建立在状态空间法基础上的一种控制理论，是自动控制理论的一个首要构成部分。在现代控制理论中，对控制系统的分析和设计首要是通过对系统的状态变量的描述来执行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制困难要普遍得多，包含线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采取的方法和算法也更适合于在数字计算机上执行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统给予了机会。现代控制理论的名称是在1960年以后开始显现的，用以区别当时已经相当成熟并在后来被称为经典控制理论的那些方法。现代控制理论已在航空航天技术、军事技术、通信系统、生产过程等方面得到大量的应用。现代控制理论的某些概念和方法，还被应用于人口控制、交通管理、生态系统、经济系统等的研究中。
现代控制理论发展过程
现代控制理论是在20世纪50年代中期快速兴起的空间技术的助推下发展起来的。空间技术的成长急切要求建立新的控制原理，以处理诸如把宇宙火箭和人造卫星用最少燃料或最短时间精准地发射到预定轨道一类的控制困难。这类控制困难十分复杂，采取经典控制理论很难处理。1958年，苏联科学家Л.С.庞特里亚金提出了名叫极大值原理的综合控制系统的新方法。在这以前,美国学者R.贝尔曼于1954年创立了动态规划,并在1956年应用于控制过程。他们的研究成果处理了空间技术中显现的复杂控制困难，并开拓了控制理论中最优控制理论这一新的领域。1960～1961年，美国学者R.E.卡尔曼和R.S.布什建立了卡尔曼-布什滤波理论,因此有机会有效地考虑控制困难中所存在的随机噪声的影响，把控制理论的研究规模扩大，包含了更为复杂的控制困难。差不多在与一期间内，贝尔曼、卡尔曼等人把状态空间法系统地引入控制理论中。状态空间法对揭示和认识控制系统的很多重要特性具相关键的作用。其中能控性和能观测性尤为重要，形成控制理论两个最基本的概念。到60年代初，一套以状态空间法、极大值原理、动态规划、卡尔曼-布什滤波为基础的分析和设计控制系统的新的原理和方法已经确立，这标志着现代控制理论的形成。
现代控制理论学科内容
现代控制理论所包含的学科内容十分普遍,首要的方面有:线性系统理论、非线性系统理论、最优控制理论、随机控制理论和适应控制理论。
线性系统理论 它是现代控制理论中最为基本和比较成熟的一个分支，着重于研究线性系统中状态的控制和观测困难，其基本的分析和综合方法是状态空间法。按所采取的数学工具，线性系统理论一般分形成三个学派：基于几何概念和方法的几何理论，代表人物是W.M.旺纳姆;基于抽象代数方法的代数理论,代表人物是R.E.卡尔曼；基于复变量方法的频域理论，代表人物是H.H.罗森布罗克。
非线性系统理论 非线性系统的分析和综合理论尚不完善。研究领域首要还限于系统的运动平稳性、双线性系统的控制和观测困难、非线性反馈困难等。更一般的非线性系统理论仍有待建立。从70年代中期以来，由微分几何理论得出的某些方法对分析某些类型的非线性系统给予了有力的理论工具。
最优控制理论 最优控制理论是设计最优控制系统的理论基础，首要研究受控系统在指定性能指标达到最优时的控制规律及其综合方法。在最优控制理论中，用于综合最优控制系统的首要方法有极大值原理和动态规划。最优控制理论的研究规模正在持续扩大，诸如大系统的最优控制、分布参数系统的最优控制等。
随机控制理论 随机控制理论的目标是处理随机控制系统的分析和综合困难。维纳滤波理论和卡尔曼-布什滤波理论是随机控制理论的基础之一。随机控制理论的一个首要构成部分是随机最优控制，这类随机控制困难的求解依赖于动态规划的概念和方法。
适应控制理论 适应控制系统是在模仿生物适应能力的思想基础上建立的一类可自动调整自身特性的控制系统。适应控制系统的研究常可归结为如下的三个基本困难：①识别受控对象的动态特性；②在识别对象的基础上选择决策；③在决策的基础上作出反映或动作。
现代控制理论的成长
1.智能控制(Intelligent Control)
智能控制是人工智能和自动控制的结合物,是一类无需人的干预就能够独立地驱使智能机器,达到其目标的自动控制。智能控制的注意力并没有放在对数学公式的表达、计算和处理上,而放在对任务和模型的描述,符号和环境的识别以及知识库和推理机的设计开发上。智能控制用于生产过程,让计算机系统模仿专家或熟练操作人士的经验,建立起以知识为基础的广义模型,采取符号信息处理、启发式程序设计、知识表明和自学习、推理与决策等智能化技术,对外界环境和系统过程执行理解、分析、预期和规划,使被控对象按一定要求高达预定的目的。
智能控制的理论基础是人工智能,控制论,运筹学和系统学等学科的交叉,它的首要特点是:
(1)同期具有以知识表明的非数学广义模型和以数学模型表明的混合控制过程;
(2)智能控制的核心在高层控制,即组织级,它的首要任务在于对事实环境或过程执行组织;
(3)系统获取的信息不仅是数学信息,更重要的是文字符号、图像、图形、声音等各种信息。
智能控制正处在发展过程中,还存在很多有待研究的困难:
(1)探讨新的智能控制理论;
(2)采取语音控制;
(3)提升系统的学习能力和自主能力;
(4)利用现有的非线性技术面闭环系统的特性;
(5)智能控制的达到困难。
2.非线性控制(Nonlinear Control)
非线性控制是复杂控制理论中一个重要的基本困难,也是一个难点课题,它的成长差不多与线性系统平行。非线性系统的成长,数学工具是一个相当问题的困难,泰勒级数展开对有些情形是不能适用的。古典理论中的“相平面”法只适用于二阶系统,适用于含有一个非线性元件的高阶系统的“描述函数”法也是一种近似方法。受于非线性系统的研究缺乏系统的、一般性的理论及方法,于是综合方法得到较大的成长,首要有:
(1)李雅普诺夫方法:它是目前为止最完善、最一般的非线性方法,但是受于它的一般性,在用来分析平稳性或用来镇定综合时都欠缺构造性。
(2)变结构控制:受于其滑动模态具有对干扰与摄动的不变性,到80年代承受重视,是一种实用的非线性控制的综合方法。
(3)微分几何法:在以往的的20年中,微分几何法一直是非线性控制系统研究的主流,它对非线性系统的结构分析、分解以及与结构相关的控制设计导致极慷慨便.用微分几何法研究非线性系统是现代数学发展的必然产物,正如意大利教授Isidori表示:“用微分几何法研究非线性系统所获得的成绩,就象50年代用拉氏变换及复变函数理论对单输入单输出系统的研究,或用线性代数对多变量系统的研究。”但该种方法也有它的缺点,体当下它的复杂性、无层次性、准线性控制以及空间测度被损坏等。所以近期又有学者提出引入新的、更深刻的数学工具去开拓新的方向,比如:微分活力学、微分拓扑与代数拓扑、代数几何等。
3.自适应控制(Adaptive Control)
自适应控制系统通过持续地测量系统的输入、状态、输出或性能参数,渐渐了解和掌握对象,然后依据所得的信息按适当的设计方法,做出决策去更新控制器的结构和参数以适应环境的改变,高达所要求的控制性能指标。
自适应控制系统应具有三个基本功能:
(1)辨识对象的结构和参数,以便精确地建立被控对象的数学模型;
(2)给出一种控制律以使被控系统高达期望的性能指标;
(3)自动修正控制器的参数。所以自适应控制系统首要用于过程模型未知或过程模型结构已知但参数未知且随机的系统。
自适应控制系统的类型首要有自校正控制系统,模型参考自适应控制系统,自寻最优控制系统,学习控制系统等。近期,非线性系统的自适应控制,基于神经网络的自适应控制又得到重视,提出一部分新的方法。
4.鲁棒控制(Robust Control)
过程控制中面对的一个重要困难就是模型未知性,鲁棒控制首要处理模型的未知性困难,但在处理方法上与自适应控制有所不同。自适应控制的基本思想是执行模型参数的辩识,从而设计控制器。控制器参数的调整依靠于模型参数的更新,不能预先把或许显现的未知性考虑进去。而鲁棒控制在设计控制器时尽量利用未知性信息来设计一个控制器,致使不确定参数显现时仍能满足性能指标要求。
鲁棒控制觉得系统的未知性可用模型集来描述,系统的模型并没有唯一,可以是模型集里的任一元素,但在所设计的控制器下,都能使模型集里的元素满足要求。鲁棒控制的一个首要困难就是鲁棒平稳性,当前常用的有三种方法:
(1)当被研究的系统用状态矩阵或特质多项式描述时一般采取代数方法,其中心困难是讨论多项式或矩阵组的平稳性困难;
(2)李雅普诺夫方法,对未知性以状态空间模式显现时是一种有利工具;
(3)频域法从传递函数出发研究困难,有代表性的是Hoo控制,它用作鲁棒性分析的有效性体当下外部扰动不再如果为固定的,而只要求能量有界即可。该种方法已被用于工程设计中,如Hoo最优灵敏度控制器设计。
5.模糊控制(Fuzzy Control)
模糊控制借助模糊数学模拟人的思维方法,将工艺操作人士的经验加以归纳,运用语言变量和模糊逻辑理论执行推理和决策,对复杂对象执行控制。模糊控制既不是指被控过程是模糊的,也不意味控制器是不确定的,它是表明知识和概念上的模糊性,它完成的工作是完全确定的。
1974年英国工程师E.H.Mamdam第一次把Fuzzy集合理论用于锅炉和蒸气机的控制以来,开辟了Fuzzy控制的新领域,尤其是对于大时滞、非线性等很难建立精确数学模型的复杂系统,通过计算机达到模糊控制往往能获得很好的结果。
模糊控制的类型有:
(1)基本模糊控制器,一旦模糊控制表确定之后,控制规则就固定不变了;
(2)自适应模糊控制器,在运行中自动修改、完善和调整规则,使被控过程的控制效果持续提升,高达预期的效果;
(3)智能模糊控制器,它把人、人工智能和神经网络三者联系起来,达到综合信息处理,使系统既具有灵活的推理机制、启发性知识与造成式规则表明,又具有多种层次、多种类型的控制规律选择。
模糊控制的特点是不需要精确的数学模型,鲁棒性强,控制效果好,容易克服非线性原因的影响,控制方法易于掌握。近期有人提出神经——模糊Inter3融合控制模型,即把融合结构、融合算法及控制合为一体执行设计。又有人提出利用同伦BP网络记忆模糊规则,以“联想方式”运用这些经验。
模糊控制有待更深一步研究的困难:模糊控制系统的功能、平稳性、最优化困难的评价;非线性复杂系统的模糊建模,模糊规则的建立和模糊推理算法的研究;找出可遵循的一般设计原则。
6.神经网络控制(Neural Network Control)
神经网络是由所谓神经元的简单单元按并行结构经历可调的连接权组成的网络。神经网络的种类很多,控制中常用的有多层前向BP网络,RBF网络,Hopfield网络以及自适应共振理论模型(ART)等。
神经网络控制就是利用神经网络该种工具从机理上对人脑执行简单结构模拟的新型控制和辨识方法。神经网络在控制系统中可充当对象的模型,还可充当控制器。常见的神经网络控制结构有:
(1)参数预期自适应控制系统;
(2)内模控制系统;
(3)预期控制系统;
(4)模型参考自适应系统;
(5)变结构控制系统。
神经网络控制的首要特点是:可以描述任意非线性系统;用于非线性系统的辨识和预期;对于复杂未知性困难具有自适应能力;迅速优化计算能力;具有分布式储存能力,可达到在线、离线学习。
近期有人提出以Hopfield网络达到一种多分辨率体视协同算法,该算法以逐级融合的方式自动完成由粗到细,直至全分辨率的匹配和建立。又有人提出一种网络自组织控制器,采取变斜率的最速梯度下滑学习算法,应用在非线性追踪控制中。今后需更深一步探讨的困难是提升网络的学习速度,提出新的网络结构,创造出更适用于控制的专用神经网络。
7.实时专家控制(Real Time Expert Control)
专家系统是一个具有大批专门知识和经验的程序系统,它应用人工智能技术,依据某个领域一个或多个人类专家供应的知识和经验执行推理和分析,模拟人类专家的决策过程,以处理那些需要专家决定的复杂困难。专家系统和传统的计算机程序最本质的区别在于:专家系统所要处理的困难一般没有算法解,而且往往要在不完全、不精确或不确定的信息基础上做出结论。
实时专家系统应用模糊逻辑控制和神经网络理论,融进专家系统自适应地管理一个客体或过程的全面举动,自动采集生产过程变量,解释控制系统的目前情况,预期过程的将来举动,诊断或许发生的困难,持续修正和实施控制计划。实时专家系统具有启发性、透明性、灵活性等特点,当前已经在航天试验指挥、工业炉窑的控制、高炉炉热诊断中得到普遍应用。当前需要更深一步研究的困难是如何用简洁语言来描述人类长期积攒的经验知识,提升联想化记忆和自学习能力。
8.定性控制(Qualitative Control)
定性控制是指系统的状态变量为定性量时(其值不是某一精确值而只知其处在某一规模内),应用定性推理对系统施加控制变量使系统在某一期望规模。
定性控制方法首要有三类:
(1)基于定量模型的定性控制,其特点是系统的定量模型假定已知,以定量模型为基础推导定性模型;
(2)基于规则的定性控制,其特点是组成定性模型的规则凭民众经验的定性推理即可得到,或通过状态的穷举得到;
(3)基于定性模型的定性控制,其特点是直接通过对定性模型的研究来导出定性控制。
定性控制与模糊控制的区别:模糊控制不需建模,其控制律凭经验或算法调整,而定性控制基于定性模型,控制规则基于对系统的定性分析;模糊控制是基于状态的精确测量值,而定性控制基于状态的定性测量值。
定性控制面对的困难:发展定性数学理论,改进定性推理方法,注重定性和定量知识的结合;研究定性建模方法,定性控制方法;增强定性控制应用领域的研究。
9.预期控制(Predictive Control)
预期控制是在工业实践过程中独立发展起来的一种新型控制方法,它不仅适用于工业过程该种“慢过程”的控制,也能适用于迅速追踪的伺服系统该种“快过程”控制。当前实用的预期控制方法有动态矩阵控制(DMC),模型算法控制(MAC),广义预期控制(GPC),模型预期启发控制(MPHC)以及预期函数控制(PFC)等。这些方法具有下方特质:
(1)以计算机为达到手段,采取在线达到方式;
(2)建模方便,不需深入了解过程的内部机理,对模型精度要求不高;
(3)采取滚动优化策略,在线反复执行优化计算,使模型失配、外界环境的改变引起的未知性及时得到弥补,提升控制质量。
近期有人提出一种新的基于主导内模概念的预期控制方法:结构对外来激励的响应首要由其自身的模态所决定,即结构只对激励信息中与其起主导作用的几个首要自振频率相靠近的频率成分有较大的响应。当前利用神经网络对被控对象执行在线辨识,然后用广义预期控制规律执行控制得到较多重视。
预期控制当前存在的困难是预期精度不高;反馈校正方法单调;滚动优化策略少;对任意的一般系统,其平稳性和鲁棒性分析较难执行;参数调整的总的规则尽管比较清晰,但对不同类型的系统的具体调整方法仍有待更深一步归纳。
10.分布式控制系统(Distributed Control System)
分布式控制系统又称集散控制系统,是70年代中期发展起来的新型计算机控制系统,它融合了控制技术(Control),计算机技术(Computer),通信技术(Communication),图像表明技术(CRT)的“4C”技术,形成了以微处理器为核心的系统,达到对生产过程的监视、控制和管理。
既打破了常规控制仪表功能的局限,又较好地处理了早期计算机系统对于信息、管理过于集中导致的危险,而且仍有大范围报告采集、处理的功能以及较强的报告通信能力。
分布式控制系统既有计算机控制系统控制算法灵活,精度高的优点,又有仪表控制系统安全牢靠,维护方便的优点。它的首要特点是:真正达到了分散控制;具有高度的灵活性和可扩展性;较强的报告通信能力;友好而丰富的人机联系以及极高的牢靠性。
现代控制理论案例分析
">编辑]案例一:现代控制理论在过程工业中的应用
20世纪50年代末发展起来的以状态空间方法为主体的现代控制理论,为过程控制导致了状态反馈、输出反馈、解耦控制等一连串多变量控制系统设计方法;就在此时,计算机技术的连续发展使计算机控制在工业生产过程中得到了大量的应用,这一切都孕育着过程控制领域的新击穿。
1980年前后,来自过程控制界两名探索者J.Richalet和C.R.Cutler分别发文了其各自研究的相关处理实时动态环境下带约束多变量耦合系统控制困难的成果。这就是著名的模型预期启发式控制(MPHC)和动态矩阵控制(DMC)。这一事实显示过程工业已开始接受现代控制概念,进而导致了预期控制等先进控制策略在工业过程控制中的大批应用。20世纪80年代,显现了很多约束模型预期控制的工程化软件包和展望.机电工程,1999,5:3-7。基于模型控制的理论体系已基本形成,并形成当前过程控制应用最成功、最有前途的先进控制策略。
近年来,人工智能技术有了长足的进步,并在很多科学与工程领域中获得了较大量的应用。就过程控制来说,专家系统、神经网络、模糊系统是最具有潜力的3种工具。基于非线性模型(机理和经验)的控制有了较大的成长,但是,非线性控制尚属开发中的先进控制策略,事实的工业应用尚不多见。
一、先进控制的首要特点
(1)与传统的比例、积分、微分控制(PID)不同,先进控制一般是一种基于模型的控制策略,如模型预期控制。当前,专家控制、神经网络和模糊控制等智能控制技术正形成先进控制的一个重要发展方向。
(2)先进控制一般用于处理复杂的多变量过程控制困难,如大时滞、多变量耦合、被控变量与控制变量存在着各种约束等。先进控制是建立在常规单回路控制之上的动态协调约束控制,可使控制系统适应事实工业生产过程动态特性和操作要求。
(3)先进控制的实时需要充足的计算功能作为支持。受于先进控制受控制算法的复杂性和计算机硬件两方面的影响,早期的先进控制算法一般是在计算机控制系统的上位机上实行的。伴随DCS功能的持续加强,许多的先进控制策略可以与基本控制策略一起在DCS上达到,后一种方式可有效地加强先进控制的牢靠性、可操作性和可维护性。
二、分类
著名过程控制专家D.E.Seborg给出的按应用程度分类的过程控制策稍有:第一类:传统控制策略,如手动控制、PID控制、比值、串级、前馈;第二类:先进控制——经典技术，如增益调整、时滞弥补、解耦控制;第三类:先进控制——统行技术,如模型预期控制、内模、自适应、统计质量;第四类:先进控制——潜在技术,如最优控制、非线性控制、专家控制、神经控制、模糊控制;第五类:先进控制——研究上的策略,如鲁棒控制、Hoo控制、U综合。
先进控制技术究竟应当包含哪些内容,不同的研究者和研究用途则会造成不同的观点。
但可以肯定的是:PID控制器参数自整定、自适应控制、模型预期等应当是现阶段先进控制技术的最基本内容。
三、现阶段先进控制技术——预期控制
20世纪60年代初期,卡尔曼(R.E.Kal-man)系统中将状态空间法引入到系统和控制理论中,形成了现代控制理论,而且迅速在航空航天等领域获得了重大的成果,对自动控制技术的成长起到了积极的助推作用。但是,事实工业过程的多变量、非线性、时变和未知性等特点以及工程应用中要求考虑控制的时效性和经济性等原因,致使以精确数学模型为基础,立足最优性能指标且很多算法较为复杂的现代控制理论很难有效的应用于复杂的工业过程。
为了克服理论与事实应用之间的上述不协调,20世纪70年代以来,民众一面为了提升数学模型的精确程度及考虑不确定原因的影响,增强了对系统辩识、工业过程的建模、自适应控制、鲁棒控制等方面的研究,另一面开始击穿传统思想的约束,尝试面向事实工业过程的特点,研究各种对模型要求低,在线计算简单方便,实时性好,控制效果佳的控制新算法。同期,计算机技术的飞速发展也为新的控制策略给予了不错的运行平台。预期控制就是在该种情形下发展起来的一类新型算法。
一般可将预期控制算法分为两大类:第一类为基于非参数模型的模型预期控制(Model Predictive Control,MPC)。首要代表是Richalet(1987)、Mehra(1982)等提出的建立在脉冲响应模型基础上的模型预期启发控制(Model Predictive Heuristic Control,MPHC)或模型算法控制(Model Algorithmic Control,MAC);Cutler(1980)等提出的建立在阶跃相应模型基础上的动态矩阵控制(Dynamic Ma-trix Control,DMC)。这类预期控制方法的特点是脉冲响应在工业现场易于得到,不需要复杂的系统辩识建模;采取反馈校正基础上的在线滚动优化取代传统最优控制,因此可以克服各种未知性的影响,加强控制的鲁棒性,而且在线计算简单。所以这类算法很适合于事实工业过程的控制需要,迅速引起了普遍兴趣,并得到大批成功应用。中介绍的炼油厂催化裂化装置的反映再生系统,其原油预热过程机理复杂,有较大时滞,操作变量强耦合,参数强约束。利用多变量协调预期控制后,提升了系统操作的稳定性,有效的压抑了过程中的不可测扰动影响。中运用基于预期控制的多变量约束控制算法,采取两次预期方法,针对上海宝钢加热炉模型执行综合控制,实验显示了该种预期控制算法在解耦、节能、追踪、平稳性等方面的不错性能。
第二类是基于参数化模型的预期控制,首要有Clarke(1987)提出的广义预期控制(Gen-eralized Predictive Control, GPC)和Lelic(1987)提出的广义预期极点配置控制(Gener-alized Poles Placements Control,GPP)。20世纪80年代初期,民众在自适应控制理论研究的过程中,为了加强自适应控制系统的鲁棒性,在广义最小方差的基础上,吸取预期控制中的多步预期优化策略,而显现了基于辩识受控参数模型,且带有自适应控制或为增长系统平稳性而配置极点的预期控制算法。受于将自适应控制与预期控制相结合,因此可及时修正参数改变造成的预期模型的预期误差,进而改观系统的动态性能.同MAC和DMC一样,GPC在工业过程控制中也得到了大批成功应用。
中将广义预期控制(GPC)用于对联铸生产过程中的结晶液位控制,克服了拉速改变引起的有色噪声,降低了液位偏差,提升了系统的鲁棒性。
差不多20年来,国内外预期控制的研究和应用日趋普遍。各种相关预期控制的发文也逐渐增多。研究规模已经涉及到预期模型类型、优化目标种类、约束条件种类、控制算法以及平稳性、鲁棒性等方面,也包含多变量系统、非线形系统以及其它控制方法与预期方法的结合。
如自适应预期控制、模糊预期控制、鲁棒预期控制、神经网络预期控制,还包含大批的事实工业应用的研究。
预期控制的成就在于它起因为工业实践,而且它的成长始终与工业实践紧密相连。但事实上,预期控制的理论还远远落后于其事实应用,所以在理论方面依然需要得到更深一步的研究和发展。
(1)受于预期控制自身的特点,当前已有的算法中首要设计参数与闭环系统的动静态特性、平稳性和鲁棒性之间的一般解析关系很难得到,因此系统的平稳性分析和鲁棒性分析还远没有高达定量的程序,缺乏一般通用的参数设计选择准则。特别是对于多变量系统的相应算法,平稳性和鲁棒性分析急需击穿。
(2)针对工业过程大批存在的非线性及不确定等系统的特点,非线性预期控制和鲁棒预期控制将形成今后研究的着重。
(3)在预期控制算法的成长和创新方面,一面应在预期模型、目标函数种类、反馈校正方法、求解优化的策略等全方位的加以研究和击穿,另一面应继续注重学科的交叉研究,把其余有效的控制方法以及或许处理预期控制现有难题的其余学科的理论与现有预期控制方法相结合,持续完善和发展。
20多年来,预期控制理论与应用得到了飞速的成长,展示了强大的生命力,为国民经济的成长起到了重大的促进作用。预期控制理论和应用的持续完善和发展必将于事实工业领域的控制中发挥越来越重要的作用,展现其美好的前景。
四、将来的成长方向——智能控制
智能控制(Intelligent Control,IC)是传统控制发展的高级阶段,是控制技术高度分化且综合的重要产物。受于一部分被控对象呈现高度的时变性、非线性、时滞性和未知性,简单的控制策略已不能满足现代控制的要求,综合的、集成的智能控制技术形成研究和应用的热点。
智能控制作为一门新的学科分支,得到了广泛的承认,而且已经被大量的应用于工业、农业、服务业、军事航空等各个领域。近年来,伴随人工智能技术和其余信息处理技术,特别是信息论、系统论和控制论的成长,智能控制在机理和应用实践方面获得了击穿性的进度。遗传算法与模糊逻辑、神经网络相互融合,通过模拟人类的思维方式和结构来设计用于处理复杂的各种非线性困难的控制策略,并已在各种事实工程项目中得到应用,获得了不错的效果。分歩式人工智能中的Agent和Multi Agent Sys-tem已形成研究的热点,构建基于Agent的集散递阶结构的智能控制系统为智能控制导入了新的动力。
五、工业过程中的智能控制
很多工业接连生产线上,比如:化工、冶炼、材料加工、轧钢等,受于反映机理复杂,关联耦合严重,环境干扰不确定,要求与约束多样等原因,对其系统运行情形和过程的信息了解较少,自动化集成控制应用存在适当的难度,需要运用智能控制模式。生产过程的智能控制首要包含两个方面:局部级和全局级。局部级的智能控制是将智能引入工艺过程的某一单元执行控制器的设计,比如专家控制器、智能PID控制器、神经元网络控制器等。全局级的智能控制,首要针对整个生产的自动化,包含整个操作工艺的控制,过程的故障诊断,规划过程操作处理异常等。
针对局部智能控制设计,当前研究的热点是智能PID控制器的设计。由于PID控制迄今仍是工业控制中最大量的控制规律,但普通的PID控制已不能满足当下复杂的工业生产,所以就有必要将人工智能技术与传统的PID控制规律结合为智能PID控制。通过智能技术的加盟,智能PID控制器对比传统的PID控制器,在参数的整定和在线自适应调整方面有其明显的优越性,并可用于控制一部分非线性的复杂对象。国内近年智能控制理论应用研究的实例见表1。
专家控制系统把专家操作经验和计算机强大的计算机能力结合起来,具有启发式推理的能力,能对时变、非线性、易受干扰的复杂控制对象获得较好的控制效果,首要应用于系统设计、仿真建模、参数整定、故障检测及过程监控。
但现有专家控制系统无法表达符号以外的知识,存在知识获取问题和知识库无法自动更新的缺憾。模糊控制具备处理人类模糊语言信息的能力,可模拟人类执行分析和决策,但不具备自学能力,且规则自适应性差,稳态精度有限。
神经网络控制具有并行处理和高度自组织、自学习、自适应能力,但它不能描述和处理模糊信息,运行过程不具有推理的透明性。智能控制一般不具有解析性,没有通用的平稳性判定方法,仍有很多方面有待更深一步完善。
针对复杂的被控系统,单一的控制方法很难获得最优的控制效果,将智能控制和常规控制结合起来,取长补短,充分发挥各自优势,吸收新的人工智能和计算智能方法,从全局上提升控制系统智能化水平的综合智能化控制形成控制理论研究和应用的热点。分别介绍了模糊控制和滑模控制相结合用于自治水下机器人(AUV)和体操机器人的控制研究。
模糊控制和神经网络控制具有互补性,中介绍了模糊神经网络近年的成长情形,并介绍了模糊神经网络用于接连搅拌器的控制,及时检测、诊断故障,高达保障生产安全平稳的目的。中利用模糊C均值聚类算法确定电容分组,通过神经网络算法找出弥补导纳具有最大隶属度的所属类,以该类中心点对应的电容组投入电路,对电网电压、无功功率和不均衡执行综合弥补。针对PID控制在现实工业过程控制中的主导地位,详细介绍了差不多10年来结合自适应控制、预期控制和智能控制所造成的新型PID控制技术的成长及其在过程控制中的应用情形。核活力装置是一个多变量、强耦合、非线性、时变、存在大落后的复杂被控对象,中介绍了利用递阶方法建立的分层模糊自适应控制的处理方案。机器人手臂定位控制一直是控制领域的重要研究对象,中采取P-F-PI多模控制器清除不同阶段的偏差,并利用遗传算法优化三个控制器的切换参数以及F控制器的修正系数,在运行过程中得到不错的动态及稳态性能。再如应用于熟料窑温控制系统中基于专家智能协调的神经网络模糊控制。冶金过程中的自适应模糊控制,应用于工业炉过程的神经网络模糊检测控制,以及工业中温度自调节的模糊控制系统。值得特别表示的是,工业生产过程的模型化研究是工业过程控制与决策,故障诊断以及运行状态评价的基础。不少科技工作者在此领域做了卓有成效的探索研究。其中,中结合铅锌炼烧结过程提出了一种基于神经网络、模糊逻辑等智能辩识方法的工业过程参数模型化的方法。该种智能集成建模策略是在分析了冶金机理、归纳专家经验和辩识生产报告的基础上,以神经网络为基础,集成运用模糊辩识、统计分析、归纳推理等方法建立起来的,并在事实工程中得到应用。中提出一种自适应监督式分布神经网络建模方法,可推广到含有噪声约束的其它工业控制工程。
受于智能控制理论的建立迄今然而短短十几年时间,尽管也建立起了基本框架和理论思路,但就其作为一门学科来说,还远未成熟。对智能控制理论研究的意义在于:假使没有严格的科学的理论指导,盲目的应用是不会获得连续的成就。智能控制的首要研究领域是经典控制无法处理的股市、气象等广义的传统领域,也包含了控制对象持续复杂化,控制过程持续智能化的工业、制造业等工程领域。正是受于这些传统控制方法无力处理的困难,形成智能控制发展的活力,也使智能控制的成长充满动力与期望。但在智能控制发展的热潮中,应该目睹,国内外智能控制的应用研究的成果层出不穷与理论研究的迟缓发展甚至是停滞不前形成了一种不均衡现象。智能控制的工程应用仍有待更深一步开发和推广,仍需要以更充分的范例体现其发展的必要性和应用的优越性。
伴随工业生产向大型化、接连化、集成化和复杂化的方向发展,致使控制理论与控制工程发生了重大的改变,过程控制系统由简单的控制向先进过程控制迈进。计算机技术、控制技术和信息化技术相互促进、相互渗透造成了一连串新的网络化控制方式。
以现场总线为底层,以普遍应用的以太网(Ethernet)为上层,建立全企业或全厂的,包含运营决策、管理信息、生产调度、监督控制和直接控制以内的管理及控制全部生产活动的综合自动化系统,清除自动化孤岛,组成CIPS(computer integrated process system)高达生产的柔性化、敏捷化、智能化已经形成21世纪知识经济时代中工业生产自动化的成长方向。