智能控制

出自 MBA智库百科(https://wiki.mbalib.com/)

智能控制(Intelligent Controls)

　　智能控制是指驅動智能機器自主地實現其目標的過程，即是一類無需人的直接干預就能獨立地驅動智能機器實現其目標的自動控制。其理論基礎是人工智慧、控制論、運籌學、和資訊理論等學科的交叉。傅京孫教授於1971年首先提出了智能控制的二元交集理論即人工智慧和自動控制的交叉;美國的薩里迪斯(G.N.Saridis)於1977年把傅京孫教授的二元結構擴展為三元結構，即人工智慧、自動控制和運籌學的交叉;後來中南大學的蔡自興教授又將三元結構擴展為四元結構即人工智慧、自動控制、運籌學和資訊理論的交叉，從而進一步完善了智能控制的結構理論，形成智能控制的理論體系。

　　智能控制的主要方法有:1、專家控制;2、模糊控制;3、神經網路控制;4、分級遞階智能控制;5、擬人智能控制;6、集成智能控制，即將幾種智能控制方法或機理融合在一起而構成的智能控制方法;7、組合智能控制方法，即將智能控制和傳統控制有機地結合起來而形成的控制方法;8混沌控制;9、小波理論。

　　智能控制是傳統控制發展的高級階段，它主要用來解決那些用傳統方法難以解決的複雜系統的控制。其中包括智能機器人系統、複雜工業過程式控制制系統、電腦集成製造系統(CIMS)、航空航天控制系統、社會經濟管理系統、交通運輸系統、環保及能源系統等。具體地說，智能控制的研究對象具備以下一些特點:

　　1、不確定性的模型。傳統控制是基於模型的控制，這裡的模型包括控制對象和干擾模型。傳統控制通常認為模型是已知的或經過辨識可以得到的，而智能控制的對象通常存在嚴重的不確定性。

　　2、高度的非線性。在傳統的控制理論中，線性系統理論比較成熟，對於具有高度非線性的控制對象，雖然也有一些非線性控制方法可供利用，但總的說來，非線性控制理論還很不成熟，有些方法又過於複雜，而智能控制方法則是解決複雜非線性對象控制問題的一個出路。

　　3、複雜的任務要求。在傳統的控制系統中，控制的任務或者要求輸出量為定值(調節系統)，或者要求輸出量跟隨期望的運動軌跡(跟蹤系統)，因此控制任務的要求比較單一。對於智能控制系統，其任務的要求往往比較複雜。例如在智能機器人系統中，要求系統對複雜的任務具有自行規劃和決策的能力，有自動躲避障礙運動到期望目標位置的能力。對於這些複雜的任務要求，僅靠傳統控制方法很難解決，而採用智能控制的方法則可滿足複雜的任務要求。

　　科學技術的產生和發展主要由生產發展需求和知識水平所決定，控制科學也不例外。20世紀以來，特別是二戰以來，控制科學與技術得到了迅速發展，由研究單輸入單輸出被控對象的經典控制理論，發展形成了研究多輸入多輸出被控對象的現代控制理論。經典控制理論主要是採用頻域法對控制系統進行描述、分析和設計，現代控制主要採用時域的狀態空間方法。20世紀60年代，由於空間技術、海洋工程和機器人技術發展的需要，控制領域面臨著被控對象的高度複雜性和不確定性，以及人們對控制性能要求越來越高的挑戰。被控對象的高度複雜性和不確定性主要表現為對象的高維、高度非線性和不確定性，高雜訊干擾、強藕合，系統工作點動態突變性，以及分散的感測元件與執行元件，分層和分散的決策機構，複雜的信息模式和龐大的數據量。面對複雜的對象，複雜的任務和複雜的環境，用傳統控制(即經典控制和現代控制)的理論和方法去解決是不可能的。其原因：

　　1、傳統的控制理論都是建立在以微分和積分為工具的精確數學模型之上的，而複雜系統的複雜性和不確定性都難以用精確的數學模型描述，否則就會使原問題丟失很多信息，例如:騎自行車沿一條曲線行走這套看似簡單的動作，如果我們要把這一系列的動作和環境建立出精確的數學模型，然後再一步一步按模型去操作，可以想象其過程是多複雜而又難以實現；

　　2、傳統的控制理論雖然也有辦法對付控制對象的不確定性和複雜性，如自適應控制和Robust控制可以剋服系統中所包含的不確定性，保證控制系統的控制質量不變，達到優化控制的目的。但他們僅適用於系統參數在一定範圍內緩慢變化的情況，其優化控制的範圍是很有限的；

　　3、傳統的控制系統要求輸入的信息比較單一，而現代的控制系統要面對複雜系統以各種形式(視覺的、聽覺的、觸覺的和直接操作的方式)將周圍環境信息作為輸入的狀況，並將各種信息進行融合、分析和推理，再隨環境與條件的變化，相應地採取對策或行動。傳統的控制策略單一，不能適合高層決策問題，所以智能控制應運而生。

　　智能控制的概念最早是由美國普渡大學的美籍華人傅京孫教授提出的，他在1965年發表的論文中首先提出把人工智慧的啟髮式推理規則用於學習系統，為控制技術邁向智能化揭開了嶄新的一頁。接著，Mendel於1966年提出了“人工智慧控制”的新概念。1967年，Leonde、和Mendel首次使用了“智能控制”一詞，並把記憶、目標分解等技術應用於學習控制系統。1974年，英國的E.HMamdani教授首次成功地將模糊邏輯用於蒸汽機控制.1977年，Saridis全面地論述了從反饋控制到最優控制、隨機控制及至自適應控制、自組織控制、學習控制，最終向智能控制發展的過程. 80年代，智能控制的研究進入了迅速發展時期:1984年，Astrom直接將人工智慧的專家系統技術引入到控制系統明確地提出了建立專家控制的新概念;同年，Hopfield提出的Hopfield網路及Rumelhart提出的BP演算法為人工神經網路的研究註入了新的活力，並迅速得到了廣泛的應用;1985年8月，IEEE在美國紐約召開了第一界智能控制學術討論會，會議決定在IEEE控制系統學會內設立一個IEEE智能控制專業委員會。這標誌著智能控制這一新興學科研究領域的正式誕生，並已作為一門獨立的學科正式在國際上建立起來。

　　智能控制主要用來解決傳統控制難以解決的高度非線性、強不確定性等複雜系統的控制問題。一個理想的智能控制系統應具有如下性能:

　　1、學習能力，系統對一個未知環境提供的信息進行識別、記憶、學習，並利用積累的經驗進一步改善自身性能的能力;

　　2、適應功能，系統應具有適應受控對象的動力學特性變化、環境變化和運行條件變化的能力，這實質上是不依賴模型的自適應估計，較傳統的自適應控制中的適應功能具有更廣泛的意義。除此之外，系統還應具有較強的容錯性和魯棒性;

　　3、組織功能。對於複雜任務和分散的感測信息具有自組織和自協調功能，使系統具有主動性和靈活性，即智能控制器可以在任務要求的範圍內自行決策，主動採取行動;

　　4、智能控制系統還應具有相當的線上實時響應能力和友好的人一機界面，以保證人一機互助和人一機協同工作。

　　智能控制理論不同於經典控制理論和現代控制理論的處理方法，它研究的主要目標不再是被控對象而是控制器本身。控制器不再是單一的數學模型解析型，而是數學模型和知識系統相結合的廣義模型。特點概括為:

　　1、智能控制系統具有足夠的關於人的控制策略、被控對象及環境的有關知識以及運用這些知識的能力;

　　2、智能控制的核心在高層控制，能對複雜系統進行有效的全局控制，實現廣義問題求解，並具有較強的容錯能力，系統具有變結構特點，能總體自尋優，具有自適應、自組織、自學習和自協調能力;

　　3、智能控制具有混合控制特點，系統能以知識表示非數學廣義模型和以數學表示的混合控制過程，採用開閉環控制和定性決策及定量控制相結合的多模態控制方式;

　　4、智能控制系統有補償及自修複能力;

　　5、智能控制系統具有判斷決策能力，體現了“智能遞增，精度遞降”的一般組織結構的基本原理，並具有高度的可靠性。總之，智能控制系統通過智能機自動地完成其目標的控制過程，其智能機可以在熟悉或不熟悉的環境中自動或人一機交互地完成擬人任務。