当前课程知识点:智能控制 > 第一章 智能控制课程概论 > 1.3传统控制面临的挑战 > 1.3 传统控制面临的挑战.
下面我们来看一下
我们以前在本科的时候学过自动控制原理
还有现代控制理论
那我们现在为什么要学习智能控制理论呢
这时我们就要了解一下
智能控制和传统的自动控制原理
现代控制理论
它们之间有什么样联系和区别
首先来看一下传统控制理论面临的挑战
首先
实际的工业过程控制
以及各行各业的控制系统中
由于存在着复杂性 非线性 时变性
不确定性和不完全性等等
一般无法获得精确的数学模型
比如传递函数的概念就是
在零初始条件下
线性定常系统
它的输出和输入的拉式变换之比
但实际系统它有可能不是时不变的
实际系统可能会是时变
当然系统中还可能存在着不确定性的因素
还有不完全性的
所以很多时候我们很难获得
被控对象精确的数学模型
这样的话就对传统的控制理论
提出了一些巨大挑战
为什么
因为传统的控制理论中
比如PID控制
我们都要求先通过系统辨识的手段
获取了被控对象的数学模型
然后我们再去推导
怎么样获得一个最优的PID控制器参数
获得最佳的控制性能
那么实际系统中被控对象的数学模型
可能就很难获得非常精确的数学模型
由各种各样的因素造成
第二
应用传统控制理论进行控制
必须提出并遵循着
一整套的比较苛刻的线性化假设
比如刚才的传递函数的概念
就要求被控对象是线性的定常系统
那实际系统中呢它有可能是非线性的
可能在某些工作点处是被线性化了
但是这些线性化假设它是比较理想的
并不一定符合实际情况
第三 传统的控制方法
在解决固定工况
稳定工况的时候
可能会效果很好
但是如果要让它去解决
比如像大型火电机组
从0%的负荷到100%的负荷之间
大范围经常要变工况
或者是由于某些设备发生故障
出现了异常工况这些情况方面
传统的PID控制方法
就往往无法获得满意的性能
那么实际系统中像大型火电机组
它由于电网的调度问题
它将会随时调整它的负荷
这样的话呢实际过程控制里面
它就会经常发生大范围的变工况
传统的PID控制方法
它只是在某些工作点处
做了一些近似的线性化模型
然后进行了参数整定
这样的话实际应用中
它就无法适应这种大范围变工况
以及异常工况的这些情况的控制
无法获得满意的控制性能
第四
环境和被控对象的未知和不确定性
导致无法建立模型
比如要发射一个火星探测车到太空中去
我们就会完全不知道
那里面是什么样的状况
环境是什么样的情况
不清楚
由于以上这四个方面的原因呢
传统的控制理论
往往不能满足某些系统的性能要求
而现在随着科学技术的发展
很多工业过程控制系统
都希望我们能够在大范围、变工况
非线性、时变、不确定性
多种未知的扰动的情况下
都能够获得满意的鲁棒稳定性、鲁棒性能
但是采用传统控制理论呢
往往无法满足这些日益严格的苛刻要求
那么所以就需要用到智能控制
-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

