【摘要】:数字化控制研究的数学工具则是上述两方面的交叉和结合,主要有以下几种形式。神经元网络及模糊集理论是其中具有代表性的两种方法。神经元网络通过许多简单关系来实现复杂的函数,这些简单关系往往是非0即1的简单逻辑,它们的组合可实现复杂的分类和决策功能。由于它们介于符号逻辑推理和数值计算两者之间,因此有可能成为今后进行数字化控制研究的主要数学工具。
传统的控制理论主要采用微分方程、状态方程及各种数学变换作为研究工具,它们本质上是一种数值计算的方法。而人工智能主要采用符号推理、一阶谓词逻辑等作为研究的数学工具。数字化控制研究的数学工具则是上述两方面的交叉和结合,主要有以下几种形式。
符号推理与数值计算的结合。例如,专家控制,它的上层是专家系统,采用人工智能中的符号推理方法;下层是传统意义上的控制系统,采用数值计算方法。
离散事件系统与连续时间系统分析的结合。例如,在CIMS中,上层任务的分配和调度、零件的加工和传输等均可用离散事件系统理论来进行分析和设计;下层的控制(如机床和机器人的控制)则采用常规的连续时间系统分析方法。
神经元网络及模糊集理论是其中具有代表性的两种方法。神经元网络通过许多简单关系来实现复杂的函数,这些简单关系往往是非0即1的简单逻辑,它们的组合可实现复杂的分类和决策功能。神经元网络本质上是一个非线性动力学系统,但它并不依赖于模型,因此可以看成是一种介于逻辑推理和数值计算之间的工具和方法。(www.xing528.com)
模糊集理论是另一种介于两者之间的方法。它形式上是利用规则进行逻辑推理,但其逻辑取值可在0与1之间连续变化,其处理的方法也是基于数值而非符号。
以上两种方法在某些方面(如逻辑关系,不依赖于模型)类似于人工智能的方法,而在另外一些方面(如连续取值,非线性动力学特性)则类似于通常的数值方法,即传统的控制理论数学工具。由于它们介于符号逻辑推理和数值计算两者之间,因此有可能成为今后进行数字化控制研究的主要数学工具。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。