人工智能在现代控制系统中地应用.doc
《人工智能在现代控制系统中地应用.doc》由会员分享,可在线阅读,更多相关《人工智能在现代控制系统中地应用.doc(11页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、人工智能在现代控制系统中的应用人工智能在现代控制系统中的应用摘摘 要要:现如今,计算机技术已经成为全球最普及的信息技术, 人类的大脑是最为发达的机器,计算机所有的编程都是效仿人类的电脑,对其信息进行采集、分析、处理、反馈等,所以计算机程序以效仿人类大脑为主要目的来实现我们自动化发展。对于电气自动化的整个控制流程都是通过自动化设备来完成整个生产、 分配等过程,这样就从很大的程度上降低了成本,工作效率也相应提高。随着信息技术的发展,不断有新技术进入工程化、产品化阶段,这对自动控制技术提出新的挑战,促进智能理论在控制技术中的应用,以解决用传统的方法难以解决的问题。关键词:人工智能 计算机 自动化 应
2、用1 1研究背景研究背景 人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 “人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(DarEmouth)学会上提出的。自此,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。由于智能概念的不确定,人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科怎样表示知识以及怎样获得知识并使用知识的科学。 ”而美国麻省理工学院的温斯顿教授认为“人
3、工智能就是研究如何使计算机去做过去只有人才能做的智能工作” 。诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。尽管对于人工智能控制的定义,学术界有许多种说法和定义方式,但他们的本质都是一致的。人工智能控制就是研究怎么样利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动,解决迄今认为需要由专家才能处理好的复杂问题1。人工智能是一个大科学的通称,它所覆盖的研究领域非常广,涉及到研究内容非
4、常丰富。从实用观点看,人工智能是一门知识工程学,以知识为对象,研究知识的获取、知识的表示方法和知识的使用。智能化的电气自动控制系统主要就是为了加强整个劳动分配过程,实现了计算机智能化,这样一来大大的减少了人为劳动过程,加强了工作效率,譬如:铝电解生产中的模糊自适应控制技术,就是大量使用了人工智能技术。 在我们国家主要是通过廉价输出的劳动力来得出的经济数值但是远远没有达到其他较发达的国家经济水平。在我们电气自动化控制中加强人工化智能的使用,研制出一个能类似于人类判断系统、 处理功能的控制系统,加强我们生产的能力,推动我们国家的经济发展。2 2人工智能的优势人工智能的优势经典控制理论的方法,是针对
5、研究的对象系统,先建立一定的数学描述即模型。 它能够反映出被控制系统的全部主要特征,并能定量的确定下来,同时在数学上或物理上易于分析处理。 这样确定下来的控制系统的数学模型,是描述系统输入、 输出物理量(或变量) ,以及内部各物理量(或变量)之间关系的数学表达式。合理的数学模型应以最简化的形式,正确代表被控制对象或系统的动态特性。通常,忽略了一些对系统特征影响较小的次要因素后, 即可得一个简化的数学模型(对于自动控制系统, 通常是线性微分方程) 。线性控制系统的研究有重要的使用价值, 因为线性微分方程的求解较易,一般都有标准的方法。 特别是,可以用拉氏变换求解线性微分方程。线性系统满足叠加原理
6、,这使对线性系统的研究更加方便。用拉氏变换解线性常微分方程, 可将数学中的微积分运算转化为代数运算, 并能单独地表明初始条件的影响,是一种简单易行的工程数学方法。有了微分方程的拉氏变换后,即可以得到非常有用的传递函数。传递函数定义为系统输入量的拉氏变换式与输出量的拉氏变换式之比,它是复变量 S 的函数。 传递函数的形式只决定于系统的结构和参数,与输入量的大小和形式无关。它是一种高度抽象的数学模型。 因此,对于具有同样传递函数的系统,输入输出的物理量不同,则代表的物理意义不同(比如具有同样传递函数的两个完全不同的系统一个是机械系统, 一个是电子系统)。 这就是人们在实验室通过电子系统做模拟实际动
7、力机械系统实验的理论基础。对于一个自动控制系统,建立了数学模型即系统的传递函数以后, 就可以运用一定的方法对系统的控制性能进行全面的分析和计算。 对于线性定常系统,常用的工程方法有时域分析法、 根轨迹法和频率法。所谓时域分析法,即控制系统以时间作为独立变量,研究分析系统的输出。 通过对系统外施一给定的输入信号,研究系统的时间响应来评价系统的性能。在时域分析法中,根据系统的微分方程,以拉氏变换作为数学工具,直接解出控制系统的时间响应, 然后根据响应的表达式及其描述曲线来分析系统的控制性能,诸如稳定性、快速性、稳定精度等。把人工智能的方法引入控制系统, 将控制理论的分析和理论的洞察力与人工智能的灵
8、活框架结合起来,才有可能得到新的认识上的突破。智能控制系统具有拟人的智能或仿人的智能,即人工智能。这种智能主要表现在智能决策上,能够有效地解决复杂性和不确定性的控制问题。模糊控制就是在研究人的控制行为特点的基础上发展起来的。对于无法构造数学模型的被控制对象,让计算机模仿人的思维方式,进行控制决策。人的控制可以用语言加以描述,总结成一系列的条件语句,即控制规则。运用微机的程序来实现这些控制规则,这样就很像是人的思考行为了。总之,模糊控制是基于专家经验和专业领域的知识,总结出若干条模糊控制规则,构成描述具有不确定性复杂对象的模糊关系,通过被控系统输出误差和模糊关系的推理合成来获得控制量, 从而对系
9、统进行控制。模拟人类大脑的机能,人们又创造出了人工神经网络(可以通过计算机软件实现或通过大规模集成化硬件电路实现) ,并且进一步实现了神经网络控制系统。 即在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模或充当控制器, 或优化计算,或进行推理,故障诊断等。神经网络控制具有很强的逼近非线性函数的能力,即非线性映射能力.神经网络还具有自学能力、自适应能力.可以实现最优化的决策控制,神经网络学习控制,自组织控制,将神经网络控制与模糊控制相结合,可以实现更加复杂高效的神经网络模糊控制系统。在人工智能的新技术不断出现及智能控制的应用不断深化的过程中, 神经网络必将在和其他的新技术
10、相融合中,发挥出更大的作用。多种的人工智能化系统的控制功能用不相同的方法研究。但 AI控制器例如:神经、模糊、 模糊神经以及遗传算法都是一类非线性函数近似器。分别对它们进行分类研究,有助于制定统一的开发策略。这些 AI 函数近似器比常规的函数估计器有明显的优势。(1)通过适当调整(根据响应时间、下降时间、鲁棒性能等)可提高性能。 例如:模糊逻辑控制器的上升时间比最优 PID 控制器快 1.5 倍,下降时间快 3.5 倍,过冲更小。(2)它们的设计不需要控制对象的模型(很多时候,很难得到实际控制对象的精确动态方程,实际控制对象的模型在控制器设计时往往有很多不确实性因素,例如:参数变化,非线性时等
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 现代 控制系统 应用
限制150内