下载文档原格式
最优控制与智能控制基础文献总结报告基于模糊控制算法的温度控制系统的设计学生姓名：班级学号：*******任课教师：***提交日期：2016.06.22成绩：（一）、研究背景1965年,美国著名控制论学者L.A.Zadeh发表了开创性论文,《FUZZY SETS》首次提出了一种完全不同于传统数学与控制理论的模糊集合理论。
在短短的30年里,以模糊集理论为基础发展而来的模糊控制策略已经成功为将人的控制经验纳入自动控制策略之中。
在现今的模糊控制领域中，经典模糊控制理论已经在很多方面取得了一大批有实际意义的成果（如90年代日本家电模糊控制产品和工业模糊控制系统）。
此外经典模糊控制也得到了相应的改善，如模糊集成系统、模糊自适应系统、神经模糊控制等。
现代自动控制越来越朝着智能化发展，在很多自动控制系统中都用到了工控机，小型机、甚至是巨型机处理机等，当然这些处理机有一个很大的特点，那就是很高的运行速度，很大的内存，大量的数据存储器。
但随之而来的是巨额的成本。
在很多的小型系统中，处理机的成本占系统成本的比例高达20%，而对于这些小型的系统来说，配置一个如此高速的处理机没有任何必要，因为这些小系统追求经济效益，而不是最在乎系统的快速性，所以用成本低廉的单片机控制小型的，而又不是很复杂，不需要大量复杂运算的系统中是非常适合的。
温度控制，在工业自动化控制中占有非常重要的地位，如在钢铁冶炼过程中要对出炉的钢铁进行热处理，才能达到性能指标，塑料的定型过程中也要保持一定的温度［2］。
随着科学技术的迅猛发展，各个领域对自动控制系统控制精度、响应速度、系统稳定性与自适应能力的要求越来越高，被控对象或过程的非线性、时变性、多参数点的强烈耦合、较大的随机扰动、各种不确定性以及现场测试手段不完善等，使难以按数学方法建立被控对象的精确模型的情况[3]。
对于这些系统来说采用传统的方法包括基于现代控制理论的方法往往不如一个有实践经验的操作人员的手动控制效果好，而模糊控制理论正是以人的经验为重要组成部分。
智能控制校本研修课题总结课题团队对当前的智能控制技术进行了全面的调研，包括但不限于人工智能、物联网、大数据分析等前沿科技。
通过对比分析，我们发现这些技术在校本教学中具有巨大的潜力和应用价值。
例如，人工智能可以为学生提供定制化的学习路径，物联网技术可以实现教学环境的智能化管理，而大数据分析则能够帮助教师更好地理解学生的学习情况。
课题团队设计了一系列智能控制的教学模型，并在部分班级中进行了试点。
这些模型包括智能课堂管理系统、智能学习辅导系统以及智能评估系统等。
在实施过程中，我们注重学生的反馈和参与度，不断调整和完善模型的设计，以确保其实用性和有效性。
智能课堂管理系统通过对学生上课行为的实时监控和分析，帮助教师及时了解学生的专注度和学习状态，从而调整教学策略。
智能学习辅导系统则利用人工智能算法，根据学生的学习进度和能力，提供个性化的学习资源和建议。
智能评估系统则能够自动收集学生的学习数据，进行深入分析，为教师提供更加科学的评价依据。
在实践过程中，我们也遇到了一些挑战。
例如，技术的集成与优化需要时间和精力，教师和学生对于新技术的接受和适应也需要一个过程。
智能控制系统的隐私保护和数据安全也是我们必须重视的问题。
为了解决这些问题，我们采取了一系列措施。
我们加强了与技术供应商的合作，不断优化系统的用户体验和性能。
同时，我们组织了多场教师培训和学生研讨会，以提高他们对智能控制技术的认识和操作能力。
在隐私保护方面，我们制定了严格的数据管理规范，确保学生信息的安全。
经过一段时间的努力，智能控制校本研修课题取得了显著的成效。
学生的学习积极性和自主性得到了提升，教师的教学方法也更加多样化和高效。
更重要的是，智能控制技术的引入，为学校的教育教学带来了新的活力和创新空间。
智能控制校本研修课题的实施，不仅提高了教学质量，也为学校未来的发展奠定了坚实的基础。
我们相信，随着技术的不断进步和教育理念的更新，智能控制技术将在教育领域发挥更加重要的作用，为培养新时代的创新人才提供有力支持。
智能控制实践总结智能控制（Intelligent Control）是指在自动控制系统中引入人工智能技术，通过模糊逻辑、神经网络、遗传算法等方法，使系统具备类似人的智能行为和决策能力。
智能控制技术在工业、农业、交通、医疗等领域具有广泛的应用前景。
在这次智能控制实践中，我深入学习了相关理论知识并进行了实际操作，现将我的实践总结如下。
一、实践背景智能控制实践是本学期智能控制课程的一项重要内容，旨在帮助学生将所学知识应用于实际情境中，提升学生的实践能力。
通过此次实践，我们将了解智能控制技术的实际应用，并锻炼自己的问题解决能力和团队合作精神。
二、实践目标1. 理解智能控制的基本原理和方法；2. 学会使用相关软件和硬件平台进行智能控制设计与仿真；3. 通过实践项目，培养实际问题解决能力和团队协作精神；4. 总结实践过程中的经验和教训，不断提升自身能力。
三、实践内容1. 理论学习在实践前，我们充分学习了智能控制的基本原理和方法，包括模糊逻辑、神经网络、遗传算法等方面的知识。
通过课堂讲授和自主学习，我们对智能控制的理论基础有了充分的了解，为实践项目的顺利进行奠定了基础。
2. 实际操作在智能控制实践过程中，我们选择了一个具体的应用场景，即智能家居系统的设计与实现。
我们利用软硬件平台，使用模糊控制方法来实现对家居设备的自动调节与优化。
我们根据场景的需求，设计了合适的控制算法，并利用相关软件进行系统建模和仿真。
3. 团队协作为了完成实践项目，我们组建了一个团队，分工合作，共同解决问题。
在实践过程中，我们积极沟通、互相学习，共同解决实际问题。
通过团队协作，我们不仅提高了问题解决能力，还培养了良好的团队合作精神。
四、实践成果通过实践项目，我们取得了一系列的成果。
首先，我们成功地设计和实现了一个智能家居系统，并通过实际测试验证了其性能和效果。
其次，我们在实践过程中积累了丰富的经验，熟悉了相关软硬件平台的使用，并掌握了智能控制方法的具体应用步骤。
最优控制结课心得体会5篇范文第一篇：最优控制结课心得体会最优控制结课心得体会最优控制理论的形成和发展和整个现代自动控制理论的形成和发展十分不开的。
在20世纪50年代初期，就有人开始发表从工程观点研究最短时间控制问题的文章，尽管其最优性的证明多半借助于几何图形，仅带有启发性质，但毕竟为发展现代控制理论提供了第一批实际模型。
由于最优控制问题引人注目的严格表述形式，特别是空间技术的迫切需求，从而吸引了大批科学家的密切注意。
非常荣幸今年能够在刘老师班中学习最优控制这门课程，在这门课上，我们了解了最优控制是系统设计的一种方法，研究的中心问题是如何选择控制信号（控制策略），才能保证控制系统的性能在某种意义下最优。
而最优控制是现代控制理论的核心，它研究的主要问题是：在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值。
使控制系统的性能指标实现最优化的基本条件和综合方法，可概括为：对一个受控的动力学系统或运动过程，从一类允许的控制方案中找出一个最优的控制方案，使系统的运动在由某个初始状态转移到指定的目标状态的同时，其性能指标值为最优。
这类问题广泛存在于技术领域或社会问题中。
例如，确定一个最优控制方式使空间飞行器由一个轨道转换到另一轨道过程中燃料消耗最少。
最优控制理论是50年代中期在空间技术的推动下开始形成和发展起来的。
美国学者R.贝尔曼1957年提出的动态规划和前苏联学者L.S.庞特里亚金1958年提出的极大值原理，两者的创立仅相差一年左右。
对最优控制理论的形成和发展起了重要的作用。
线性系统在二次型性能指标下的最优控制问题则是R.E.卡尔曼在60年代初提出和解决的。
从数学上看，确定最优控制问题可以表述为：在运动方程和允许控制范围的约束下，对以控制函数和运动状态为变量的性能指标函数（称为泛函）求取极值（极大值或极小值）。
解决最优控制问题的主要方法有古典变分法（对泛函求极值的一种数学方法）、极小值原理和动态规划。
一、实习背景随着科技的飞速发展，智能控制技术逐渐成为各个行业的关键技术之一。
为了更好地将理论知识与实践相结合，提升自身技能，我选择了智能控制实习岗位。
本次实习历时一个月，主要在一家专注于智能控制技术研发的企业进行。
二、实习目的1. 了解智能控制技术的基本原理和发展趋势；2. 掌握智能控制系统的设计、调试和优化方法；3. 提高实际操作能力和团队协作能力；4. 为今后的学习和工作打下坚实基础。
三、实习内容1. 智能控制基础知识学习在实习初期，我系统学习了智能控制的基本概念、原理和发展趋势。
通过阅读相关书籍、资料，我对智能控制有了初步的认识。
2. 智能控制系统设计在实习过程中，我参与了多个智能控制系统的设计项目。
在导师的指导下，我学会了如何根据实际需求选择合适的控制算法、传感器和执行器，并完成系统硬件和软件的设计。
3. 系统调试与优化在完成系统设计后，我负责对系统进行调试和优化。
通过实际操作，我掌握了调试工具的使用方法，学会了如何根据实际情况调整参数，提高系统的性能。
4. 团队协作与沟通在实习过程中，我与团队成员紧密合作，共同完成了多个项目。
我学会了如何与不同背景的人进行有效沟通，提高了团队协作能力。
四、实习收获1. 理论与实践相结合通过本次实习，我将所学的智能控制理论知识与实际项目相结合，加深了对智能控制技术的理解。
2. 技能提升在实习过程中，我学会了智能控制系统的设计、调试和优化方法，提高了自己的实际操作能力。
3. 团队协作与沟通能力通过团队协作，我学会了如何与不同背景的人进行有效沟通，提高了自己的团队协作能力。
4. 工作经验积累本次实习让我了解了企业的工作环境和工作流程，为今后的就业打下了坚实基础。
五、实习总结1. 优点（1）实习内容丰富，理论与实践相结合；（2）导师悉心指导，使我受益匪浅；（3）团队协作氛围良好，共同进步。
2. 缺点（1）部分理论知识掌握不够扎实，需要进一步学习；（2）在实际操作中，遇到问题时解决能力有待提高。
第1篇作为一名大学生，我有幸参加了智能控制课程的学习。
这门课程让我对自动化技术有了更深入的了解，也让我明白了智能控制在实际应用中的重要性。
在此，我想分享一下我在学习这门课程过程中的心得体会。
一、智能控制概述智能控制是自动化技术的一个重要分支，它主要研究如何利用计算机技术、人工智能技术等手段，实现对工业生产、交通运输、军事等领域中各种复杂系统的自动控制。
智能控制具有以下特点：1. 非线性：智能控制系统通常具有复杂的非线性特性，难以用传统的数学模型描述。
2. 不确定性：智能控制系统在运行过程中，受到各种随机因素的影响，具有不确定性。
3. 自适应：智能控制系统可以根据环境变化和系统状态，自动调整控制策略，以实现最优控制。
4. 智能化：智能控制系统具有学习、推理、决策等智能特性，能够模拟人类智能行为。
二、课程学习心得1. 理论与实践相结合智能控制课程既注重理论知识的学习，又强调实践操作能力的培养。
在学习过程中，我深刻体会到了理论与实践相结合的重要性。
通过理论知识的讲解，我了解了智能控制的基本原理和方法；而通过实验操作，我掌握了智能控制系统的设计、调试和优化方法。
这种理论与实践相结合的学习方式，使我能够更好地将所学知识应用于实际工作中。
2. 学会运用多种工具和方法智能控制课程涉及众多工具和方法，如MATLAB、Simulink、Python等编程语言，以及PID控制、模糊控制、神经网络等控制策略。
在学习过程中，我学会了如何运用这些工具和方法解决实际问题。
例如，在实验课上，我利用MATLAB编写程序，对PID控制器进行参数整定，实现了对系统的稳定控制。
3. 提高问题分析和解决能力智能控制课程涉及许多复杂的问题，如系统建模、控制器设计、性能分析等。
在学习过程中，我逐渐提高了自己的问题分析和解决能力。
面对复杂问题时，我学会了如何从多个角度进行分析，找出问题的根源，并提出有效的解决方案。
4. 拓宽知识面智能控制课程不仅涵盖了自动化技术的基本知识，还涉及了计算机科学、数学、物理等多个领域的知识。
智能控制期末总结论文1.引言智能控制作为现代控制理论的前沿领域，以其高效、智能、自适应的特点，在自动化控制系统中得到了广泛应用。
本文对于智能控制在期末考试中的学习及应用过程进行总结，分析了所学习的内容及实际应用中遇到的问题，并提出了对未来智能控制研究的建议。
2.学习成果总结在本学期的智能控制课程中，我学到了许多基本概念、方法和技能，如模糊控制、神经网络、遗传算法等。
通过理论学习和实践操作，我深入了解了智能控制的原理和基本方法，并掌握了如何将其应用于实际系统中。
在期末考试中，我充分运用所学知识解决了一系列智能控制问题，验证了所学内容的实用性和有效性。
3.实际应用总结在实际应用中，我发现智能控制技术在许多领域有着广泛的应用前景。
例如，在工业生产中，我可以使用模糊控制技术对温度、压力、流量等参数进行控制，以提高产线的稳定性和运行效率。
在交通管理中，我可以使用神经网络来处理交通流数据，预测交通拥堵情况，并做出相应的调控措施。
这些实际应用不仅提高了智能控制技术的应用水平，也对我个人的学习和实践能力提出了更高的要求。
4.遇到的问题及解决方法在学习和应用智能控制的过程中，我也遇到了一些问题。
首先，对于一些复杂的数学理论和算法，我往往难以理解其具体应用方式。
为了解决这个问题，我充分利用课堂和教材上的案例和实例进行实际操作和演练，通过实践加深理解。
其次，在实际应用中，我发现系统参数的确定往往是一个关键问题。
为了解决这个问题，我通过理论分析和实际实验相结合的方式，对系统进行建模和参数辨识，以便更好地进行控制。
5.未来研究建议基于对智能控制的学习和实践经验，我对未来的智能控制研究提出以下建议。
首先，需要进一步深化对基本理论和算法的学习，扩大应用领域和深化应用方法。
其次，需要加强理论与实际的结合，加大对实际系统的建模和控制实验的研究力度。
此外，需要加强团队合作，开展多学科交叉研究，以进一步提升智能控制技术的水平和效果。
智能控制实践报告总结在智能控制实践中，我所参与的项目是基于神经网络的智能控制系统设计与实现。
通过对该项目的实践与研究，我深入了解了智能控制的基本原理和应用场景，并获得了一定的实践经验。
首先，在实践中，我学习到了神经网络在智能控制中的重要作用。
神经网络作为一种仿生智能模型，具有模式识别和学习能力，能够对复杂的非线性系统进行建模和控制。
通过对神经网络的学习和训练，我成功地设计了一个能够自主学习和优化控制策略的控制系统。
该系统能够根据实时的环境变化和反馈信号，自动调整神经网络的权重和阈值，从而实现对系统的智能控制。
其次，在实践过程中，我对智能控制系统的设计和实现流程有了更深入的了解。
我们团队首先对待控制系统进行建模，选择适当的输入和输出参数，以及合适的神经网络结构。
然后，针对实际应用中的数据采集和处理，我们设计了相应的工程任务，并对采集到的数据进行预处理和特征提取。
接着，我们使用训练集对神经网络进行学习和训练，并通过验证集和测试集来评估系统的性能。
最终，我们基于实际场景进行了系统的应用和优化。
最后，在智能控制实践中，我还学习到了团队合作和沟通的重要性。
在项目中，我们团队中的每个成员都担任着不同的角色和任务，我们需要密切合作，共同解决问题和完成任务。
通过团队的协作，我们成功地实现了智能控制系统，并且取得了不错的性能。
总结起来，智能控制实践让我充分认识到了神经网络在智能控制中的重要作用，并且提供了一个实践的平台，让我学习和掌握了智能控制系统的设计和实现流程。
同时，通过与团队的合作，我也意识到了团队合作和沟通的重要性。
这次实践经验对于我的学术和职业发展都具有重要的意义，我将进一步深化学习，不断提升自己在智能控制领域的专业能力。
一、前言随着科技的飞速发展，智能控制技术已经成为现代工业、农业、服务业等领域的重要技术支撑。
为了培养具备智能控制技术能力的人才，我国众多高校都开设了智能控制相关课程。
本报告以我在大学期间参加的智能控制实训为例，对实训过程、收获与体会进行总结。
二、实训内容本次智能控制实训主要包括以下内容：1. 智能控制基本概念与原理：学习了智能控制的基本概念，如自适应控制、模糊控制、神经网络控制等，并了解了这些控制方法的基本原理。
2. 智能控制系统设计：通过MATLAB软件，设计了基于模糊控制和神经网络的智能控制系统，并对控制系统进行了仿真实验。
3. 智能控制算法优化：学习了遗传算法、粒子群算法、免疫算法等智能优化算法，并应用于控制系统参数优化。
4. 智能控制应用实例分析：分析了智能控制在工业、农业、服务业等领域的应用实例，如智能机器人、智能交通系统、智能农业等。
三、实训过程1. 理论学习：首先，通过课堂学习，掌握了智能控制的基本概念、原理和方法。
在理论学习的阶段，我们对智能控制的基本概念有了初步的认识，并了解了不同智能控制方法的特点和应用场景。
2. 软件操作：在实训过程中，我们学习了MATLAB软件的使用，通过编写程序，实现了智能控制系统的设计与仿真。
在软件操作的过程中，我们不仅掌握了MATLAB的基本操作，还学会了如何运用MATLAB进行智能控制系统的设计与仿真。
3. 算法优化：在智能控制系统设计中，我们运用遗传算法、粒子群算法、免疫算法等智能优化算法对控制系统参数进行优化。
通过算法优化，提高了控制系统的性能和鲁棒性。
4. 实例分析：在实训过程中，我们分析了智能控制在不同领域的应用实例，如智能机器人、智能交通系统、智能农业等。
通过实例分析，我们对智能控制技术的应用有了更深入的了解。
四、实训收获与体会1. 理论知识与实践能力相结合：通过本次实训，我将智能控制理论知识与实际操作相结合，提高了自己的实践能力。
2. 创新思维与问题解决能力：在实训过程中，我们遇到了各种问题，通过查阅资料、讨论和尝试，最终解决了问题。
智能控制工作总结
智能控制是一种通过计算机和自动化技术实现的控制方式，它能够根据外部环
境和内部变化自动调整系统的运行状态，以达到最优的控制效果。
在现代工业生产中，智能控制已经成为了不可或缺的一部分，它可以提高生产效率、降低生产成本、提高产品质量，并且能够适应复杂多变的生产环境。
在智能控制工作中，首先需要对被控制的对象进行建模和分析，以确定控制系
统的结构和参数。
然后，通过传感器获取环境信息，再经过信号处理和数据分析，将信息传递给控制器。
控制器根据预设的控制算法，对系统进行调节和控制，从而实现对系统的自动化控制。
在实际的工作中，智能控制需要不断地优化和改进。
首先是控制算法的优化，
通过不断地调整和改进算法，提高系统的稳定性和控制精度。
其次是传感器和执行器的改进，提高信息的获取和传递速度，以及控制的精度和灵活性。
最后是对控制系统的整体优化，通过整合和协调各个部分，提高整个系统的性能和效率。
总的来说，智能控制工作需要不断地学习和创新，以适应不断变化的生产环境
和需求。
只有不断地优化和改进，才能使智能控制系统更加稳定、高效，为工业生产带来更大的效益。
希望未来能够有更多的科研人员和工程师投入到智能控制工作中，共同推动智能控制技术的发展和应用。
最优控制与智能控制基础文献总结报告电气传动系统的智能控制学生姓名：班级学号：aaaaaaa任课教师：aaa提交日期：2012.06.14成绩：电气传动系统的智能控制一、研究背景及意义智能控制是自动控制学科发展里程中一个崭新的阶段。
目前,智能控制的研究与应用已深入到众多的领域。
同样它的发展也给电气传动系统的控制策略带来了新思想、新方法。
与其它学科一样,智能控制是由于科学技术发展的需要,从解决重大工程和技术问题的实践中产生和发展起来的。
随着自动化程度的提高和普及,受控对象日趋复杂,对于许多难以获得数学模型或模型复杂的过程,应用经典和现代控制理论往往不能取得令人满意的控制效果,甚至完全无能为力。
可是在手动控制中,熟练的操作人员却可以驾驭自如。
由此,人们很自然地产生了在自动控制技术中借鉴熟练人员经验的想法。
计算机控制技术的发展为实现这一愿望提供了可能,计算机在逻辑推理、判断、识别、决策、学习等方面的功能可以承担按照熟练操作人员和专家的经验与方法进行控制的工作。
另一方面,许多探索如何实现人脑思维功能的学术领域,如人工智能、专家系统、神经网络、模糊逻辑等的研究取得了可喜的进展,这些研究成果从不同的角度提出了各种仿照人的知识、思维进行控制的方法,如专家控制器、神经元控制、模糊控制等等,它们统称为智能控制。
与传统的经典、现代控制方法相比,智能控制具有一系列的特点。
首先,智能控制突破了传统控制理论中必须基于数学模型的框架,它按实际效果进行控制,不依赖于或不完全依赖于控制对象的数学模型。
其次,继承了人脑思维的非线性,智能控制器也往往具有非线性特性同时,它还可以利用计算机控制的便利,根据当前状态切换控制器的结构,用变结构的方法改善系统的性能。
此外,某些智能控制方法还具有在线辨识、决策或总体自寻优的能力。
在复杂的系统中,智能控制还具有分层信息处理和决策的功能。
智能控制方法的这些独到之处,使它以一个崭新的面貌区别于各种传统的控制方法与理论。
因此,许多人认为,智能控制将是继经典控制和现代控制之后的第三代自动控制技术。
二、智能控制在电气传动系统中的应用目前,电气传动系统智能控制策略的研究引起了广泛的兴趣,不少人希望它能使电气传动系统的控制性能、自动化水平跃上一个新的台阶。
但也有一些专家怀疑,电气传动系统是否适于采用智能控制。
他们指出,智能控制的初衷是为了对付那些难以建模的复杂对象,而电气传动系统相对而言具有比较明确的数学模型,引入智能控制是否画蛇添足。
在这种情况下,搞清智能控制对于电气传动系统的意义和作用,具有十分重要的现实意义。
目前的交、直流传动系统已经拥有较为成熟的控制方案,如直流双闭环系统、交流电机的矢量控制系统等。
交、直流电气传动系统经过内环改造后（电流环、矢量变换）,其转速环的结构是一样的,可以建立统一的数学模型,而且并不复杂,采用控制已经能够取得基本满意的效果。
但另一方面也应看到,实际的传动系统并不如模型那样一成不变,电机本身的参数（如交流机的转子电阻）和拖动负载的参数（如转动惯量）在某些应用场合会随情况而变化；同时,交流电机本质上是一个非线性的被控对象,许多拖动负载含有弹性或间隙等非线性因素。
控制对象的参数变化与非线性特性,使得线性的常参数的PID调节器常常顾此失彼,不能使系统在各种工况下都保持设计时的性能指标,也就是说系统的鲁棒性不能尽如人意。
智能控制可以充分利用其非线性、变结构、自寻优等各种功能来克服电气传动系统这些变参数与非线性因素,从而提高系统的鲁棒性。
总之,在电气传动系统中引入智能控制方法,并非象许多控制对象那样是出于建模的困难,而是希望用这些新的方法来克服电气传动对象的变参数、非线性等不利因素,以提高系统的鲁棒性为目的。
另一方面,如果在电气传动系统中尝试智能控制策略时,完全丢弃已为实践所接受的传统控制方案,生搬硬套在其它领域应用的智能控制方法,非但不能切中要害,反而把新方法的缺点也带了进来,极有可能得不偿失,最终导致智能控制方法在实际应用中被拒之门外。
因此,在电气传动系统中引入智能控制方法时,注意取长补短、扬长避短,正确处理智能控制对传统控制继承与发展的关系是非常重要的。
前已指出,交流电机采用矢量控制与电流闭环改造后,其速度环的结构和直流电机是统一的。
因此,典型的交、直流统一的智能控制传动系统（调速系统）可以如图1所示。
在多环控制结构中,智能控制器处于最外环,而内环可以仍保留矢量控制、PI调节器这些传统方法。
这主要是因为外环是决定系统性能的根本因素,而内环主要起改造对象特性以利于外环控制的作用；各种扰动给内环带来的误差可以由外环控制加以弥补或抑制。
另一方面,外环采样频率比内环要低,更有利于智能控制方法的实现。
具体的智能控制方法种类很多,它们各具特色,下面分别介绍两种最常见的方法模糊控制和神经元控制。
三、模糊控制的电气传动系统模糊控制是一种典型的智能控制方法,它利用模糊集合来刻画人们日常所使用的概念中的模糊性,从而使控制器能更逼真地模仿熟练操作人员和专家的控制经验与方法。
从控制器的内部来看,模糊控制器是一种语言型控制器,它把物理量的大小用符号语言来表示,如NB(负大)、NS(负小)、PB(正大)、PM(正中)、ZO(零)等等,用模糊逻辑实现输入与输出符号间的推理。
与此相应,各种传统控制方法,如PID调节器都是数量型控制器,它们的运行方式是对数字量进行数值计算.一个连续控制系统的物理量一般都是数量型的,因此当采用模糊控制时,应首先把它转换成模糊语言,而在模糊推理之后,再变回数字量.所以模糊控制器应包括三个部分:模糊化、模糊推理和清晰化。
模糊推理是控制器的核心,由一组if…zhen…所表达的控制规则组成,这组规则集中体现了熟练操作人员和专家的控制经验。
常将这些控制规则整理成“控制规则表”如图2所示。
尽管模糊控制器的内部比较复杂,但从其外部I/O特性来看,却具有大家所熟悉的简单形式。
输入量只有被调量误差本身的模糊控制器称作一维模糊控制器,相应于图2规则表中对应于C=ZO的一列,它的I/O特性u=f（e）为典型的多值继电器模型,如图3。
因此,从控制的角度来看,一维模糊控制器相当于变系数的P调节器。
整个图的模糊控制规则表是一个二维模糊控制器,它根据误差及其一阶导数的大小选取不同的控制量,因此,它I/O的特性u=f(e,e)与变系数的PD调节器相当。
模糊控制器的多值继电器I/O特性源于控制器输入输出量的离散化,并非模糊逻辑的本质属性所致。
这种不平滑的I/O特性会使传动系统在稳态时出现“震颤”现象。
为了克服这一缺陷,许多人从不同的角度提出了“论域缩小法”、“多层模糊控制器”等改进方法,这些方法的本质都是使模糊控制器的特性趋于平滑,从而改善系统稳态特性。
此外,由于一般的模糊控制器没有积分作用,所以在传动系统有负载扰动时会出现静差。
增加了积分效应的模糊控制器相当于变系数的调节器,可以实现无静差控制。
总之,模糊控制本质上是一种非线性控制,它可以比线性的调节器显著地提高系统的鲁棒性,并更有效地克服传动系统中各种非线性因素,下面的实验结果显示了模糊控制系统对转动惯量变化的稳定鲁棒性,此实验是在一微机控制的交流调速系统(如图4)上进行的。
该系统中的速度控制器可用软件实现为调节器、模糊控制器等各种控制算法。
为了对比各种控制方法对系统转动惯量的鲁棒性,在异步机的联轴器上可装/拆一个惯性轮，使系统转动惯量有3倍的变化.根据实验数据绘出的结果如图5、图6。
各图中三条曲线分别为:1—速度设定(r/min ) , 2—实测转速(r/min ) , 3—定子电流转矩分量给定值。
Tm为设计时所采用的机电时间常数。
由图5可见,当转动惯量减少为原来的1/3时,采用传统的控制时将发生振荡再对比图6可知在相同的变化条件下,采用模糊控制仍能保持整个系统稳定,充分展示了模糊控制系统的强稳定鲁棒性。
四、单神经元控制的电气传动系统近年来,由单神经元构成的控制器引起了控制界的广泛兴趣。
从理论上讲,由于神经网络具有很强的信息综合能力,在计算速度能够保证的条件下,可以解决任意复杂的控制问题。
遗憾的是,由于缺乏相应的神经网络计算机硬件的支持,试图利用串行方法来模拟神经网络机理以解决实时控制问题,显然还很难满足实际需要。
但是,针对电气传动系统的控制特点,采用单个神经元实现的自适应控制,已足以解决它对非线性控制和提高鲁棒性的要求。
（1）模型在神经网络控制器中，单神经元是最基本的控制部件。
其模型如图7所示。
图中x,w (i=1,2,3)分别为控制器的输入量及相应的权重，K为比例因子.f.(.)U的S型激发函数，如图8。
为带有最大限幅值max其中3111()()()/u k u k K k x k W ω==∑()max ()1()1u k g u k e u k U e---=+ 式中用权重向量ω和输入向量x 的内积除以权重向量的欧几里德范数W ,以保证控制策略的收敛性。
（2）学习规则单神经元控制器的自适应功能是通过改变权重来实现的，学习规则就是调整权重1ω的算法，它是单神经元控制器的核心，其算法如下：11(1)()()i i k k v k ωωη+=+式 中0i η>——学习速率()i v k ——随过程递减的学习信号针对电气传动系统,考虑到电机正转与反转两种运行状况,采用下列学习方式1()()k ()i g v k e k x k =（）以保证学习算法的收敛性。
（3）系统构成由单神经元控制器构成的电气传动系统框图如图9所示可以看出，假若1x、2x、3x。
分别为误差、误差积分、误差微分三个输入量,用神经网络的学习规则自动调整各输入量的权重,单神经元就相当于变系数的自适应调节器,使系统的动态性能只依赖于其误差信号,而不受或少受对象模型参数的影响,可以实现性能高、鲁棒性强的电气传动系统。
另外,该控制器利用了神经元所特有的非线性特性,突破了线性调节器的局限,实现转速控制器的平稳饱和控制作用。
五、电气传动智能控制系统的理论问题无论是模糊控制、神经元控制还是其它的智能控制方法,目前的理论研究都还很不够。
智能控制器主要凭经验来设计,对系统的性能缺少客观的理论预见性。
因此,目前的智能控制与其说是一种理论,还不如说是一类方法更为确切。
整个智能控制的理论框架与体系尚在酝酿之中。
对于电气传动系统,为了支持智能控制器的设计和整定,从而保证系统的静动态性能,同样有必要建立比较完整的理论,特别是系统的稳定性和鲁棒性理论。
关于智能控制系统理论问题的研究主要可分为两条途径。
第一条途径是完全摆脱现代控制理论的框架,提出新的描述系统的模型和刻画性能的概念,在此基础上进一步探索新的分析与综合方法。
这种全新的思想面向了较为复杂的控制系统,但目前尚处于萌芽阶段。
