1.7在线视频

下面我们来看一下

智能控制理论与传统的控制理论之间

有什么关系

首先我们来研究一下以前学过的

自动控制原理里头叫属于经典控制理论

它主要研究对象什么呢

就是用来分析线性定常

也就是时不变的单入单出系统

它擅长分析这样的系统

这类系统的特征就是通过什么手段呢

微分方程或者是传递函数的手段

来描述这个系统输出和输入之间的

满足什么样的动态特性

描述的是系统的外部模型

那么这个也可以从传递函数的定义上面

我们发现这一点

所谓传递函数指的就是

线性定常系统在零初始条件下

输出的拉式变换与输入的拉式变换之比

称为一个线性定常系统的传递函数

所以它就非常方便

因为我们分析一个线性定常单入单出系统

那么实际系统往往都是非线性的

由于各种各样的原因

包括噪声 扰动等等

那么实际中我们会对它

在某些工作点处进行一个线性化

然后呢进一步处理

这样的话就采用经典控制理论

主要用来分析线性定常单入单出系统

然后现代控制理论里头

基本手段就是通过状态变量

也就是状态方程和输出方程

用它们来很方便地描述一个复杂的非线性

时变的多入多出系统

因为它可以用矩阵的形式

来描述这样一个多变量系统

它不仅用于分析线性定常单输入单输出系统

还可以用来分析非线性的时变多入多出系统

这样它比较方便

但是呢经典控制理论 现代控制理论

都是基于模型的

而智能控制理论呢 它什么特征呢

它就是模仿人类智能所构成的一类控制策略

它可以处理各类复杂的系统

可以线性的 也可以非线性的

可以时变的也可以时不变的

可以是单入单出也可以多入多出

既可以是模型已知的

也可以是模型未知的

它的求解过程跟原来的传统控制理论就不一样了

它的主要手段就是依靠搜索

比如专家系统 自学习

比如神经网络 模拟进化

比如遗传算法

它通过这些手段来实现智能控制

通过这三个方面的对比

我们发现智能控制理论与经典控制理论

现代控制理论有显著的区别

它可以处理的问题更广泛

解决问题的手段更灵活

不再局限于被控对象的数学模型了

下面我们来看一个例子

假定这是一个房间

你站在这里

门在那边

我们采用传统控制理论

怎么样解决这样一个问题呢

大家想一想

首先我们自然会想到这是一个房间

我们可以以人 你站的那个位置为起点

坐标原点

做出这样一个坐标示意图来

我们可以找到门的坐标位置

然后建立这个房间的模型

通过了解这个房间的结构 坐标位置

地理位置分布

东西南北方向方位

就可以很容易地建立起

这样一个解决问题的模式

那就是从你站的位置出发

和门的位置之间连一条直线

这就是通过建模的手段

找到了这个问题的解

然后呢 你就可以沿着这条直线

这是一个理想的期望的轨迹

慢慢地走到那个终点

也就是门的位置

这也是一种传统的控制理论

解决一个控制问题的方法手段

首先

我要了解被控对象的数学模型

把它用精确的数学语言描述出来之后

再用传统控制理论里面的一些控制算法

把这个问题解决掉

这是一个比较简单的问题

可以用

因为它的模型结构也已经知道了

我们可以用传统的控制理论把它给解决掉

那么如果换一个问题

这个房间可能是伸手不见五指 漆黑一片

那怎么办呢

你站在这里

你怎么样找到那个门呢

我们人就很聪明

你会怎么做呢

你可能会给自己按照某种规则手段

进行自己去搜索

摸黑去找

比如你站在这里

你可以给自己设定两条规则

第一条 一直往前走

沿着墙一直往前走

第二条 如果撞墙了向左拐

向前走撞墙了 再向左拐

你运气足够好 找到了门

那这个前提就是刚好这房间没有障碍物

你很快就采用这个手段找到这门

但实际问题呢往往不会这么简单

假定这个房间里面有这样一个障碍物挡住了

那你站在这里

按照刚才这种规则进行搜索

会发现什么问题呢

我们来看一下

第一条 沿着墙往前走

第二条 撞到墙了向左拐

撞到障碍物了现在

向左拐

你发现又撞到墙了又向左拐

你发现问题在哪里

你永远转不出去了

陷入了一个死循环

那这时候怎么办呢

我们可以把这个规则变得更加丰富一点

当我发现我又回到原地的时候

我可以增加一条规则

比如第三条规则就是

如果回到原地了

我就要改变我的向左拐的方向

改成向右拐

好 这样按照三条规则来走

第一条顺着墙一直往前走

第二条如果撞到墙了向左拐

第三条如果回到原地了

这时候改变你的方向向右拐

你会发现采用这种规则进行搜索

你很快就找到了门

把这个问题解决了

我们发现这中间

这就是智能控制算法的一个手段

我们发现这中间

我们并没有建立这个房间的模型

我们不需要知道

但是我们采用搜索的办法

采用某种规则进行搜索的办法

把这个问题解决了

这就是智能控制

那么通过这个例子我们发现

智能控制理论与传统的经典控制理论

现代控制理论之间有哪些不同呢

第一 应用对象的不同

经典控制理论主要解决单入单出对象的问题

Single Input Single Output

现代控制理论由于采用了状态空间表达式的形式

不仅可以解决单入单出系统

还可以解决多入多出系统的控制问题

但是智能控制理论

它可以用来解决

各类的复杂的系统的控制问题

这就是应用对象的不同

第二 数学方法不同

那么在经典控制理论里面采用方法就是

微分方程和传递函数

我们是通过描述系统的外部特征

看它的输出和输入之间的关系

来找到它的动态特性

建立它的数学模型的

现代控制理论里面

是采用状态方程和输出方程

通过内部的状态变量来建立系统的数学模型

智能控制理论呢 它并没有建立模型

而是采用什么手段呢

搜索 自学习 模拟进化手段

像刚才我们那个例子里

是采用某种规则进行搜索

这也是专家系统的一个主要手段

还包括模糊控制也是进行搜索

自学习呢 是人工神经网络的主要学习手段

模拟进化呢 是遗传算法的主要手段

我们发现它们三种的数学方法也不同

第三

对被控对象的数学模型的要求不同

经典的控制理论 现代控制理论

包括PID控制 状态反馈 输出反馈

都需要知道被控对象的精确的数学模型

但是智能控制理论

并不需要详细了解被控对象的数学模型

这是它的最大的显著的区别

刚才那个例子里

我们发现

我们只是按照我们自己设定的规则进行搜索

寻找问题的答案

并没有去详细了解这个房间的结构 位置 方位

并没有去建立它的数学模型

但是我们采用按照我们这种规则进行搜索

最终找到了门

也就是找到了解决问题的办法

这也是智能控制的优势

第四 控制算法不同

在经典控制理论里

我们采用PID控制 它的控制算法

那就是按照比例积分微分相互组合

而形成的控制律

这是非常精确的控制算法

在现代控制理论里

我们是采用的是状态反馈 输出反馈

这样也是比较精确的数学公式

它的控制算法都是确定性的

但是我们智能控制算法

它往往具有随机性和模糊性

它是不确定的

比如同一个优化问题

我采用遗传算法来进行优化

可能这一次优化出来的结果

和下一次优化的结果可能有一些差异

这是很正常的

它可能会在某一个范围之内有一定的波动

这也就是说智能控制算法里

它的并没有明确的可解析显式的这样一个公式

这也是它的不同

总而言之

智能控制在应用对象上进行了扩展

在数学方法上进行了突破

在解决问题的时候

我们并不需要被控对象

数学模型要详细地知道它

也就是说突破了传统的控制理论

对被控对象数学模型的苛刻要求

第四

它的控制算法上面

并不需要有显式的公式

来精确地进行刻画描述

它以解决问题为目标

具有一定的随机性和模糊性

这也就是智能控制理论和传统的控制理论

它们在这四方面的区别