大连理工大学网络教育学院
本 科 生 毕 业 论 文（设 计）
题目： 智能控制技术综述
层 次： 专科起点本科
专 业： 电气工程及其自动化
年 级： 年 季
学 号：
学 生：
指导教师：
完成日期： 2022年5月18日
智能控制是自动控制发展的高级阶段，是控制论、系统论、信息论和人工智能等多种学科交叉和综合的产物，为解决那些用传统方法难以或不能很好解决的复杂系统的控制提供了有效的理论和方法瓦。电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果瓦。
本文主要介绍了智能控制技术的主要方法，并介绍了智能控制在各行各业中的应用瓦。对近20年的智能控制技术的现状作了分析 ,并详细论述了模糊控制、神经网络控制等智能控制技术的发展历史和研究热点瓦。
关键词：智能控制；神经网络；模糊控制
目录
内容摘要························································································ I
1 绪论························································································· 1
1.1 智能控制技术简介······························································· 1
1.2 智能控制技术研究的领域及应用·············································· 1
1.3 智能控制技术的应用现状······················································· 2
1.4 本论文的主要工作······························································· 3
2 智能控制理论概述········································································ 4
2.1 智能控制的基本概念···························································· 4
2.2 智能控制技术的主要方法······················································· 4
2.3 智能控制技术常用的优化算法················································· 5
3 模糊控制及其应用········································································ 7
3.1 模糊控制理论提出······························································· 7
3.2 模糊控制理论在工业生产中的应用情况······································ 8
3.3 模糊控制理论在智能建筑中的应用情况······································ 9
4 神经网络控制及其应用································································· 10
4.1 神经网络控制理论提出························································ 10
4.2 神经网络控制理论与传统控制相比的优势································· 11
4.3 神经网络控制理论在智能机器人中的应用情况···························· 11
5 智能控制技术在电气工程自动化领域的应用情况··································· 13
5.1 人工智能技术在电气自动化控制中的应用································· 13
5.2 神经网络应用——PID控制··················································· 15
6 结论························································································· 17
参考文献······················································································ 18
1 绪论
1.1 智能控制技术简介
智能控制技术(ICT: Intelligent Control Technology)是控制理论发展的新阶段，主要用来解决那些用传统方法难以解决的复杂系统的控制问题瓦。
智能控制是自动控制发展的高级阶段，是控制论、系统论、信息论和人工智能等多种学科交叉和综合的产物，为解决那些用传统方法难以或不能很好解决的复杂系统的控制提供了有效的理论和方法瓦。作为智能控制的重要组成部分——模糊控制，它以模糊数学、模糊语言形式的知识表示和模糊逻辑的规则推理为理论基础，采用计算机控制技术构成的一种具有反馈通道的闭环结构的数字控制系统瓦。
1.2 智能控制技术研究的领域及应用
（1）工程机械产品
在控制历史上，主要经过了机械化、自动化、智能化 3 个主要阶段。机械化是由人操作，机器作为执行机构；自动化是在机械化的基础上，机械按照设定好的固定的模式自动工作；智能化相当于具有“智力”，具有人的分析和决策能力可以根据实际变化而变化。
在工程机械产品中，日本小松公司研发的推土机智能控制系统将负载感应变速系统、静压转向、电子控制等技术成功地应用推土机上，可以根据外载荷自动调节车速及发动机飞轮转矩，实现高速小转矩及低速大转矩动力输出。此外，还有利用模糊控制技术较强的鲁棒性和较强的适应性等特性，将其应用于传统的蒸汽发动机控制系统上，克服了传统系统中的非线性和强噪声，取得了良好的应用效果。在机械制造中，还可利用智能控制与传感器与控制器相结合，利用专家系统与模糊控制技术，达到提升效率节省能源的效果。
除了在工程机械产品中的应用外，在工业生产过程中智能控制也越来越多的参与其中，主要应用在整个过程控制中的生产自动化、故障诊断、工艺流程控制等方面。
（2）电力系统
电力系统是由发电设备、变压器、输配电线路和用电设备等很多单元组成的复杂的非线性动态系统。继电器、断路器等控制装置在电力系统中屡见不鲜，正是通过这些简单的分部控制组合从而构成了庞杂的实时电力控制系统。近年来随着智能控制的发展，将模糊控制、专家系统、神经网络等算法融入在电力控制系统中的应用越来越常见。
应用智能控制技术对电网控制系统进行升级，可以完成例如在电力系统突发故障时，快速分析准确地给出相应故障的原因结果，并能够给系统后期的故障恢复及电网重组提供最佳的控制策略。人工智能的研究发展也给电力设备的故障诊断以及电力系统的控制管理带来了新的发展。
（3）风电智能控制
随着工业化的发展，能源问题越来越严重，开发新能源迫在眉睫，目前常见的新能源如风能、太阳能、潮汐能中也出现了智能化的控制技术，模糊控制、递阶控制等也用在了开发新能源中。
（4）智能机器人
工业机器人是一个庞杂的动态变化系统，该系统具有非线性、强耦合、多变量等特点，在实时工作时具有很多的不稳定性和不确定性，利用现有的机器人动力学模型的先验知识常常难以建立其精确的数学模型。智能控制技术的出现为智能机器人控制系统中出现的难点与问题开辟了新的道路。通过利用智能控制的整体优化，不依赖对象模型，自学习和自适应等特性，用它解决机器人等复杂的控制问题，可以获得良好效果[[1]]。
1.3 智能控制技术的应用现状
自从傅敬孙教授于1971年提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能，模糊集理论，运筹学和控制论），并取得了丰硕的研究和成果。在应用成果的同时，智能控制理论也在不断发展和完善。智能控制是一个多学科的学科。它的发展得益于人工智能，认知科学，模糊集理论和生物控制论等许多学科的发展，它还促进了相关学科的发展。智能控制也是飞速发展的新课题。尽管其理论体系远不如经典控制理论成熟和完善，但智能控制理论和应用研究所的成果显示出其强大的生命力，受到相关研究和工程技术人员的关注瓦。随着科学技术的发展，智能控制的应用领域将不断扩大，理论和技术也将不断发展和完善。
控制理论的发展已有100多年的历史了。它经历了“经典控制理论”和“现代控制理论”的发展阶段，进入了“大系统理论”和“智能控制理论”的阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的扩展。20世纪80年代以来，信息技术和计算技术的飞速发展以及其他相关学科的发展和相互渗透，也促进了控制科学和工程学研究的深入。从控制系统到智能控制系统的发展已成为个种趋势。
近几年来，“绿色建筑”、“环保建筑”成为多方关注的话题。“绿色建筑”强调的主要是：环境、节能、资源和材料的有效利用，由于空调系统的能耗在整个建筑中所占的比例最大，因此对空调自动控制系统的控制模式的研究显得尤为重要。随着智能控制技术的发展，自动控制向其高级阶段——智能控制技术发展是其必然趋势。因此如果能将智能控制技术应用于中央空调监控系统，不仅适应了21 世纪绿色和环保的时代主题；而且对于提高中央空调系统运行的稳定性、可靠性、节能以及推动智能控制技术的应用发展等方面都具有重要的理论价值和实际意义。
1.4 本论文的主要工作
本文首先介绍的是选题背景，智能控制的概念及在各个领域的发展趋势，介绍了几种人工智能的方法；随后，罗列出几种典型的人工智能控制方法在各个领域中的应用。
本文总共分成六个部分的主要内容如下：
第一部分：绪论。介绍了智能控制技术研究的领域、应用现状，以及本文的主要工作。
第二部分：智能控制概述。阐述了智能控制的基本概念、主要方法以及智能控制技术常用的优化算法。
第三部分：模糊控制及其应用。阐述了模糊控制理论的提出，模糊控制理论在工业生产中的应用情况以及模糊控制理论在智能建筑中的应用情况。
第四部分：神经网络控制及其应用。阐述了神经网络理论的提出，神经网络控制理论与传统控制相比的优势，神经网络控制理论在智能机器人中的应用情况。
第五部分：智能控制技术在电气工程自动化领域的应用情况。分析了人工智能技术在电气自动化控制中的应用，以及神经网络应用。
第六部分：结论。
2 智能控制理论概述
2.1 智能控制的基本概念
智能控制技术作为计算机科学的一个重要分支将智能的本质阐述了出来，生产出一种具有人类智能的机器。其研究的主要内容有对图像和语言的识别、专家系统、语言处理以及机器人等系统。
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。
2.2 智能控制技术的主要方法
2.2.1 模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定。
模糊控制具有以下几个特点：
(1) 根据操作人员的经验与操作数据设定模糊推理语句，建立模糊控制模型。建立模型的过程中不需要进行数学计算。
（2）模糊控制具有较强的鲁棒性，可以用来解决非线性、时变以及滞后量大等传统控制无法解决的问题。
（3）利用模糊推理语言代替传统的数学模型，这样可以组成专家的知识系统，使控制器具有自学习能力。
（4）控制器中的模糊推理过程借用了人的思维过程，这样就使得模糊控制可 以用来解决复杂甚至“病态”的系统。
模糊控制实际上就是利用模糊逻辑语言，把工人的操作经验转换为计算机可以接收的“知识”输人控制器中，利用模糊推理与模糊决策对复杂系统进行控制。但是，当受控系统复杂程度提高，具有非线性、大滞后、时变和不确定性中的一种或几种特点时，只是依靠有限的模糊规则很难准确地描述被控对象复杂的特性，
难以达到令人满意的控制效果。因此，将模糊控制与其他控制相结合的方式越来越多地被应用在工业生产中[[2]]。
2.2.2 专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好；通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
2.2.3 神经网络控制
神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
2.2.4 集成智能控制
智能控制技术的集成包括两方面:一方面是将几种智能控制方法或机理融合在一起,构成高级混合智能控制系统,如模糊神经( FNN)控制系统、基于遗传算法的模糊控制系统、模糊专家系统等;另一方面是将智能控制技术与传统控制理论结合,形成智能复合型控制器,如模糊PID 控制、神经元PID控制、模糊滑模控制、神经网络最优控制等。
2.3 智能控制技术常用的优化算法
2.3.1 遗传算法
遗传算法(GA)是一种基于模拟遗传机制和进化论的并行随机搜索优化算法。遗传算法依照所选择的适配值函数,通过遗传中的复制、交叉及变异对个体进
行筛选,使适配值高的个体被保留下来,组成新的群体,新群体既继承了上一代的信息,又优于上一代,这样周而复始,群体中个体适应度不断提高,直到满足一定的条件。
2.3.2 蚁群算法
蚁群算法是群体智能的典型实现,是一种基于种群寻优的启发式搜索算法。蚁群算法的基本思想:当一只蚂蚁在给定点进行路径选择时。被先行蚂蚁选择次数越多的路径。被选中的概率越大。
蚁群算法不仅能够智能搜索、全局优化, 而且具有鲁棒性、正反馈、分布式计算、易与其它算法结合等特点。
