線改進，使之知之較多和愈臻正確的系統模型；采用離散事件驅動的動態系統和本質上完全斷續的系統。從這些任務可以看出建模過程，將不把模型視為固定不變的，而是不斷演化的實體；所開發的模型不僅含有解析與數值，而且包含定性和符號數據；對于非完全己知的系統和非傳統數學模型描述的系統，必須建立包括控制律、控制算法、控制策略、控制規則和協議等理論；實質上，這就是要建立智能化控制系統模型，或者建立傳統解析和智能方法的混合(集成)控制模型，而其核心就在于實現控制器的智能化。控制科學發展的新階段——智能控制開發應用計算機科學與工程的最新成果“計算機科學面臨工業控制應用的挑戰”的研究計劃指出：開發大型的實時控制與信號處理系統是工程界面臨的最具挑戰的任務之一，這涉及硬件、軟件和智能(尤其是算法)的結合，而系統集成又需要先進的工程管理技術人工智能為自動控制系統智能化提供了有力支撐簡化處理松散結構的啟發式軟件方法(專家系統外殼、面向對象程序設計和再生軟件等)

；基于角色(Actor)或智能體(Agent)的處理超大規模系統的軟件模型；模糊信息處理與控制技術以及基于信息論和人工神經網絡的控制思想和方法；等等。控制科學發展的新階段——智能控制推進控制硬件、軟件和智能的結合，實現控制系統的智能化；實現自動控制科學與計算機科學、信息科學、系統科學以及人工智能的結合，為自動控制提供新思想，新方法和新技術，創立邊緣交叉新學科，推動智能控制的發展。自動控制既面臨嚴峻挑戰，又存在良好發展機遇硬件軟件智能控制系統的智能化自動控制科學信息科學計算機科學系統科學人工智能為自動控制提供新思想，新方法和新技術，創立邊緣交叉新學科，推動智能控制的發展主要內容控制科學發展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內容本書主要內容智能控制的研究內容—模糊邏輯控制期望值＋－模糊值精確值模糊化模糊控制系統結構

模糊推理清晰化規則庫D/AA/D傳感器受控對象輸出值y模糊控制器eeuu精確值模糊值將人類專家對特定對象的控制經驗，運用模糊集理論進行量化，轉化為可數學實現的控制器，從而實現對被控對象的控制。模糊控制的概念智能控制的研究內容—模糊邏輯控制模糊模型就是用if-then

形式的規則表示控制系統的輸入/輸出關系，有Mamdani模型和Sugeno模型兩種。模糊模型的概念模糊模型

智能控制的研究內容—模糊邏輯控制Mamdani模型模糊模型的概念

系統總的推理輸出為：

智能控制的研究內容—模糊邏輯控制模糊模型的概念T-S模糊模型

也可以表示為狀態方程的形式：

智能控制的研究內容—模糊邏輯控制模糊模型的概念T-S模糊模型這種控制系統的結構如圖所示。T-S模糊模型可以看成是系統在不同工況時的局部模型，基于T-S模型，可以充分利用現代控制理論知識對各個局部模型分別設計控制器。Sugeno模糊控制器的設計智能控制的研究內容—神經網絡控制神經網絡控制的優越性并行分布式處理非線性映射通過訓練進行學習很強的信息綜合能力神經網絡控制的分類和典型模型便于硬件實現……

人工神經網絡（ANN）前向網絡反饋網絡自組織網絡CMACMLPHopfieldBoltzman

MachineRNN

KohonenART智能控制的研究內容—神經網絡控制神經網絡用于控制的方式

智能控制的研究內容—神經網絡控制神經網絡控制與傳統控制決策變量：

傳統的控制中，單輸出控制系統中控制策略就是指單一的控制量；

智能控制中，控制策略還可以指一串動作或者一個決策。輸入信息：

傳統的控制中，控制器通過輸出量和給定量的誤差來進行控制策略的計算的；

智能控制中，控制器通過獲取系統的狀態來進行控制策略的計算。

控制策略：

傳統的控制是根據系統的機理來設計控制器的；

智能控制中，深度神經網絡的控制策略是系統經過多次訓練而得出的。智能控制的研究內容—遺傳算法遺傳算法（GA）是模擬自然進化過程而得到的一種隨機性全局優化方法。全局性快速性并行性魯棒性遺傳算法在自動控制學科中的的應用離散時間最優控制問題；Riccati方程的求解問題；控制系統的魯棒穩定問題，等。遺傳算法已滲透到許多學科，如工程結構優化、計算數學、制造系統、航空航天、交通、計算機科學、通信、電子學、電力、材料科學等。主要內容控制科學發展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內容本書主要內容本書的主要內容本書的主要內容簡述智能控制產生的背景、起源與發展，討論智能控制的定義、特點和智能控制器的一般結構，介紹智能控制的分層遞階結構，闡述專家系統和學習控制與智能控制之間的關系。

介紹現有智能控制的主要形式，包括模糊推理、神經網絡和遺傳算法，著重從控制系統的建模、控制與優化的學科內容要求出發，系統地介紹這些理論和方法對控制系統的意義。結合近年來在復雜控制系統的數據挖掘和信息處理，介紹智能控制方法的應用，主要包括控制系統軟測量、數據挖掘、數據校正與數據融合等。本書的主要內容本書的主線智能控制的結構框架是模糊推理和神經網絡。智能控制的核心算法是現代優化算法。智能控制的目的是實現控制系統的學習和自適應功能。《智能控制》2023年5月第二章復雜系統結構與智能控制主要內容復雜系統的分層遞階智能控制2.12.22.3專家系統學習控制分層遞階智能控制的一般結構原理G.N.Saridis等：提出了一種分層遞階智能控制理論，將數學建模和綜合方法以及語言學方法結合在一起，形成了一種適合于工程需要的智能控制方法該理論可認為是三個主要學科領域的交叉：人工智能、運籌學和控制理論溯源基本結構各層功能分層遞階智能控制的一般結構原理分層遞階智能控制系統的結構：由組織級、協調級和執行級三個層次組成三個層次按照自上而下精確程度漸增、智能程度逐減的原則進行功能分配右圖2是一個典型的復雜系統智能控制的分層遞階結構溯源基本結構各層功能圖2.機器人分層遞階智能控制系統圖1.典型的分層遞階結構分層遞階智能控制的一般結構原理

溯源基本結構各層功能

組織級組織級的主要任務任務規劃：對于給定的外部命令和任務，尋找能夠完成該任務的子系統控制任務的組合；任務傳達：將子任務要求送到協調級，通過協調處理，最后將具體的執行動作要求送至執行級去完成所要求的任務；評價與反饋：對任務執行的結果進行性能評價，并將評價結果逐級向上反饋；學習：同時對以前存儲的知識信息加以修改，從而起到學習的作用。組織級的作用主要是進行任務規劃，是典型的人工智能中的問題求解組織級

協調級協調級的結構

協調級的拓撲結構協調級分配器的任務和功能分配器的任務：處理對協調器的控制和通信。控制和通訊：將給定的基本事件的順序變換成具有必需信息的、面向協調器的控制動作，并在適當的時刻把它們分配給相應的協調器。在完成任務后，分配器也負責組成反饋信息，送回給組織級。分配器需要有以下功能：通訊能力數據處理能力任務處理能力學習功能協調級協調器的任務和功能協調器的任務：將給定的和面向協調器的控制動作順序變換成具有必需數據和面向硬件的實時操作動作，并將這些動作發送給裝置。在執行任務之后，協調器應該將結果報告給分配器。協調器的功能：其能力與分配器完全一樣，但它處在較低和更特定的級別上。協調級分配器和協調器的結構分配器和協調器有相同的組織結構：由數據處理器、任務處理器和學習處理器組成。數據處理器：提供被執行任務有關信息和目前系統的狀態。任務處理器：為下級單元建立控制命令，任務處理器采用遞階決策，包含三個步驟：任務調度、任務轉換和任務建立。學習處理器：是改善任務處理器的特性，以減少在決策和信息處理中的不確定性。執行級的最優控制優化控制問題的描述動態系統的最優控制已有系統的數學描述。在遞階智能控制中，最優控制描述方法轉化為用熵進行描述。這二種描述的方法實質上是一致的。給定一個動態系統

和性能指標

執行級的最優控制優化控制問題的描述

并滿足Hamilton-Jacobi方程

執行級的最優控制優化控制問題的描述

對這個概率密度，可以賦予以下熵函數

執行級的最優控制優化控制問題的求解結合公式(6),(7),(8)，得到熵的無約束表達式為：

執行級的最優控制優化控制問題的求解因此最壞情況，即不確定性最大的概率密度為

注意到于是

執行級的最優控制優化控制問題的求解

因此

執行級的最優控制優化控制問題的求解

當系統存在過程噪聲和測量噪聲時，用熵來描述最優反饋控制，在信息理論與最優控制問題之間建立等價的測度關系。主要內容復雜系統的分層遞階智能控制2.12.22.3專家系統學習控制專家系統的基本組成與特點專家系統的組成知識庫和推理機：專家系統中兩個主要的組成要素。知識庫：存儲著判斷性知識和敘述性知識。完整的知識庫還應該包括具有管理功能的軟件系統。通過專家系統與領域專家的人-機接口，建立和實時更新知識庫、對知識條目進行測試和精練專家系統是一種人工智能的計算機程序系統，這些程序軟件具有相當于某個專門領域專家的知識和經驗水平，以及解決專門問題的能力。專家系統的基本組成專家系統的基本組成與特點專家系統的組成推理機：運用知識庫中提供的兩類知識，基于某種通用的問題求解模型，進行自動推理、求解問題的計算機軟件系統。包含兩類程序：

解釋程序：用于決定如何使用判斷性知識來推導新的知識；

調度程序：用于決定判斷性知識的使用次序。通過專家系統與系統用戶之間的人-機接口，系統可以輸入并“理解”用戶有關領域問題的咨詢提問，再向用戶輸出問題求解的結論，并對推理過程做出解釋。專家系統的基本組成與特點專家系統的特點功能上：專家系統是一種知識信息處理系統，而不是數值信息計算系統。采用知識推理的各種方法求解問題，進行決策，而不是在固定程序控制下通過執行指令完成求解任務。結構上：專家系統的知識庫和推理機是獨立構造、分離組織，但又相互作用的。維持專家系統的知識是明確的，可存取的，而且是可積累的。常規的軟件程序包含的領域知識往往是隱含的，與求解問題的方法混雜在一起。專家系統的基本組成與特點專家系統的特點性能上：專家系統具有啟發性，透明性，和靈活性。啟發性：運用專家的經驗知識對不確定或不精確的問題進行啟發式推理。透明性：向用戶顯示為得出某一結論而形成的推理鏈。靈活性：通過知識庫的擴充和更新，提高求解專門問題的水平或適應環境對象的某些變化，通過與系統用戶的交互使自身的性能得到評價和監控。專家智能控制系統的基本原理專家控制的目標功能目標：模擬、延伸、擴展“控制專家”的思想、策略和方法。包括成熟的理論方法，直覺經驗和手動控制技能。專家控制并不是對傳統控制理論和技術的排斥、替代，而是對它的包容和發展。專家控制是指將專家系統的設計規范和運行機制與傳統控制理論和技術相結合而形成的實時控制系統設計、實現的方法。專家智能控制系統的基本原理傳統控制技術中存在的啟發式控制邏輯控制算法的參數整定和優化。例如PID控制算法參數整定常用的Ziegler-Nichols規則。不同算法的選擇決策和協調。例如參數自適應控制中可以使用不同的控制算法：最小方差控制、極點配置控制等。未建模動態的處理。例如PID控制中，若并未考慮系統元件的非線性，誤差過大，則取消積分項。

系統在線運行的輔助操作。例如，當系統出現異常狀態或控制幅值超限時，必須在某種邏輯控制下進行報警和現場處理。專家智能控制所實現的控制作用是控制規律的解析算法與各種啟發式控制邏輯的有機結合。仿人智能控制廣義上講，各種智能控制方法研究的共同點都是使工程控制系統具有某種“仿人”的智能，即研究人腦的微觀或宏觀的結構功能，并把它移植到工程控制系統上。

a)一種簡單的特征模型a)偏差響應曲線仿人智能控制

仿人智能控制

仿人智能控制仿人智能控制器的設計步驟

仿人智能控制器設計特征辨識特征記憶決策模態根據系統的輸入/輸出數據進行特征識別，從而確定系統當前處于什么樣的特征狀態特征信息或者集中地表示了控制器前期決策與控制的效果，或者集中地反映了控制任務的要求以及被控對象的性質。仿人智能控制器的輸入信息和特征記憶量與輸出信息之間的某種定量或定性的映射關系仿人智能控制器在實現上為分層遞階的結構，并遵循層次隨“智能增加而精度降低”的IPDI原則仿人智能控制仿人智能控制的方法原理分層的信息處理和決策機構；在線的特征辨識和特征記憶；開/閉環控制，正/負反饋控制和定性/定量控制相結合的多模態控制；啟發式直覺推理邏輯的運用。主要內容復雜系統的分層遞階智能控制2.12.3學習控制2.2專家系統概述學習控制的概述的主要任務學習控制是智能控制的一個重要分支。學習控制是傳統控制技術發展的高級形態。隨著智能控制的興起和發展，學習控制已被看作是脫離開傳統范疇的新技術、新方法，可形成一類獨立的智能控制系統。學習控制把過去的經驗與過去的控制局勢相聯系，能針對一定的控制局勢來調用適當的經驗。學習控制強調記憶，而且記憶的是控制作用表示為運行狀態的函數