智能控制技術畢業(yè)論文

1、<p>　　摘要：本文主要介紹了智能控制技術從經典控制理論、現代控制理論發(fā)展到今天的智能控制理論的發(fā)展過程和主要方法，并介紹了智能控制在工業(yè)發(fā)展、機械制造、電力電子學研究領域中的應用。 </p><p>　　關鍵字：自動化   智能控制   應用</p><p>　　隨著信息技術的發(fā)展，許多新方法和技術進入工程化、產品化

2、階段，這對自動控制技術提出獷新的挑戰(zhàn)，促進了智能理論在控制技術中的應用，以解決用傳統(tǒng)的方法難以解決的復雜系統(tǒng)的控制問題。</p><p>　　一、智能控制的發(fā)展過程</p><p>　　從經典控制理論、現代控制理論發(fā)展到今天的智能控制理論，經歷了很長時間。</p><p>　　四十年代到五十年代形成了經典控制理論。經典控制理論中基于傳遞函數建立起來的如頻率特性、根軌

3、跡等圖解解析設計方法，對于單輸入-單輸出系統(tǒng)極為有效，至今仍在廣泛地應用。但傳遞函數對處于系統(tǒng)內部的變量不便描述，對某些內部變量還不能描述，且忽略了初始條件的影響。鼓傳遞函數描述不能包含系統(tǒng)的所有信息。</p><p>　　現代控制理論主要研究具有高性能、高精度的多變量變參數系統(tǒng)的最優(yōu)控制問題，它對多變量有很強的描述和綜合能力，其局限在于必須預先知道被空對象或過程的數學模型。</p><p&g

4、t;　　智能控制是在經典和現代控制理論基礎上進一步發(fā)展和提高的。智能控制的提出，一方面是實現大規(guī)模復雜系統(tǒng)控制的需要；另一方面是現代計算機技術、人工智能和微電子學等學科的高度發(fā)展，給智能控制提供了實現的基礎。智能控制提供了一種新的控制方法，基本解決了非線性、大時滯、變結構、無精確數學模型對象的控制問題。</p><p>　　二、智能控制的主要方法</p><p>　　通俗地講，智能控制就是

5、利用有關知識（方法）來控制對象，按一定要求達到預定目的。智能控制為解決控制領域的難題，擺脫了經典和現代控制理論的困境，開辟了新的途徑。</p><p>　　智能控制技術的主要方法有模糊控制、基于知識的專家控制、神經網絡控制和集成智能控制等,以及常用優(yōu)化算法有:遺傳算法、蟻群算法、免疫算法等。</p><p><b>　　1、模糊控制</b></p>&l

6、t;p>　　模糊控制以模糊集合、模糊語言變量、模糊推理為其理論基礎,以先驗知識和專家經驗作為控制規(guī)則。其基本思想是用機器模擬人對系統(tǒng)的控制,就是在被控對象的模糊模型的基礎上運用模糊控制器近似推理等手段,實現系統(tǒng)控制。在實現模糊控制時主要考慮模糊變量的隸屬度函數的確定,以及控制規(guī)則的制定二者缺一不可。</p><p><b>　　2、專家控制</b></p><p&g

7、t;　　專家控制是將專家系統(tǒng)的理論技術與控制理論技術相結合,仿效專家的經驗,實現對系統(tǒng)控制的一種智能控制。主體由知識庫和推理機構組成,通過對知識的獲取與組織,按某種策略適時選用恰當的規(guī)則進行推理,以實現對控制對象的控制。專家控制可以靈活地選取控制率,靈活性高;可通過調整控制器的參數,適應對象特性及環(huán)境的變化,適應性好;通過專家規(guī)則,系統(tǒng)可以在非線性、大偏差的情況下可靠地工作,魯棒性強。</p><p><b

8、>　　3、神經網絡控制</b></p><p>　　神經網絡模擬人腦神經元的活動,利用神經元之間的聯(lián)結與權值的分布來表示特定的信息,通過不斷修正連接的權值進行自我學習,以逼近理論為依據進行神經網絡建模,并以直接自校正控制、間接自校正控制、神經網絡預測控制等方式實現智能控制。</p><p><b>　　4、學習控制</b></p>&l

9、t;p>　　(1)遺傳算法學習控制</p><p>　　智能控制是通過計算機實現對系統(tǒng)的控制,因此控制技術離不開優(yōu)化技術。快速、高效、全局化的優(yōu)化算法是實現智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機制的一種搜索和優(yōu)化算法,它模擬生物界/生存競爭,優(yōu)勝劣汰,適者生存的機制,利用復制、交叉、變異等遺傳操作來完成尋優(yōu)。遺傳算法作為優(yōu)化搜索算法,一方面希望在寬廣的空間內進行搜索,從而提高求得最優(yōu)解的概率;另

10、一方面又希望向著解的方向盡快縮小搜索范圍,從而提高搜索效率。如何同時提高搜索最優(yōu)解的概率和效率,是遺傳算法的一個主要研究方向 。</p><p><b>　　(2)迭代學習控制</b></p><p>　　迭代學習控制模仿人類學習的方法、即通過多次的訓練,從經驗中學會某種技能,來達到有效控制的目的。迭代學習控制能夠通過一系列迭代過程實現對二階非線性動力學系統(tǒng)

11、的跟蹤控制。整個控制結構由線性反饋控制器和前饋學習補償控制器組成,其中線性反饋控制器保證了非線性系統(tǒng)的穩(wěn)定運行、前饋補償控制器保證了系統(tǒng)的跟蹤控制精度。它在執(zhí)行重復運動的非線性機器人系統(tǒng)的控制中是相當成功的。</p><p><b>　　三、智能控制的應用</b></p><p>　　當前，智能控制方法及其實現的研究已成為控制領域中一個熱門課題。我國自控界在智能控制理

12、論研究方面的成果已達國際水平，但在智能控制理論應用方面還剛剛開始。盡管智能控制理論和技術發(fā)展的歷史不長，但是，其卓越的性能有道人面在各方面進行了許多應用嘗試，并且取得了卓有實效的成果。</p><p>　　1、工業(yè)過程中的智能控制</p><p>　　生產過程的智能控制主要包括兩個方面:局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設計,例如智能PID控制器、

13、專家控制器、神經元網絡控制器等。研究熱點是智能PID控制器,因為其在參數的整定和在線自適應調整方面具有明顯的優(yōu)勢,且可用于控制一些非線性的復雜對象。全局級的智能控制主要針對整個生產過程的自動化,包括整個操作工藝的控制、過程的故障診斷、規(guī)劃過程操作處理異常等。</p><p>　　2、機械制造中的智能控制</p><p>　　在現代先進制造系統(tǒng)中,需要依賴那些不夠完備和不夠精確的數據來解決難

14、以或無法預測的情況,人工智能技術為解決這一難題提供了有效的解決方案。智能控制隨之也被廣泛地應用于機械制造行業(yè),它利用模糊數學、神經網絡的方法對制造過程進行動態(tài)環(huán)境建模,利用傳感器融合技術來進行信息的預處理和綜合。可采用專家系統(tǒng)的“Then-If”逆向推理作為反饋機構,修改控制機構或者選擇較好的控制模式和參數。利用模糊集合和模糊關系的魯棒性,將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機構來選擇控制動作。利用神經網絡的學習功能和并行處理信息的能

15、力,進行在線的模式識別,處理那些可能是殘缺不全的信息。</p><p>　　3、電力電子學研究領域中的智能控制</p><p>　　電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設備的設計、生產、運行、控制是一個復雜的過程,國內外的電氣工作者將人工智能技術引入到電氣設備的優(yōu)化設計、故障診斷及控制中,取得了良好的控制效果 。遺傳算法是一種先進的優(yōu)化算法,采用此方法來對電器設備的設計進行

16、優(yōu)化,可以降低成本,縮短計算時間,提高產品設計的效率和質量。應用于電氣設備故障診斷的智能控制技術有:模糊邏輯、專家系統(tǒng)和神經網絡。在電力電子學的眾多應用領域中,智能控制在電流控制PWM技術中的應用是具有代表性的技術應用方向之一,也是研究的新熱點之一。</p><p>　　以上的三個例子只是智能控制在各行各業(yè)應用中的一個縮影，它的作用以及影響力將會關系國民生計。并且智能控制技術的發(fā)展也是日新月異，我們只有時刻關注智

17、能控制技術才能跟上其日益加快的技術更新步伐。</p><p><b>　　參考文獻：</b></p><p>　　[1]Lee T H Ge ,S S. Intelligent control of mechatronic systems [J].Proceedings of the 2003 IEEE International Symposium on Intel

18、ligent Control,2003,646-660.[2]Li Mengqing; Zhang Chunliang; Yang Shuzi etc. Intelligent recognition using fuzzyneural network for trend & jump pattern in control chart[J]. China Mechanical Engineering, 2004 ,15(22)