第8章智能控制在过程控制中的应用

第8 章 智能控制在过程控制中的应用 教学内容 本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状，然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究，以便对智能控制的应用方法有一个比较完整的了解。主要内容： 1. 概述 2. 复杂工业过程控制的研究现状 3. 复杂过程智能控制方法的研究现状 4. 氧乐果合成反应温度智能控制 教学重点 工业过程智能控制系统的分析与设计。 教学难点 被控对象分析和控制算法设计。 教学要求 本章的学习需要预先掌握各种智能控制的基础知识、概念。要求掌握被控对象分析和工业过程智能控制系统的设计。 8 .1 概述 工业生产过程的自动控制在很多工业领域占有重要位置，控制效果的优劣直接影响到产品的质量、产量和生产设备的运行寿命，影响到生产的安全、稳定和工人的劳动强度，先进控制方法的研究具有明显的经济和社会意义。对于简单过程系统，采用传统的经典或现代控制理论方法，可以获得满意的控制效果。而对于复杂过程系统，由于其具有非线性、时变、纯滞后、不确定等特性，采用传统的控制方法难以取得好的控制效果，因此，其智能控制方法成为研究热点。 智能控制理论是继经典控制理论、现代控制理论之后发展起来的，是控制理论发展新阶段的产物，其建立和发展是以众多新兴学科为基础的。智能控制的基本出发点是采用人工智能方法对复杂、不确定性系统进行有效控制。智能控制方法包括专家系统控制、模糊控制、神经网络控制和仿人智能控制等，这几种方法各有其不同的特点，并已在不同领域中取得了一些相当成功的应用，但这些方法在单独模拟人类智能活动时，又存在着各自的局限性。因此，许多学者试图综合几种方法的优点，以克服各自的局限性。 实际上，智能活动既有感知（直观、形象）活动，又有认知（逻辑）活动，两者是密切相关的，而且又是可以互相转换的，也是符合生理和心理现象的，神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性，因此基于神经网络的模糊控制近年来逐渐成为研究的热点。模糊控制和神经网络二者各自的优势在于：模糊控制易于获得由语言表达的专家知识，能有效的控制难以建立精确模型而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强。在集成大系统中，神经网络可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。神经网络和模糊...