多智能体系统一致性综述
引言
多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调
控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科
学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计
算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基
础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。
在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能
体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递
信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要
合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环
境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。
近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。
目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文
献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。
1.1 图论基础
多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智
能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。
用G (V,E,A)来表示一个有向加权图，其中V { v1,v2 , ,v n} 代表图的n个顶点； E V V 是边集合，如果存在从第 i 个顶点到第 j 个顶点的信息流，则有e ij (v i,v j) E； A
是非负加权邻接矩阵e ij E a ij 0；节点v i的邻居集定义为N i {v j|(v i,v j) E} 。如果对所
有的e ij E意识着e ji E，则称 G是无向图。
2 个不同的节点v i和v j之间有有向路径是指存在1 个有序节点序列(v1 ,v k )，(v k ,v k )，，(v k,v j)；如果图G 中任意两个不同的结点间都存在1条有向路径，则称 G 是强连通图；如果 G 是无向的，则称 G 是连通图。图 G 有有向生成树指的是图 G存在1个包含所有定点的子图，除了唯一的根节点以外，其余节点有且仅有1 个父节点。
二．主要研究内容
2.1 多智能体系统一致性问题描述
令x i R q表示图中第 i 个顶点v i 的状态且满足x f(x i ,u i ) ，这样可利用二元组(G,x)来表示动态多智能体网络系统，其中x (x1T,x2T, ,x n T)T，系统状态方程为 x
F(x,u) 。如果对于所有的 i, j ，都有 lim x i(t) x j (t) 0，则称多智能体系统实现一致性。
2.2 一致性协议2.2.1一阶一致性
在早期关于一致性问题的研究中，绝大多数研究工作针对智能体为一阶智能体的情形，分析不同网络拓扑结构下实现一致性需要满足的条件和一致性实现时的收敛值。
( 1)连续时间情形当网络中的智能体均具有形如：
x i u i ( x i R) (1)
的状态方程时，经常采用一致性协议为： u i a ij (x j x i ) (2) iN
因此，在上述一致性协议下的闭环系统为 x Lx ，系统(1)的解为x(t) e Lt x(0)，可以利用线性系统理论来分析系统的一致性问题。
在固定拓扑结构下，一致性的相关结论为：
定理1 假定 G 有一个有向生成树， L 为其拉普拉斯矩阵且有 L 1 0 ，T L 0 ，T1 1 ，则在协议( 2)作用下，多智能体系统可实现一致性，且 limx i(t) γT x(0) 。特别地，当 G为无向连通图或强连通平衡图时，多智能体系统
n
可实现平均一致性，即 limx i (t) x i (0)。 t i 1 许多场合下，由于节点间连接的建立或失败，多智能体系统
的拓扑结构往往 是动态发生变化的。 拥有动态网络的系统一般称之为切换网络， 切换网络可以用 G 0 (t )来表示，其中 (t):R J {1,2, ,m} 为切换信号， {G 1,G 2, ,G m }为所有可 能的拓扑结构组成的集合。在协议( 2)的作用下，且有切换拓扑结构的闭环系 统为：
x L(G k )x
(3) 如果上述系统仅在离散时刻 1, 2, , n (0 1 2 n t) 处切换，则系统(3)的 解为：
x(t) e L(G 0(h))(t τh ))e L( G 0( h 1) )( τh - h-1) e L( G 0(2) )( τ2 - 1)e L(G 0(1))
1 x(0) x(t) e e e e x(0) 系统一致性分析转化为多个具有非负对角的随机矩阵乘积的极限问题的分析。
在切换拓扑结构下，一致性的相关结论为：
定理 2 假定切换网络在任意长度有上界的时间间隔内均有一个有向生成树，则 在协议( 2)作用下，切换多智能体系统可渐进实现一致性。
( 2)离散时间情形 当网络中的智能体均具有形如：
x i (k 1) x i (k) u i (k) (4)
的状态方程时，采用一致性协议： u i a ij (x j (k) - x i ( k))
(5) j N i
因此，在上述一致性协议下形成的闭环系统为：
x(k 1) Px(k)
(6) 式中， P I εL0, 1 ， 是网络节点的最大出度。
在固定拓扑和切换拓扑结构下， 多智能体系统有类似定理 1 和定理 2 相应的 结
论。
( 3)其他研究热点 除了上述关于一致性的经典结论外，还有学者分别考虑
带时滞的一致性、有一个动态领导者、多个静态或者动态领导者的一致性问题。
2.2.2二阶一致性
多智能体系统二阶一致性的研究中假设智能体具有下列形式的状态方程：
采用一致性协议：
u i kv i
a ij (x j x i ) (8)
j N i x i v i
x i u i i 1,2, ,n
7)
则闭环系统的矩阵形式为：
I n (A BK)-L BF
以 Jordan 标准型理论为基础分析闭环线性系统的一致性，相应结论为： 定理 3 当
系统具有固定无向连通拓扑结构时， 协议( 8)可实现平均一致性，
1
n 即当 t
时，x i (t) 1 x i (0),v i (t) 0 。当网络结构在无向连通图之间切换时， n i1 协议( 8)可解决平均一致性。
在上述结论的基础上， 有学者进一步拓展了上述一致性算法， 考虑了有界控 制输
入，无相对速度测量时的各种二阶一致性问题。
2.2.3 高阶一致性
近来，许多研究人员对多智能体系统一致性问题的研究转移到了智能体为 n 阶智能体的
情况， 并以线性矩阵不等式给出系统一致性需要满足的条件， 在一定 假设分析给出线性矩阵不等式的可解性，并通过实例验证了算法的有效性。
考虑智能体具有状态方程：
x i Ax i Bu i
或：
x i Ax i Bu i y i Cx i
对方程( 9)用状态反馈： u i K i b x i K i b
x j j N
i 对方程( 10)静态输出反馈： u i K i b y i K i b
y j j N
i
或动态输出反馈：
x A D x B D y u C D x D D Lcy
其中， L c L I n
2.3 一致性的应用 2.
3.1 一致性在协作控制中的应用 一致性是多智能体实现协同合作、完成共同制定任务的基础。目前，有许多 学者开展了关于一致性应用问题的研究， 如聚集问题、蜂涌问题、 编队控制问题 等。聚集问题要求对每一个智能体同时达到指定的位置，文献 [9] 采用一致性搜 索思想讨论了同步情形和异步情形下的聚集问题；文献 [10] 分别就固定拓扑结构 和切换拓扑结构下， 分别讨论了一类速度恒定， 通过局部反馈校正方向的智能体 系统的峰拥问题。
10 00 A 中
其,
x 9) 10)
2.3.2 同步问题同步问题主要是在假定信息交换拓扑结构在完全图的情况下，通过智能体之间的信息交换，修正智能体的动力学，最终实现同步性。
笔者所研究的随机连接的多智能体系统，和以往确定性的框架不同的是多智能体系统中的多智能体是具有马尔科夫性质，行为是随机的。每个多智能体的状态随时间变化建模成一个有限维的连续马尔科夫链。在这种情形下，一致性是当所有多智能体的概率向量达到一个共同的稳定的概率向量，因此在完全随机的背景下，讨论概率一致性才是有意义的。
三．结束语
三．结束语
对现有文献中的一致性协议进行了比较详细的总结和分析，由于多智能体一
致性相关研究问题的多样性，本文仅对具有代表性的一部分智能体相关的一致性协议进行了综述。此外，关于多智能体系统一致性问题，还有许多的研究方向和研究热点如随机一致性，非线性一致性协议等。关于多智能体一致性问题，还有许多的问题亟待研究和解决。
四．参考文献
[1] Cvetkovic D, Rowlinson P, Simic S, et al. Algebraic Graph Theory[M]// Algebraic graph theory. Cambridge University Press, 1974:xvi+298
[2] Ren W, Beard R W, Atkins E M. A survey of consensus problems in multi-agent coordination[C]// American Control Conference, 2005. Proceedings of the. IEEE, 2005:1859-1864 vol. 3
[3] Olfati-Saber R, Fax J A, Murray R M. Consensus and Cooperation in Networked Multi-Agent Systems[J]. Proceedings of the IEEE, 2007, 95(1):215-233
[4] Xiao F, Wang L. Consensus protocols for discrete-time multi-agent systems with time-varying delays[J]. Automatica, 2008, 44(10): 2577-2582
[5] Ren W, Atkins E. Second-order consensusp rotocols in multiple vehicle systems with local interactions[C]//AIAA Guidance, Navigation, and Control
Conference and Exhibit. 2005: 6238
[6] Ren W. Consensus based formation control strategies for multi-vehicle syst- ems[C]//American Control Conference, 2006. IEEE, 2006: 6 pp
[7] Zhai G, Okuno S, Imae J, et al. Consensus algorithms for multi-agent systems: A matrix inequality based approach[C]//Networking, Sensing and Control, 2009. ICNSC'09. International Conference on. IEEE, 2009: 891-896 [8] Zhai G, Okuno S, Imae J, et al. A new consensus algorithm for multi-agent systems via dynamic output feedback control[C]//Control Applications,(CCA) & Intelligent Control,(ISIC), 2009 IEEE. IEEE, 2009: 890-895
[9] Lin J, Morse A S, Anderson B D O. The multi-agent rendezvous problem. Part 2: The asynchronous case[J]. SIAM Journal on Control and Optimization, 2007, 46(6): 2120-2147
[10] RenW, Beard RW. Distributed consensus in multi-vehicle cooperative con-tr ol[M]. Springer-Verlag, London, 2008
[11] 肖峰. 多智能体网络系统的一致性[D]. 北京大学, 2008
关于“智能台灯的设计与开发”的文献综述 一、前言部分 毕业设计是大学四年最后一个阶段特别重要的一个作业，它能让我们将大学四年学习的课本知识联系到具体的应用当中去。它是对我们大学阶段所学知识的一次综合运用，不但能使我们各方面的知识系统化，而且使所学知识实践化。要求我们了解并掌握硬件知识，软件知识，培养我们独立分析解决实际问题的能力及创新能力，并锻炼我们调查研究，搜集资料、查阅资料及阅读中、外文文献的能力等，为以后独立工作贡献社会做大学期间最后的准备。 我选择的设计题目是智能台灯的设计与开发。随着智能化时代的到来，智能产品层出不穷，已逐步渗入到人们工作和生活的方方面面。当前，患有近视眼的人数越来越多，我国近视眼发病率尤其突出。由于没有正确使用台灯，当光线变得昏暗时忘记及时打开台灯，或者长时间在高亮度的台灯下工作，久而久之，都会对视力产生一定的影响。虽然市场上已出现了具有调亮功能概念的台灯，但其仍不具备成熟的自动调亮功能。本设计所制作的智能台灯具备手动和自动调节两种模式，同时还加入了人体检测功能，可实现人走灯灭。在保护视力的同时，也为节能环保做出了一份贡献。 二、主题部分 2.1传统台灯与智能台灯的区别 传统的台灯的功能比较单一，主要就是为了实现照明，既不节约也不环保。而智能灯的主要含义是除了智能灯体，还有一个手持智能控制设备，智能灯控制设备具备计算能力和网络联接能力，通过应用程序，功能可以不断扩展。智能灯的核心功能是控制、灯光效果、创作、分享、光与音乐互动、光提升健康和幸福。 2.2智能台灯的发展方向 2.2.1、走向以人为本的科学化照明 智能化灯将从纯粹的智能功能的发展转向更注重人的行为的智能灯控。以人的行为、视觉功效、视觉生理心理研究为基础，开发更具有科学含量的，以人为本的高效、舒适、健康的智能化照明。 2.2.2、满足个性化、层次化的照明 智能技术与灯光控制的结合使照明更进一步地满足不同个体、不同层次群体的照明需求，是使照明从满足一般人的需求到满足个体、个性需求的必不可少的技术手段。这也应该是智能灯的发展方向。 2.2.3、智能技术与新光源及新照明技术的结合，创造崭新的照明文化 智能技术和电子开关等新照明光源和照明技术的结合，将构筑崭新的照明技术平台，其应用领域从智能家居照明到智能化的城市照明，有无限广阔的前景，并且正在创造一种崭新的高技术和高科学思想含量的照明文化。智能化照明的出现是灯具市场的发展趋势。 2.3此款台灯的有关技术知识 本人设计的智能台灯涉及的主要内容有热释电红外传感器技术，PWM脉冲宽度调制技术，模—数转换技术，电子电路技术以及有关的编程知识。 2.3.1热释电红外传感器 它主要是由一种高热电系数的材料，如锆钛酸铅系陶瓷、钽酸锂、硫酸三甘钛等制成尺寸为2*1mm的探测元件。在每个探测器内装入一个或两个探测元件，并将两个探测元件以反极性串联，以抑制由于自身温度升高而产生的干扰。由探
多智能体系统及其协同控制研究进展 摘要：:对多智能体系统及其协同控制理论研究和应用方面的发展现状进行了简要概述.首先给出Agent及多Agent 系统的概念和特性等,介绍了研究多Agent系统协同控制时通常用到的代数图论;然后综述了近年来多Agent系统群集运动和协同控制一致性方面的研究状况,并讨论了其在军事、交通运输、智能机器人等方面的成功应用;最后,对多Agent系统未来的发展方向进行了探讨和分析,提出几个具有理论和实践意义的研究方向,以促使多Agent系统及其协同控制理论和应用的深入研究. 关键词：多Agent系统(MAS)；协同控制；代数图论；群集运动；一致性协议 Advances in Multi-Agent Systems and Cooperative Control Abstract: Progress in multi-Agent systems with cooperative controlwas reviewed in terms of theoretical research and its applications. Firs,t concepts and features used to define Agents and multi-Agents were analyzed. Then graph theory was introduced, since it is often used in research on cooperative control of multi-Agent systems. Then advances in swarming/flocking as well as the means used to derive a consensus among multi-Agents under cooperative control were summarized. The application of these abilitieswas discussed for the military, transportation systems,and robotics. Finally, future developments for multi-Agent systemswere considered and significant research problems proposed to help focus research on key questions formulti-Agent systemswith cooperative control. Key words:Multi-Agent system (MAS) ; Cooperative control; Graph theory; Swarming/ flocking; Consensus protocol 分布式人工智能是人工智能领域中一个重要的研究方向,而多Agent系统(multi-Agent systemMAS)则是其一个主要的分支. 20世纪90年代,随着计算机技术、网络技术、通信技术的飞速发展,Agent及MAS的相关研究已经成为控制领域的一个新兴的研究方向.由于Agent体现了人类的社会智能,具有很强的自治性和适应性,因此,越来越多的研究人员开始关注对其理论及应用方面的研究.目前,人们已经将MAS的相关技术应用到交通控制电子商务、多机器人系统、军事等诸多领域.而在MAS中,Agent之间如何在复杂环境中相互协调,共同完成任务则成为这些应用的重要前提.近年来,从控制的角度对MAS进行分析与研究已经成为国内外众多学术机构的关注热点,人们在MAS协同控制问题上做了大量的研究工作,特别是在MAS群集运动控制和协同控制一致性问题方面取得了很大的进展.目前对MAS的研究总体上来说还处于发展的初步阶段,离真正的实用化还有一定的距离;但其广泛的应用性预示着巨大的发展潜力,这必将吸引更多专家、学者投入到这一领域的研究工作中,对MAS的理论及应用做进一步探索.根据上述目的,本文主要概述了多智能体系统(MAS)在协同控制方面的研究现状及其新进展. 1Agent与MAS的相关概念 1.1Agent的概念 Agent一词最早可见于Minsky于1986年出版的《Social of Mind》一书中.国内文献中经常将Agent翻译为:智能体、主体、代理等,但最常见的仍是采用英文“Agent”；因为Agent的概念尚无统一标准,人们对于
多智能体技术 [摘要]当今，分布式人工智能研究的一个热点是多智能体系统，它是分布式问题求解的进一步发展。随着多智能体理论与技术的发展，其应用范围也在不断扩大着，但是由于其理论与应用研究刚起步不久，还有不少问题有待解决。本论文回顾了多智能体技术的发展历史，指出了多智能体理论及应用的研究方向，介绍了多智能体技术的基本概念和特点，多智能体系统的体系结构，多智能体中的协调与协作方法等内容。 [关键词]多智能体系统；多智能体结构；多目标优化；协调协作 Multi-agent technology [Abstract] Nowadays, one of the hot points in distributed artificial intelligence research is multi-agent system, which is the further development in distributed problem solving. With the development of multi-agent theory and technology, its application is being expanded.As the theory and application is just starting, there are many issues to be resolved.In this paper, the thesis reviews the development of EGCS, points out the research directions of multi-agent theory and application, and introduces the basic concepts and characteristics, Multi-agent system architecture，the coordination and collaboration on Multi-agent system. [Keywords] Multi-agent systems；Multi-agent architecture；Multi-objective optimization；Coordination and collaboration 1.前言 目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能 (DAI，Distributed Artificial Intelligence)与多智能体系统(MAS, Multi-Agent System)理论为解决这些挑战提供了一种最佳途径。智能体系统是分布式人工智能的一个重要分支，是20世纪末至21世纪初国际上人工智能的前沿学科。研究的目的在于解决大型、复杂的现实问题，而解决这类问题已超出了单个智能体的能力，将DAT、MAS充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(MARS，MultiAgent Robot System)。总的来说，多智能体系统领域正在蓬勃发展。 2.多智能体 2.1多智能体理论的发展历史 智能体—Agent的概念最早可以追溯到1977年的 Carl Hewitt的“Viewing Control Structure as Patterns of Passing Messages”一文。在此文中，Carl Hewitt 给出了一个称为“Actor”的对象，它具有自身的内在状态，又能与其他同类对象发送和反馈信息。而正式采用“Agent”一词可见于M. Minsky于1986年出版的“Society of Mind”一书，文中用“Agent”称呼一些具有特别技能的个体，它们存在于社会中，并通过竞争或协商求解矛盾[1]。 多智能体系统（简称 MAS）是由多个单Agent组成的集合，该系统可以协调一组Agent的行为（知识、目标、方法和规划），以协同完成一个任务或是求解问题，各个单
先进控制技术及其应用 随着工业生产过程控制系统日趋复杂化和大型化，以及对生产过程的产品质量、生产效率、安全性等的控制要求越来越严格，常规的PID控制已经很难解决这些具有多变量、强非线性、高耦合性、时变和大时滞等特性的复杂生产过程的控制问题[]。 自上世纪50年代逐渐发展起来的先进控制技术解决了常规PID控制效果不佳或无法控制的复杂工业过程的控制问题。它的设计思想是以多变量预估为核心，采用过程模型预测未来时刻的输出，用实际对象输出与模型预测输出的差值来修正过程模型，从而把若干个控制变量控制在期望的工控点上，使系统达到最佳运行状态。目前先进控制技术不但在理论上不断创新，在实际生产中也取得了令人瞩目的成就。下面就软测量技术、内模控制和预测控制做简要阐述。 1.软测量技术 在生产过程中，为了确保生产装置安全、高效的运行，需要对与系统的稳定及产品质量密切相关的重要过程变量进行实时控制。然而在许多生产过程中，出于技术或经济上的原因，存在着很多无法通过传感器测量的变量，如石油产品中的组分、聚合反应中分子量和熔融指数、化学反应器反应物浓度以及结晶过程中晶体粒直径等。 在实际生产过程中，为了对这类变了进行实施监控，通常运用两种方法： 1).质量指标控制方法：对与质量变量相关的其他可测的变量进行控制，以达到间接控制质量的目的，但是控制精度很难保证。 2).直接测量法：利用在线分析仪表直接测量所需要的参数并对其进行控制。缺点是在线仪表价格昂贵，维护成本高，测量延迟大，从而使得调节品质不理想。 软测量的提出正是为了解决上述矛盾。 软测量技术的理论根源是20世纪70年代Brosilow提出的推断控制，其基本思想是采集过程中比较容易测量的辅助变量(也称二次变量)，通过构造推断器来估计并克服扰动和测量噪声对主导过程主导变量的影响。因此，推断估计器的设计是设计整个控制系统的关键。 软测量器的设计主要包括以下几个方面： 1)机理分析和辅助变量的选择。 首先是明确软测量的任务，确定主导变量。在此基础上深入了解和熟悉软测量对象及有关装置的工艺流程，通过分析确定辅助变量。 2)数据采集和预处理 采集被估计变量和原始辅助变量的历史数据包含了工业对象的大量相关信息，因此数据采集越多越好。但是为了保证软测量精度和数据的正确性以及可靠性，采集的数据必须进行处理，包括显著误差检测和数据协调，及时剔除无效的数据。 3)软测量建模 软测量模型是建立是软测量技术的核心。软测量建模的方法多种多样，一般可分为：机理建模、回归分析、状态估计、模式识别、人工神经网络、模糊数学和现代非线性系统信息处理技术等。 此外还有混合模型，如图1所示的软测量模型就是结合了BP网络、RBF网络和部分最小二乘法建立的混合模型[5]。 4)软测量模型的在线校正 图1 软测量模型
文献综述 前言 从20世纪40年代起，特别是第二次世界大战以来，自动化随着工业发展和军事技术需要而得到了迅速的发展和广泛的应用。如今，自动控制技术不仅广泛应 用于工业控制中，在军事、农业、航空、航海、核能利用等领域也发挥着重要的 作用。例如，电厂中锅炉的温度或压力能够自动恒定的不变，机械加工中数控 机床按预定程序自动地切削工件，军事上导弹能准确地击中目标，空间技术中人 造卫星能按预定轨道运行并能准确地回收等，都是应用了自动控制技术的结果。 自动控制，是指在没有人直接参与的情况下，利用控制装置对机器设备或生产过程进行控制，使之达到预期的状态或性能要求。 双容水箱液位控制系统就是自动控制技术在液位控制方面的应用。其在化工，能源（电厂）等工业工程控制中得到了广泛应用。 过程控制的发展历程 随着过程控制技术应用范围的扩大和应用层次的深入，以及控制理论与技术的进步和自动化仪表技术的发展，过程控制技术经历了一个由简单到复杂，从低 级到高级并日趋完善的过程。 1过程控制装置的发展 1.1基地式控制阶段（初级阶段） 20世纪50年代，生产过程自动化主要是凭借生产实践经验，局限于一般的控制元件及机电式控制仪表，采用比较笨重的基地式仪表（如自力式温度 控制器、就地式液位控制器等），实现生产设备就地分散的局部自动控制。在设 备与设备之间或同一设备中的不同控制系统之间，没有或很少有联系，其功能往 往限于单回路控制。其过程控制的主要目的是几种热工参数（温度、压力、流量 及液位）的定值控制，以保证产品质量和产量的稳定。 1.2单元组合仪表自动化阶段 20世纪60年代出现了单元组合仪表组成的控制系统，单元组合仪表有电动和气动两大类。所谓单元组合，就是把自动控制系统仪表按功能分成若干 单元，依据实际控制系统结构的需要进行适当的组合。单元组合仪表之间用标准 统一的信号联系，气动仪表（QDZ系列）信号为0.02～0.1MPa气压信号，电动 仪表信号为0～10mA直流电流信号（DDZ-II系列）和4～20mA直流电流信号 （DDZ-III系列）因此单元组合仪表使用方便、灵活。由于电流信号便于远距离 传送，因而实现了集中监控和集中操纵的控制系统，对于提高设备效率和强化生 产过程有所促进，适应了工业生产设备日益大型化于连续化发展的需要。
作者:蒋仕龙吴宏吕恕龚小云（固高科技（深圳）有限公司深圳518057 ）摘要：运动控制技术的发展是制造自动化前进的旋律，是推动新的产业革命的关键技术。运动控制器已经从以单片机或微处理器作为核心的运动控制器和以专用芯片（ASIC）作为核心处理器的运动控制器，发展到了基于PC 总线的以DSP 和FPGA 作为核心处理器的开放式运动控制器。运动控制技术也由面向传统的数控加工行业专用运动控制技术而发展为具有开放结构、能结合具体应用要求而快速重组的先进运动控制技术。基于网络的开放式结构和嵌入式结构的通用运动控制器逐步成为自动化控制领域里的主导产品之一。高速、高精度始终是运动控制技术追求的目标。充分利用DSP 的计算能力，进行复杂的运动规划、高速实时多轴插补、误差补偿和更复杂的运动学、动力学计算，使得运动控制精度更高、速度更快、运动更加平稳；充分利用DSP 和FPGA 技术，使系统的结构更加开放，根据用户的应用要求进行客制化的重组，设计出个性化的运动控制器将成为市场应用的两大方向。关键词：运动控制技术，运动控制器，点位控制，连续轨迹控制，同步控制 1 通用运动控制技术的发展现状运动控制起源于早期的伺服控制(Servomechanism)。简单地说，运动控制就是对机械运动部件的位置、速度等进行实时的控制管理，使其按照预期的运动轨迹和规定的运动参数进行运动。早期的运动控制技术主要是伴随着数控（CNC）技术、机器人技术（Robotics）和工厂自动化技术的发展而发展的。早期的运动控制器实际上是可以独立运行的专用的控制器，往往无需另外的处理器和操作系统支持，可以独立完成运动控制功能、工艺技术要求的其他功能和人机交互功能。这类控制器可以成为独立运行（Stand-alone）的运动控制器。这类控制器主要针对专门的数控机械和其他自动化设备而设计，往往已根据应用行业的工艺要求设计了相关的功能，用户只需要按照其协议要求编写应用加工代码文件，利用RS232或者DNC 方式传输到控制器，控制器即可完成相关的动作。这类控制器往往不能离开其特定的工艺要求而跨行业应用，控制器的开放性仅仅依赖于控制器的加工代码协议，用户不能根据应用要求而重组自己的运动控制系统。通用运动控制器的发展成为市场的必然需求。由国家组织的开放式运动控制系统的研究始于1987 年，美国空军在美国政府资助下发表了著名的“NGC（下一代控制器）研究计划”，该计划首先提出了开放体系结构控制器的概念，这个计划的重要内容之一便是提出了“开放系统体系结构标准规格(OSACA)”。自1996年开始，美国几个大的科研机构对NGC 计划分别发表了相应的研究内容[3]，如在美国海军支持下，美国国际标准研究院提出了“EMC（增强型机床控制器）”；由美国通用、福特和克莱斯勒三大汽车公司提出和研制了“O MAC（开放式、模块化体系结构控制器）”，其目的是用更开放、更加模块化的控制结构使制造系统更加具有柔性、更加敏捷。该计划启动后不久便公布了一个名为“OMAC APT”的规范，并促成了一系列相关研究项目的运行。通用运动控制技术作为自动化技术的一个重要分支，在20 世纪90 年代，国际上发达国家，例如美国进入快速发展的阶段。由于有强劲市场需求的推动，通用运动控制技术发展迅速，应用广泛。近年来，随着通用运动控制技术的不断进步和完善，通用运动控制器作为一个独立的工业自动化控制类产品，已经被越来越多的产业领域接受，并且它已经达到一个引人瞩目的市场规模。根据ARC 近期的一份研究，世界通用运动控制（General MotionControl GMC）市场已超过40 亿美元，并且有望在未来5 年内综合增长率达到6.3％。目前，通用运动控制器从结构上主要分为如下三大类：⑴基于计算机标准总线的运动控制器，它是把具有开放体系结构，独立于计算机的运动控制器与计算机相结合构成。这种运动控制器大都采用DSP 或微机芯片作为CPU，可完成运动规划、高速实时插补、伺服滤波控制和伺服驱动、外部I/O 之间的标准化通用接口功能，它开放的函数库可供用户根据不同的需求，在DOS 或WINDOWS 等平台下自行开发应用软件，组成各种控制系统。如美国Deltatau 公司的PMAC 多轴运动控制器和固高科技（深圳）有限公司的GT 系列运动控制器产品等。目前这种运动控制器是市场上的主流产品。⑵Soft 型开放式运动控制器，它提供给用户最大的灵活性，它的运动控制软件全部装在计算机中，而硬件部分仅是计算机与伺服驱动和外部I/O 之间的标准化通用接口。就像计算机中可以安装各种品牌的声
人工智能的形成及其发展现状分析 冯海东 （长江大学管理学院荆州434023） 摘要：人工智能的历史并不久远，故将从人工智能的出现、形成、发展现 状及前景几个方面对其进行分析，总结其发展过程中所出现的问题，以及发展现状中的不足之处，分析其今后的发展方向。 关键词：人工智能，发展过程，现状分析，前景。 一．引言 人工智能最早是在1936年被英国的科学家图灵提出，并不为多数人所认知。 当时，他编写了一个下象棋的程序，这就是最早期的人工智能的应用。也有著名的“图灵测试”，这也是最初判断是否是人工智能的方案,因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个起伏跌宕的过程，直到目前为止，人工智能的应用技术也不是很成熟，而且存在相当的缺陷。 通过搜集的资料，将详细的介绍人工智能这个领域的具体情况，剖析其面临的挑战和未来的前景。 二．人工智能的发展历程 1. 1956年前的孕育期 (1) 从公元前伟大的哲学家亚里斯多德(Aristotle)到16世纪英国哲学家培根(F. Bacon)，他们提出的形式逻辑的三段论、归纳法以及“知识就是力量”的警句，都对人类思维过程的研究产生了重要影响。 （2）17世纪德国数学家莱布尼兹(G..Leibniz)提出了万能符号和推理计算思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。而19世纪的英国逻辑学家布尔（G. Boole）创立的布尔代数，实现了用符号语言描述人类思维活动的基本推理法则。 （3） 20世纪30年代迅速发展的数学逻辑和关于计算的新思想，使人们在计算机出现之前，就建立了计算与智能关系的概念。被誉为人工智能之父的英国天才的数学家图灵（A. Tur-ing）在1936年提出了一种理想计算机的数学模型，即图灵机之后,1946年就由美国数学家莫克利（J. Mauchly）和埃柯特（J. Echert）研制出了世界上第一台数字计算机，它为人工智能的研究奠定了不可缺少的物质基础。1950年图灵又发表了“计算机与智能”的论文，提出了著名的“图灵测试”，形象地指出什么是人工智能以及机器具有智能的标准，对人工智能的发展产生了极其深远的影响。 （4） 1934年美国神经生理学家麦克洛奇(W. McCulloch) 和匹兹(W. Pitts )建立了第一个神经网络模型，为以后的人工神经网络研究奠定了基础。 2. 1956年至1969年的诞生发育期 (1)1956年夏季，麻省理工学院（MIT)的麦卡锡（J．McCarthy）、明斯基（M. Minshy）、塞尔夫里奇（O. Selfridge)与索罗门夫(R. Solomonff)、 IBM的洛
多智能体系统一致性综述 一 引言 多智能体系统在20世纪80年代后期成为分布式人工智能研究中的主要研究对象。研究多智能体系统的主要目的就是期望功能相对简单的智能体系统之间进行分布式合作协调控制，最终完成复杂任务。多智能体系统由于其强健、可靠、高效、可扩展等特性，在科学计算、计算机网络、机器人、制造业、电力系统、交通控制、社会仿真、虚拟现实、计算机游戏、军事等方面广泛应用。多智能体的分布式协调合作能力是多智能体系统的基础，是发挥多智能体系统优势的关键，也是整个系统智能性的体现。 在多智能体分布式协调合作控制问题中，一致性问题作为智能体之间合作协调控制的基础，具有重要的现实意义和理论价值。所谓一致性是指随着时间的演化，一个多智能体系统中所有智能体的某一个状态趋于一致。一致性协议是智能体之间相互作用、传递信息的规则，它描述了每个智能体和其相邻的智能体的信息交互过程。当一组智能体要合作共同去完成一项任务，合作控制策略的有效性表现在多智能体必须能够应对各种不可预知的形式和突然变化的环境，必须对任务达成一致意见，这就要求智能体系统随着环境的变化能够达到一致。因此，智能体之间协调合作控制的一个首要条件是多智能体达到一致。 近年来，一致性问题的研究发展迅速，包括生物科学、物理科学、系统与控制科学、计算机科学等各个领域都对一致性问题从不同层面进行了深入分析，研究进展主要集中在群体集、蜂涌、聚集、传感器网络估计等问题。 目前，许多学科的研究人员都开展了多智能体系统的一致性问题的研究，比如多智能体分布式一致性协议、多智能体协作、蜂涌问题、聚集问题等等。下面，主要对现有文献中多智能体一致性协议进行了总结，并对相关应用进行简单的介绍。 1.1 图论基础 多智能体系统是指由多个具有独立自主能力的智能体通过一定的信息传递方式相互作用形成的系统；如果把系统中的每一个智能体看成是一个节点，任意两个节点传递的智能体之间用有向边来连接的话，智能体的拓扑结构就可以用相应的有向图来表示。 用)(A E,V,G =来表示一个有向加权图，其中}{n 21v ,,v ,v V =代表图的n 个顶
先进控制技术及应用 1．前言 工业生产的过程是复杂的，建立起来的模型也是不完善的。即使是理论非常复杂的现代控制理论，其效果也往往不尽人意，甚至在一些方面还不及传统的PID控制。20世纪70年代，人们除了加强对生产过程的建模、系统辨识、自适应控制等方面的研究外，开始打破传统的控制思想，试图面向工业开发出一种对各种模型要求低、在线计算方便、控制综合效果好的新型算法。在这样的背景下，预测控制的一种，也就是动态矩阵控制（DMC）首先在法国的工业控制中得到应用。因此预测控制不是某种统一理论的产物，而是在工业实践中逐渐发展起来的。预测控制中比较常见的三种算法是模型算法控制（MAC），动态矩阵控制（DMC）以及广义预测控制。本篇分别采用动态矩阵控制（DMC）、模型算法控制（MAC）进行仿真，算法稳定在消除稳态余差方面非常有效。 2、控制系统设计方案 2.1 动态矩阵控制（DMC）方案设计图 动态矩阵控制是基于系统阶跃响应模型的算法，隶属于预测控制的范畴。它的原理结构图如下图2-1所示： 图2-1 动态矩阵控制原理结构图 2.2 模型算法控制（MAC）方案设计图 模型算法控制（MAC）由称模型预测启发控制（MPHC），与MAC相同也适用于渐进
稳定的线性对象，但其设计前提不是对象的阶跃响应而是其脉冲响应。它的原理结构图如下图2-2所示： 图2-2 模型算法控制原理结构图 3、模型建立 3.1被控对象模型及其稳定性分析 被控对象模型为 （1） 化成s 域，g （s ）=0.2713/（s+0.9），很显然，这个系统是渐进稳定的系统。因此该对象 适用于DMC 算法和MAC 算法。 3.2 MAC 算法仿真 3.2.1 预测模型 该被控对象是一个渐近稳定的对象，预测模型表示为： )()1()(?)(?1j k j k u z g j k y m ++-+=+-ε， j=1, 2, 3,……,P . （2） 这一模型可用来预测对象在未来时刻的输出值，其中y 的下标m 表示模型，也称为内 部模型。（2）式也可写成矩阵形式为： )1()()1(?-+=+k FU k GU k Y m 4 1 11 8351.012713.0)(-----=z z z z G
文献综述 智能建筑起源于20世纪80年代初的美国，经过短短几十年的迅猛发展，已在世界各地逐步广泛普及开来。近几年来，随着计算机的普及和信息产业的发展，人们对居住环境要求的不断提高，“智能化”的概念也逐渐被引入了现代化住宅小区建设当中，智能小区已成为现代建筑行业中，继单一型智能建筑之后的又一热点，得到业内人士的广泛关注，并进入快速发展阶段。目前，智能小区不仅成为房地产开发商的投资的重点，而且也是人们购房的新热点。智能化住宅将成为21世纪的概念住宅。 据我国建设部住宅产业化办公室提出的智能化住宅小区新概念，即：在现代化的城乡住宅小区内综合采用微型计算机、自动控制、通信与网络等技术，建立一个由住宅小区综合物业管理中心与安防系统，信息通信服务与管理及家庭智能化系统组成的“三合一”住宅小区服务与管理集成系统，使小区与每个家庭达到安全、舒适、温馨和便利的环境。 理想的智能化家居可以使人们足不出户就可以进行网络漫游、电子购物、网上医疗、参观虚拟博物馆和图书馆、点播自己喜爱的影视节目，甚至在数千里之外通过因特网遥控家里的电器的开关和调节器，从而调整房间照明亮度、控制环境的温度和湿度等。当家庭中发生安全警报时(盗警、火警、煤气泄漏以及疾病紧急呼救等)，在外的家庭成员可以接到报警信息，并可通过电话或网络查询确认家庭中的安全状况。智能化工程各系统要体现当今时代潮流，设计合理，具有既可单独操作控制，又能整体管理的功能，安装维护方便，安全可靠。智能化工程的核心在于其强大的一体化智能网络系统，它是智能住宅的灵魂和中枢。具体而言，既通过小区物业管理中心控制室实现对整个小区的功能控制和物业信息管理，把各相互独立的弱电子系统构件整合一个完美的整体，协同工作，并可视具体要求和将来发展任意拆装各弱电子系统。 对小区智能化系统，基本要求是：小区智能化系统的建设要达到建设部提出
2016年教育部自然科学奖推荐项目公示材料 1、项目名称：多智能体系统分布式协同控制 2、推荐奖种：自然科学奖 3、推荐单位:东南大学 4、项目简介: 多智能体系统是20世纪末至21世纪初分布式人工智能领域的国际前沿研究课题，其核心支撑理论是人工智能、分布式控制和分布式计算。进入21世纪，人们在解决大型、复杂的工程问题时，发现单个智能体的能力已经无法胜任，需要多个智能体在网络环境下以信息通讯的方式组成多智能体系统协同地解决工程问题。典型的多智能体系统包括多机器人系统，多无人机系统，智能电网和分布式卫星系统等。本项目系统深入研究了多智能体系统协同控制的共性问题、网络结构控制、通讯受限等关键科学问题，取得的重要科学发现如下： (1)通过引入一致性区域的概念，把二阶和高阶系统一致性问题转化为研究一致性区域的稳定性范围，给出了具有固定网络拓扑的多智能体线性系统二阶和高阶一致性的充分必要条件，解决了长期困惑研究者的多智能体系统协同控制器设计的本质问题；提出有向网络的广义代数连通度作为有向网络收敛判别的基本依据，推广了无向网络的代数连通度。 (2)给出了牵制控制无向网络实现同步的一般条件；克服非对称网络拓扑结构的本质困难，解决了有向网络同步牵制控制的挑战问题；采用图分解引入匹配割点和割集，完善了矩阵分解的谱理论，解决网络牵制控制一个结点的最优控制的关键难题。 (3)利用非奇异M矩阵理论和切换系统稳定性分析方法，突破了通过求解闭环系统的解曲线，然后再进行稳定分析的技术性瓶颈，发现了具有间歇信息通讯的二阶多智能体系统一致性的实现与降阶后的低维切换系统全局稳定性的内在本质联系，解决了切换有向拓扑下多智能体系统的协同一致性的难题。 项目组近年来在IEEE、Automatica、SIAM等本领域著名期刊上发表多智能体系统协同控制SCI论文110篇。10篇代表性论文SCI他引1159次，WOS 他引1433次，Google Scholar他引2165次，全部为ESI工程领域前1%高被引论文，9篇论文Google Scholar他引超过100次，6篇论文发表至今在所在期刊的SCI引用排名居于前2位，被38位院士和IEEE Fellow在Nature、Nature Physics、IEEE汇刊等正面评价，相关成果获亚洲控制会议最佳论文奖、IEEE 电路与系统协会神经系统与应用技术委员会最佳理论论文奖、全国复杂网络学术会议最佳学生论文奖、IEEE国际电路与系统会议最佳学生论文奖提名等。
过程控制系统及工程综述报告 摘要：本文主要介绍了过程控制的发展史，回顾了计算机过程控制的发展状况以及未来的发展趋势，并且对过程控制和现代控制理论做了详细的论述 关键词: 过程控制、控制理论、控制工程、鲁棒控制等 1.过程控制的发展史 1.1 前沿 过程控制是工业自动化的重要分支。几十年来，工业过程控制取得了惊人的发展，无论是在大规模的结构复杂的工业生产过程中，还是在传统工业过程改造中，过程控制技术对于提高产品质量以及节省能源等均起着十分重要的作用。 1.2 发展过程 在现代工业控制中, 过程控制技术是一历史较为久远的分支。在本世纪30 年代就已有应用。过程控制技术发展至今天, 在控制方式上经历了从人工控制到自动控制两个发展时期。在自动控制时期内，过程控制系统又经历了三个发展阶段, 它们是：分散控制阶段, 集中控制阶段和集散控制阶段。 从过程控制采用的理论与技术手段来看，可以粗略地把它划为三个阶段：开始到70 年代为第一阶段，70 年代至90 年代初为第二阶段，90 年代初为第三阶段开始。其中70 年代既是古典控制应用发展的鼎盛时期，又是现代控制应用发展的初期，90 年代初既是现代控制应用发展的繁荣时期，又是高级控制发展的初期。第一阶段是初级阶段，包括人工控制，以古典控制理论为主要基础，采用常规气动、液动和电动仪表，对生产过程中的温度、流量、压力和液位进行控制，在诸多控制系统中，以单回路结构、PID 策略为主，同时针对不同的对象与要求，创造了一些专门的控制系统，如：使物料按比例配制的比值控制，克服大滞后的Smith 预估器，克服干扰的前馈控制和串级控制等等，这阶段的主要任务是稳定系统，实现定值控制。这与当时生产水平是相适应的。 第二阶段是发展阶段，以现代控制理论为主要基础，以微型计算机和高档仪表为工具，对较复杂的工业过程进行控制。这阶段的建模理论、在线辨识和实时控制已突破前期的形式，继而涌现了大量的先进控制系统和高级控制策略，如克服对象特性时变和环境干扰等不确定影响的自适应控制，消除因模型失配而产生不良影响的预测控制等。这阶段的主要任务是克服干扰和模型变化，满足复杂的工艺要求，提高控制质量。1975 年，世界上第一台分散控制系统在美国Honeywell 公司问世，从而揭开了过程控制崭新的一页。分散控制系统也叫集散控制系统，它综合了计算机技术、控制技术、通信技术和显示技术，采用多层分级的结构形式,按总体分散、管理集中的原则，完成对工业过程的操作、监视、控制。由于采用了分散的结构和冗余等技术，使系统的可靠性极高，再加上硬件方面的开放式框架和软件方面的模块化形式，使得它组态、扩展极为方便，还有众多的控制算法(几十至上百种) 、较好的人—机界面和故障检测报告功能。经过20 多年的发展，它已日臻完善，在众多的控制系统中，显示出出类拔萃的风范，因此，可以毫不夸张地说，分散控制系统是过程控制发展史上的一个里程碑。第三阶段是高级阶段，目前正在来到。 1.3 过程控制策略与算法进度 几十年来，过程控制策略与算法出现了三种类型：简单控制、复杂控制与先进控制。 通常将单回路PID控制称为简单控制。它一直是过程控制的主要手段。PID控制以经典控制理论为基础，主要用频域方法对控制系统进行分析与综合。目前，PID控制仍然得到
汽车智能防撞系统的研究 摘要：本文综述世界智能车辆技术在自动防撞方面的应用现状，结合我国高速公路、驾驶习惯及现有传感器的技术状况，分析探究适合中国高速公路及现实国情的汽车智能防撞装置。根据所要实现的基本功能，对比当前采用的四种常用测距方法，最终选用红外激光测距原理，建立了系统方案。汽车红外激光智能防撞装置是一种主动式防撞系统，它能使反应时间、距离、速度三个方面都能得到良好的优化控制，可以有效地避免汽车追尾碰撞事故的发生，该系统在汽车领域的应用与其所能带来的经济效益和社会效益将会是相当可观的。 关键词：智能防撞激光测距雷达测距单片机语音报警 1 前言 1.1课题研究的价值和意义 随着我国改革开放的不断深入和社会主义经济的不断发展，人们的物质生活日益提高，汽车己经进入千家万户，公路交通呈现出行驶高速化、车流密集化和驾驶员非职业化的趋势;与此同时，也带来了一个不可避免的问题:交通事故逐年上升。 2004年，全国公安机关交通管理部门共受理道路交通事故51.8万起，造成107077人死亡，比2003年增加2705人，上升2.6%;直接财产损失23.9亿元。在各类事故形态中，机动车碰撞事故占绝大多数。2004年，全国共发生机动车碰撞事故400389起，造成77081人死亡、375620人受伤，分别占总数的77.3%、72%和78.1%。其中，正面相撞事故123577起，造成31715人死亡、128447人受伤，分别占总数的23.9%、29.6%和26.7%;侧面相撞事故196798起，造成29900人死亡、186683人受伤，分别占总数的38%、27.9%和38.8%;追尾相撞事故80014起，造成15466人死亡、60490人受伤，分别占总数的15.5%、14.4%和12.6%。从以上数据，足以说明公路交通安全已是我国面临的重大问题。 我国的高速公路起步随晚，但发展较快。据统计，高速公路每百公里事故率为普通公路的4倍多。高速公路的事故类型，大多数为车辆的追尾碰撞事故，这是由高速公路的特点所决定的。高速公路具有汽车专用、分割行驶、控制出入、全部立交、限制车速以及高标准、设施完备等特点。高速公路由于排除了行人、非机动车的干扰，从而保证车辆可以高速行驶，而具有路面宽阔、标示醒目、标线分明、全线封闭等特点。保证了高速公路具有行车速度快、交通流量大的优点。我国，一般公路平均时速为40~50Km/h，而高速公路平均时速可达80Km/h以上。高速公路车辆速度快、干扰小的特点也促使其发生的事故性质比较严重，一旦发生事故，多数是恶性的交通事故。分析高速公路交通事故的类型和原因，发现超速行驶、恶劣天气时很容易发生制动测滑、甩尾或行车视距不足而导致的追尾碰撞事故。死亡事故中65%以上是追尾相撞造成的。由此可见，如何提高汽车行驶安全性，减少交通事故及其损失，己经刻不容缓的摆在研究人员的面前。 据有关部门对交通事故的统计分析，发现在司机—汽车—环境三要素中，司机是可靠性最差的一个环节，80%以上的事故是由于司机反映不及时或判断失误引起。计算表明，司机反映迟缓1秒，速度为80Km/h的汽车要前进约22.2米，由此可能产生不堪设想的后果。若在夜间或雨、雪、雾等恶劣天气条件下，汽车在中、高速行驶时，很难及时发现前方障碍物并采取必要应急措施。统计表明，在发生撞车的事故中，45%是司机没有看清楚前面车辆所处的位置，30%是发现前方车辆但为时己晚，特别在汽车高速行驶的情况下，前方目标正确识别与否至关重要。根据汽车驾驶自动化和智能化的发展趋势，汽车防撞系统的研制有着重要的意义。 1.2研究的现状
多智能体系统的协调控制相关内容 摘要 近年来，多智能体系统的协调控制在多机器人合作控制"交通车辆控制"无人飞机编队和网络的资源分配等领域有着广泛的应用，成为当前控制学科的一个热点问题’首先介绍了 多智能体系统的研究背景和智能体的概念; 然后从多智能体系统协调控制包含的几个问题 入手，即群集问题、编队控制问题、一致性问题和网络优化问题等，对其国内外的发展现状进行了总结和分析; 最后，给出了多智能体系统有待解决的一些问题，以促进对多智能体系统协调控制理论与应用的进一步研究。 关键词 多智能体系统; 一致性; 队形控制;群集/蜂拥 0 引言 在落叶飘飞的秋天，人们经常看见大雁排着整齐的人字型队伍迁徙到南方; 在阴暗潮湿的环境下，细菌部落聚集而生; 夏天池塘的青蛙同时发出哇哇的叫声; 夏日的一群萤火虫同时发出一闪一亮的光线; 自然界中成群的蜜蜂，事先没有商量建筑蜂巢的蓝图，但是它们各自搬运泥土，筑成了坚固的蜂巢; 在海洋中某些鱼类，具有规则队形聚集在一起运动，当发现新的食物来源或者受到外部攻击时，原来规则的队形被打乱了，但是在没有外界力量的介入下，一段时间之后，这群鱼类又建立了规则的队形聚集在一起运动。自然界中的这些自组织现象在没有集中中央控制的条件下，是什么样的工作机制，使得内部个体相互感知和交换信息，从而外部表现出规则而有序的智能行为运动? 并且这种智能行为是单个个体所 不能达到的，因而这些现象引起了生物学家的兴趣，生物学家试图了解这些自然界生物系统内部的工作机制，期望把这些理论应用到实际的系统中，为一些新出现的系统，例如交通车辆系统"机器人编队系统"无人飞机或者水下航行器系统等复杂智能系统提供理论指导，生物学家最初使用模拟仿真实验的方法，不能在理论上真正揭示这些生物界自组织现象的本质。 在计算机和工程领域，随着它们的发展，早期的集中式和分布式计算系统不能处理越来越复杂和规模越来越大的实际问题。20世纪 70 年代以后，分布式 人工智能方法出现，能够解决当时的问题，得到了迅速的发展，但是这种分布式人工智能有其缺点，就是低层子系统个体之间的相互作用方式是被高层系统根据任务预先设定好的，采用“自上而下”的分析方法，因此缺乏灵活性，很难为实际中的复杂大系统建模。为了克服上述的缺点，美国麻省理工学院的Minsky最早提出了智能体( agent) 的概念，同时把生物界个体社会行为的概念引入到计算机学科领域。这时，生物学和计算机科学领域发生了交叉。所谓的智能体可以是相应的软件程序，也可以是实物例如人、车辆、机器人、人造卫星等。 近些年来，由于生物学、计算机科学、人工智能、控制科学、社会学等多个学科交叉和渗透发展，多智能体系统越来越受到众多学者的广泛关注，已成为当前控制学科的热点问题。对多智能体系统的研究成果日益增多。
《先进控制技术》结课作业 课程名称：先进控制技术 班级：1710 学号： 学生姓名： 2017年12月19日
模糊控制技术的发展综述 一、引言 在实际的工业控制过程中，很多系统具有高度的非线性、多变量耦合性、不确定性、信息不完全性和大滞后等特性。对于这种系统很难获得精确的数学模型，并且常规的控制无法获得满意的控制效果。面对这些复杂的工业控制产生了新的控制策略，即先进控制技术。先进控制技术包括：自适应控制，预测控制，推理控制，鲁棒控制以及包括模糊控制与神经网络在内的智能控制方法。 本文主要介绍了模糊控制技术的发展历程、原理及应用前景，简单介绍了模糊控制基本原理并运用MATLAB对设计一个简单的模糊PID控制器，比较了模糊PID控制器与传统PID控制器控制效果。 二、模糊控制的发展 自从美国加利福尼亚大学控制论专家L.A.Zadeh教授在1965年提出的《Fuzzy Set》开创了模糊数学的历史，吸引了众多的学者对其进行研究，使其理论和方法日益完善，并且广泛的应用于自然科学和社会科学的各个领域，尤其是第五代计算机的研制和知识工程开发等领域占有特殊重要的地位。把模糊逻辑应用于控制领域则始于1973年。1974年英国的E.H.Mamdani成功地将模糊控制应用于锅炉和蒸汽机的控制。此后20年来，模糊控制不断发展并在许多领域中得到成功应用。由于模糊逻辑本身提供了由专家构造语言信息并将其转化为控制策略的一种体系理论方法，因而能够解决许多复杂而无法建立精确数学模型系统的控制问题，所以它是处理推理系统和控制系统中不精确和不确定性的一种有效方法。从广义上讲，模糊控制是基于模糊推理，模仿人的思维方式，对难以建立精确数学模型的对象实施的一种控制策略。它是模糊数学同控制理论相结合的产物，同时也是只能控制的重要组成部分。模糊控制的突出特点在于： 1) 控制系统的设计不要求知道被控对象的精确数学模型，只需要提供现场操作人员的经验知识及操作数据。