作者：合肥中国科学技术大学（230027）
郝金波 王俊普 李国清 来源：《电子技术应用》
摘 要
以分层递阶智能控制为基础框架，提出了基于控制任务的某些时域性能指标的智能控制任务适应算法，对运行控制级动态建立特征模型，迫使系统逼近理想控制轨迹，从而提高控制性能。
关键词 智能控制 任务自适应 特征模型
上（下）界特征直线 特征点
实际系统由于存在非线性、不确定性、时变性和不完全性等因素，一般无法获得系统精确的数学模型，而且为了提高控制性能，整个系统变得较为复杂，增加了设备的初投资，降低了系统的可靠性。在这种背景下，无需人的干预就能自主地驱动智能机器实现其目标的智能控制诞生了。直到目前，传统控制理论中的各种动态性能指标只能作为智能控制的事后评价标准，无法作为智能控制系统的设计依据。
saridis曾提出智能控制系统的分层递阶结构，奠定了智能控制的三元结构的理论基础[1]。在此基础上，周其鉴、李祖枢等人提出仿人智能控制（hsic），并建立了仿人智能控制的基本理论，给出了仿人智能控制器的设计方法[2][3]。李祖枢、涂亚庆等提出的设计方法以相平面(e-e′)作为信息空间设计控制器。由于相平面(e-e′)只是隐含了时间信息，难以与性能指标建立直接联系，因此这是一种定性的设计方法。然而控制系统设计的目标，总是针对控制系统完成的任务，满足于特定的性能指标[4]。基于这种思想，本文提出了面对不同任务的某些时域指标，按照分层递阶控制的框架，以(e-t)为信息空间设计智能控制器的方法，并给出了任务适应算法。由于(e-t)信息空间明显包含了e′的信息，并且可以直接与时域性能指标相联系，因此，该设计方法是一种定性与定量相结合的设计方法。
１ 智能控制任务适应的基本思想
按照分级递阶智能控制的基本理论，整个系统由中枢司令级、组织协调级和单元控制级构成。单元控制级又可分解为任务适应级（ta）、参数校正级（st）和运行控制级（mc）。运行控制级直接面向被控对象，采用产生式系统结构。知识库用三重序元＜φ，ψ，ω＞描述。其中，φ={φ1，φ2，…，φｎ}称为特征模型，ψ={ψ1，ψ2，…，ψr}称为控制（决策）模态集，ω={ω1，ω2，…，ωq}产生式集。产生式ωi(i=1，2，…，q)可表示为if
φi then ψi，φi∈φ， ψi∈ψ
其中φi称为特征状态，是特征信息空间划分的一个区域；ψi是控制器的输出量u与输入信息r、特征记忆a之间定量或定性关系的描述。
mc级的控制目标主要是控制精度，即满足特定任务的某些时域性能指标。为了适应不同的任务，满足相应的性能指标，mc级的知识库＜φ，ψ，ω＞应该适应不同的任务。
无论是定值控制还是伺服控制，控制过程总是期望系统的动态响应在时相空间(e-e′-t)为一条理想轨迹。换言之，这条理想轨迹作为设计智能控制器的目标，轨迹上的每一点都被视为控制过程中的瞬态指标。这条理想轨迹可以分别向(e-t)、(e′-t)和(e-e′)三个平面投影，根据分析的侧重点考虑这三条投影曲线中的一条或几条，从而简化设计目标。由于被控对象具有不确定性且又不确知，实际上运动的轨迹只可能处在这条理想曲线周围的一个曲柱中。智能控制器的设计任务就是以实际轨迹与理想轨迹在信息空间中的偏差轨迹为依据，对信息空间(e-e′-t)进行划分（特征模型），并给出相应的控制模态。
在hsic的基本算法中，特征模型的建立即特征状态的划分是一种近乎先验的过程[2][3]。换言之，特征变量的阈值确定是纯粹的经验判断，它不依对象的不同而自动设置，也不会根据实际过程的输出响应和偏差曲线做动态调整，更无法依据控制指标的要求变化而适应。这在相当大的程度上限制了控制任务的正确完成。本文提出的动态建立特征模型的算法是一种任务自适应的方法。根据系统的瞬态性能指标的要求，在线辨识出过程的纯时延，结合上升时间tr、超调量δp和峰值时间tp划分(e-t)平面，实时给出mc级特征状态的切换阈值，动态地建立其特征模型φ，改变其知识库，迫使控制沿着适当的轨迹达到各项控制指标。基于这种思想，通过对控制的偏差曲线进行几何分析，给出任务适应级ta对mc级特征基元的实时调整方法。
２ 任务适应算法及仿真实验
对于限制上升时间tr、超调量δp和峰值时间ｔｐ的伺服跟踪控
作者：合肥中国科学技术大学（230027）
郝金波 王俊普 李国清 来源：《电子技术应用》
摘 要
以分层递阶智能控制为基础框架，提出了基于控制任务的某些时域性能指标的智能控制任务适应算法，对运行控制级动态建立特征模型，迫使系统逼近理想控制轨迹，从而提高控制性能。
关键词 智能控制 任务自适应 特征模型
上（下）界特征直线 特征点
实际系统由于存在非线性、不确定性、时变性和不完全性等因素，一般无法获得系统精确的数学模型，而且为了提高控制性能，整个系统变得较为复杂，增加了设备的初投资，降低了系统的可靠性。在这种背景下，无需人的干预就能自主地驱动智能机器实现其目标的智能控制诞生了。直到目前，传统控制理论中的各种动态性能指标只能作为智能控制的事后评价标准，无法作为智能控制系统的设计依据。
saridis曾提出智能控制系统的分层递阶结构，奠定了智能控制的三元结构的理论基础[1]。在此基础上，周其鉴、李祖枢等人提出仿人智能控制（hsic），并建立了仿人智能控制的基本理论，给出了仿人智能控制器的设计方法[2][3]。李祖枢、涂亚庆等提出的设计方法以相平面(e-e′)作为信息空间设计控制器。由于相平面(e-e′)只是隐含了时间信息，难以与性能指标建立直接联系，因此这是一种定性的设计方法。然而控制系统设计的目标，总是针对控制系统完成的任务，满足于特定的性能指标[4]。基于这种思想，本文提出了面对不同任务的某些时域指标，按照分层递阶控制的框架，以(e-t)为信息空间设计智能控制器的方法，并给出了任务适应算法。由于(e-t)信息空间明显包含了e′的信息，并且可以直接与时域性能指标相联系，因此，该设计方法是一种定性与定量相结合的设计方法。
１ 智能控制任务适应的基本思想
按照分级递阶智能控制的基本理论，整个系统由中枢司令级、组织协调级和单元控制级构成。单元控制级又可分解为任务适应级（ta）、参数校正级（st）和运行控制级（mc）。运行控制级直接面向被控对象，采用产生式系统结构。知识库用三重序元＜φ，ψ，ω＞描述。其中，φ={φ1，φ2，…，φｎ}称为特征模型，ψ={ψ1，ψ2，…，ψr}称为控制（决策）模态集，ω={ω1，ω2，…，ωq}产生式集。产生式ωi(i=1，2，…，q)可表示为if
φi then ψi，φi∈φ， ψi∈ψ
其中φi称为特征状态，是特征信息空间划分的一个区域；ψi是控制器的输出量u与输入信息r、特征记忆a之间定量或定性关系的描述。
mc级的控制目标主要是控制精度，即满足特定任务的某些时域性能指标。为了适应不同的任务，满足相应的性能指标，mc级的知识库＜φ，ψ，ω＞应该适应不同的任务。
无论是定值控制还是伺服控制，控制过程总是期望系统的动态响应在时相空间(e-e′-t)为一条理想轨迹。换言之，这条理想轨迹作为设计智能控制器的目标，轨迹上的每一点都被视为控制过程中的瞬态指标。这条理想轨迹可以分别向(e-t)、(e′-t)和(e-e′)三个平面投影，根据分析的侧重点考虑这三条投影曲线中的一条或几条，从而简化设计目标。由于被控对象具有不确定性且又不确知，实际上运动的轨迹只可能处在这条理想曲线周围的一个曲柱中。智能控制器的设计任务就是以实际轨迹与理想轨迹在信息空间中的偏差轨迹为依据，对信息空间(e-e′-t)进行划分（特征模型），并给出相应的控制模态。
在hsic的基本算法中，特征模型的建立即特征状态的划分是一种近乎先验的过程[2][3]。换言之，特征变量的阈值确定是纯粹的经验判断，它不依对象的不同而自动设置，也不会根据实际过程的输出响应和偏差曲线做动态调整，更无法依据控制指标的要求变化而适应。这在相当大的程度上限制了控制任务的正确完成。本文提出的动态建立特征模型的算法是一种任务自适应的方法。根据系统的瞬态性能指标的要求，在线辨识出过程的纯时延，结合上升时间tr、超调量δp和峰值时间tp划分(e-t)平面，实时给出mc级特征状态的切换阈值，动态地建立其特征模型φ，改变其知识库，迫使控制沿着适当的轨迹达到各项控制指标。基于这种思想，通过对控制的偏差曲线进行几何分析，给出任务适应级ta对mc级特征基元的实时调整方法。
２ 任务适应算法及仿真实验
对于限制上升时间tr、超调量δp和峰值时间ｔｐ的伺服跟踪控
热门点击
推荐技术资料
公网安备44030402000607
