相关热词搜索：
智能化控制技术应用探索论文
智能化控制技术应用探索论文 摘要：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。关键字：自动化智能控制应用 随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对 自动控制技术提出犷新的挑战，促进了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复杂系统的控制问题。
一、智能控制的主要方法 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。
2.1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 二者缺一不可。
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。
2.3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。
1.4学习控制 (1)遗传算法学习控制 智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。
快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自 然选择和遗传机制的一种搜索和优化算法，它模拟生物界/生存竞争，优胜劣汰， 适者生存的机制，利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为 优化搜索算法，一方面希望在宽广的空间内进行搜索，从而提高求得最优解的概 率；
另一方面又希望向着解的方向尽快缩小搜索范围，从而提高搜索效率。如何 同时提高搜索最优解的概率和效率，是遗传算法的一个主要研究方向。
(2)迭代学习控制 迭代学习控制模仿人类学习的方法、即通过多次的训练，从经验中学会某 种技能，来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对 二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习 补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿 控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控 制中是相当成功的。
二、智能控制的应用 1.工业过程中的智能控制 生产过程的智能控制主要包括两个方面:局部级和全局级。局部级的智能 控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID控制 器、专家控制器、神经元网络控制器等。研究热点是智能PID控制器，因为其在 参数的整定和在线自适应调整方面具有明显的优势，且可用于控制一些非线性的 复杂对象。全局级的智能控制主要针对整个生产过程的自动化，包括整个操作工 艺的控制、过程的故障诊断、规划过程操作处理异常等。
2.机械制造中的智能控制在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决 难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。
智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经网络的方 法对制造过程进行动态环境建模，利用传感器融合技术来进行信息的预处理和综 合。可采用专家系统的“Then-If”逆向推理作为反馈机构，修改控制机构或者选择 较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性，将模糊信息集成到 闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和并行 处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。
3.电力电子学研究领域中的智能控制 以上的三个例子只是智能控制在各行各业应用中的一个缩影，它的作用以 及影响力将会关系国民生计。并且智能控制技术的发展也是日新月异，我们只有 时课关注智能控制技术才能跟上其日益加快的技术更新步伐。
