当前课程知识点：智能控制 > 第一章 智能控制课程概论 > 1.5 智能控制的多元论 > 1.5
下面我们看一下智能控制
到底是二元的三元的还是多元的
智能控制到底是什么
1971年 美籍华人学者傅京孙教授
首先提出来了
智能控制 IC是人工智能AI
自动控制 AC
交互作用的结果
也就是二元论
他认为智能控制就是人工智能和自动控制
相互交叉的那部分
如这个图所示
这就是智能控制的二元论
这是在1971年的认识
后来随着智能控制理论和相关应用的发展
有学者提出了三元论
在1977年美国学者这位专家
他在二元论的基础上
人工智能 自动控制又引入了运筹学
就是做运筹优化的
提出了三元论的智能控制概念
也就是
他认为智能控制是人工智能 自动控制
还有运筹学交叉了
这样一个三学科交叉的结果
这就是智能控制的三元论
那么智能控制的三元论结构表明
智能控制就是应用人工智能的理论与技术
和运筹学的优化方法
并将它同控制理论方法与技术相结合
在未知的环境下实现人类或者是生物的智能
从而实现对被控对象的控制
这里面环境就是广义的被控对象
或者是过程以及它的外界变化
那么三元论表明
自动控制理论发展到了一个高级阶段
那么三元论还不足以完整地描述智能控制的内涵
后面有学者提出了智能控制的四元论
那么在20世纪60年代
乍德教授提出了模糊集合
还有Hopfield将神经网络提出来了
提出的神经网络的相关理论技术
就给智能控制注入了新的内容
那么在1994年
清华大学袁增任教授
提出智能控制应在传统的三元论的基础上
增加人工智能中的连接主义
就是有关神经网络内容
还有模糊集合有关模糊控制理论
这样构成了四元论
那么实际上随着被控对象的规模的进一步扩大
和各种相关的技术进一步发展
大系统智能控制
分级递阶智能控制
分布式问题求解等各种方法不断涌现
随着认知心理学 神经网络技术 进化论
遗传算法 混沌论等多门学科
更是从更高层次上
让我们更充分的认识了智能控制
从而形成了智能控制的多元论
这也表明智能控制其实就是
一门涉及多学科的交叉领域
跨学科的研究领域
那么智能控制它有哪些特点呢
第一 智能控制器具有非线性特性
我们传统的控制理论
一般都擅长处理线性的问题
如果实际系统它是非线性的
我们会在某些工作点
对它进行线性化进行一系列的假设
让它具备线性特征
然后再采用传统的控制理论
进行分析和处理
那么智能控制理论呢
智能控制器
它就擅长处理各种非线性的被控对象
它还具有变结构特点
比如传统控制理论里面
我们采用PID控制算法的时候
PID控制器的结构它一般是固定的
不会发生变化
我们实际应用中
可能会需要调整一下它的某些参数
进行参数整定 优化
但是它结构是不会发生变化的
但智能控制器它的结构也会发生变化
这是它的一个变结构特点
第三
智能控制还具有它可以进行总体自寻优
它可以实现多目标优化
一般的控制器只能实现单目标优化
或者是我要采用跟其它的智能算法相结合
才能实现某个方面的性能优化
但智能控制算法呢
它应该能够满足多个不同的优化目标
它的性能优化
那么总而言之
智能控制就是一个新兴的跨学科的研究领域
它涉及到很多相关的学科
是一门跨学科的研究领域
-开篇
--开篇
-1.1课程考试方式
-1.2 数据、信息、知识与智能
-1.3传统控制面临的挑战
-1.4 控制科学发展过程
-1.5 智能控制的多元论
--1.5
-1.6 控制策略的渗透与融合
--1.6
-1.7 智能控制与传统控制的联系与区别
--1.7
-1.8 智能控制的类型之分级递阶智能控制系统
--1.8
-1.9 智能控制的类型之专家控制系统
--1.9
-1.10 智能控制的类型之模糊控制系统
--1.10
-1.11 智能控制的类型之神经网络控制系统，智能控制的类型之基于规则的仿人智能控制系统，集成智能控制系统，组合智能控制
--1.11
-1.12智能控制系统的类型之基于规则的仿人智能控制系统，集成智能控制系统，组合智能控制
--1.12
-1.13本章小结
--1.13
-第一章测试
-2.1基于搜索的问题求解
-- 2.1.7 均一代价搜索
-- 2.1.10 A星算法
-2.2 专家系统简介
- 2.3 专家PID
-第二章测试
-3.1 模糊控制概述
-3.2 模糊集合
-3.3 隶属函数
--3.3隶属函数.
-3.4 模糊关系及其运算
-第三章测试
- 4.1 模糊自适应整定PID控制原理
-4.2 基于FF的模糊PID控制试验验证
-第四章测试
- 5.1 神经网络简介
- 5.2 神经网络的发展简史
-5.3 神经网络的基本概念
- 5.4 神经网络的分类
-5.5 神经网络的学习算法、基本特征和研究领域
-第五章测试
-6.1 感知器
--6.1.2.1 感知器应用实例分析(实现逻辑运算与或非)
- 6.2 BP神经网络
--6.2.2.1 BP神经网络应用实例分析之一：逻辑运算异或实现
--6.2.2.2 BP神经网络应用实例分析之二：非线性函数拟合
-第六章测试
- 7.1 什么是遗传算法
-7.2 遗传算法的特点
-7.3 遗传算法的基本操作之复制
-7.4 遗传算法的基本操作之交叉与变异
-第七章测试
-8.1 遗传编程工作原理
-8.2 遗传编程基本操作之复制
-8.3 遗传编程基本操作之交换和突变
- 8.4 遗传编程的工作步骤及实例分析
-第八章测试
-期末测试
