下载文档原格式
1、智能控制: 即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境（包括被控对象或被控过程）信息的变化做出适应性反应，可以有各种人工智能的水平，从而实现由人来完成的任务。
2、智能控制由哪几部分组成？各自的特点是什么？①模糊控制（通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制）②神经网络控制（从机理上对人脑生理系统进行简单结构的模拟，具有并行机制、模式识别、记忆和自学习能力的特点，能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性）③遗传算法（可用于模糊控制规则的优化及神经网络参数及权值的学习）3、比较智能控制和传统控制的特点传统控制和智能控制的主要区别：①传统控制方法在处理复杂化和不确定性问题方面能力很低；智能控制在处理复杂性、不确定性方面能力较高。
智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。
②传统控制是基于被控对象精确模型的控制方式；智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。
传统控制和智能控制的统一：智能控制擅长解决非线性、时变等复杂控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。
智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。
在这个意义上，传统控制和智能控制可以统一在智能控制的框架下，而不是被智能控制所取代。
智能控制研究对象的特点：(1)不确定性的模型 (2)高度的非线性 (3)复杂的任务要求智能控制的特点：(1)分层递阶的组织结构 (2)自学习能力 (3)自适应能力 (4)自组织能力(5)优化能力4、专家系统：是一类包含着知识和推理的智能计算机程序，其内部含有大量的某个领域的专家水平的知识和经验，具有解决专门问题的能力。
专家控制：是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
第一章：1、传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性、时不变性等相对简单的控制。
2、智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。
3、IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学)4、AC：描述系统的动力学特征，是一种动态反馈。
AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。
OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。
5、智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。
6、智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。
7、智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能8、智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。
9、智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。
第二章：10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。
11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成）12、专家系统的建立：1，知识库2，推理机3，知识的表示4，专家系统开发语言5，专家系统建立步骤。
13、专家控制：是智能控制的一个重要分支，又称专家智能控制。
所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。
14、专家控制的基本结构：15、专家控制与专家系统的区别：1，专家控制能完成专门领域的功能，辅助用户决策；专家控制能进行独立的、实时的自动决策。
机器人的智能建模与控制技术研究随着科技的不断进步，现代机器人的智能化程度不断提高，可适应的使用场景也越来越广泛。
智能建模技术是机器人中的核心技术之一，它是指通过人工智能的方法对机器人进行建模，从而实现更加智能的控制。
本文将重点探讨机器人的智能建模与控制技术研究。
一、机器人的智能建模技术机器人的智能建模技术主要是指通过机器学习等方法，将机器人的行为模式进行建模，实现机器人的自主控制。
机器人建模的主要思路包括数据采集、特征提取和模型训练等三个方面，具体可分为以下几种技术。
1.传统的机器学习方法传统的机器学习方法主要指分类、聚类以及回归等方法。
分类和聚类技术可以将机器人的行为模式进行分类，从而实现机器人对不同场景下的自主控制。
在回归技术中，可以通过将输入数据映射到一个输出空间中，从而建立机器人的运动模型。
2.深度学习方法深度学习方法是近年来机器学习领域中的一种新兴技术，它主要采用多层神经网络模型来实现对机器人数据进行建模和训练。
使用深度学习技术进行机器人建模，在抽取特征方面更加精准，能够学习复杂的非线性关系，从而实现更加精准的自主控制。
3.生成对抗网络生成对抗网络是一种新型的机器学习方法，其主要特点在于能够同时建立生成模型和判别模型，从而实现更加精准的建模和分类控制。
利用生成对抗网络技术进行机器人建模，在生成模型方面能够通过对样本进行学习，从而实现更加精确的模型建立。
二、机器人的智能控制技术机器人的智能控制技术是指通过先进的控制算法和人工智能技术来实现机器人的自主控制，从而使其在不同的环境中能够精确地执行任务。
1.基于模型的控制技术基于模型的控制技术主要是指通过机器人的建模和模拟来实现机器人的自主控制。
在这种技术中，可以通过机器人的建模和模拟，得到机器人在不同环境下的动态模型，并根据模型来进行控制。
这种控制方式可以大大提高机器人的控制精度和控制效率。
2.基于强化学习的控制技术基于强化学习的控制技术是指通过机器人的试错学习和奖励机制，来实现机器人的自主控制。
基于模型智能控制方法研究随着人工智能和机器学习技术的发展，模型智能控制方法越来越受到关注。
这种方法不仅可以提高控制系统的性能，还可以减少人工操作的干预。
本文将讨论基于模型智能控制方法的研究现状和应用。
一、模型智能控制方法概述模型智能控制方法是指利用建立的模型进行智能控制的方法，其中模型可以是数学模型、物理模型或统计模型。
这种方法通常包括两个步骤：建立模型和利用模型进行控制。
建立模型可以通过实验或理论模拟进行，而利用模型进行控制则需要将模型和控制器结合起来。
这种方法最大的优点是可以模拟复杂的系统，提高控制的准确性和稳定性。
二、模型智能控制方法的研究现状目前，模型智能控制方法已经广泛应用于工业自动化、交通运输等领域。
在工业自动化领域，模型智能控制方法可以用于优化生产过程、提高产品质量等。
在交通运输领域，模型智能控制方法可以用于智能交通管理、自动驾驶等。
此外，模型智能控制方法还可以用于环境监测、医疗健康等领域。
在具体实现方面，模型智能控制方法可以分为基于模型的PID控制、基于模型的模糊控制、基于模型的神经网络控制等。
其中，基于模型的PID控制是最常见的一种方法，它可以通过调整PID控制器的参数来优化控制系统的性能。
基于模糊控制和基于神经网络控制则可以通过学习和训练来自适应地调整控制器。
这些方法各有优点，可以根据具体的应用场景进行选择。
三、模型智能控制方法的应用模型智能控制方法已经被广泛应用于工业自动化、交通运输、环境监测、医疗健康等领域。
以工业自动化为例，模型智能控制方法可以用于优化生产过程，提高产品质量和生产效率。
在电力、制造、化工等行业中，模型智能控制方法可以通过预测、优化和自适应控制来提高效率和控制质量。
在交通运输领域，模型智能控制方法可以用于智能交通管理和自动驾驶。
智能交通管理可以实现交通流控制、交通事故预警和公路管理等功能，自动驾驶技术则可以实现无人驾驶。
这些技术可以大大减少交通事故和交通拥堵，提高交通效率。
2、专家智能控制专家智能控制是指将专家系统的理论和技术同控制理论方法与技术相结合。
在未知环境下，仿效专家的智能，实现对系统的控制。
把基于专家控制的原理所设计的系统或控制器，分别称为专家控制系统或专家控制器。
它对环境的变化有很强的自适应能力和自学习功能，具有高可靠性及长期运行的连续性、在线控制的实时性等特点。
因此，在工业控制中的应用越来越为人们所重视，它是智能控制发展中一个极有应用前途的方向。
专家控制器的一般原理框图如图1.5所示。
它通常由知识库、控制规则集、推理机构及信息获取与处理四个部分组成。
图1.5 专家控制器的原理框图7、模糊控制模糊控制的基本思想是把人类专家对特定的被控对象或过程的控制策略总结成一系列以“IF（条件）THEN（作用）”产生式形式表示的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。
控制作用集为一组条件语句，状态条件和控制作用均为一组被量化了的模糊语言集，如“正大”，“负大”，“高”，“低”，“正常”等，它们共同构成控制过程的模糊算法：a) 定义模糊子集，建立模糊控制规则；b) 由基本论域转变为模糊集合论域；c) 模糊关系矩阵运算；d) 模糊推理合成，求出控制输出模糊集；e) 进行逆模糊运算，判决，得到精确控制量。
模糊控制器的一般结构如图1.15所示。
图1.15 模糊控制的一般结构模糊控制与常规控制方法相比有以下优点：（1）模糊控制完全是在操作人员控制经验基础上实现地系统的控制，无需建立数学模型，是解决不确定性系统的一种有效途径。
（2）模糊控制具有较强的鲁棒性，被控制对象参数的变化对模糊控制的影响不明显，可用于非线性、时变、时滞系统的控制。
（3）由离散计算得到控制查询表，提高了控制系统的实时性。
（4）控制的机理符合人们对过程控制作用的直观描述和思维逻辑，为智能控制应用打下了基础。
模糊控制的深入的理论和应用研究，主要有以下方面：模糊控制的稳定性研究，模糊模型及辨识，模糊最优控制，模糊自组织控制，模糊自适应控制，传统PID 与Fuzzy 控制相结合的多模态控制器。
人工智能的智能控制在当今科技飞速发展的时代，人工智能已经成为了一个热门话题。
从智能手机中的语音助手，到工业生产线上的自动化设备，再到医疗领域的疾病诊断系统，人工智能的应用无处不在。
而在这众多的应用中，智能控制无疑是一个关键的领域。
什么是智能控制呢？简单来说，智能控制就是让机器能够像人类一样，根据不同的情况做出合理的决策和行动。
它不仅仅是简单的自动化控制，而是能够自主学习、适应环境变化，并不断优化自身的控制策略。
想象一下，一个智能交通系统，它能够实时监测道路上的车辆流量、天气状况和突发事件，并迅速调整信号灯的时间，以最大程度地减少交通拥堵。
这就是智能控制的一个典型应用。
与传统的交通控制方式相比，智能控制更加灵活和高效，能够更好地应对复杂多变的交通状况。
那么，人工智能是如何实现智能控制的呢？这涉及到很多技术和方法。
其中，机器学习是一个重要的手段。
通过大量的数据训练，机器学习算法可以让机器学会识别模式和规律。
比如，在工业生产中，通过对生产过程中的数据进行分析，机器可以预测设备可能出现的故障，并提前进行维护，从而避免生产中断。
深度学习则是机器学习的一个重要分支，它在图像识别、语音识别等领域取得了巨大的成功。
在智能控制中，深度学习可以帮助机器更好地理解和处理复杂的环境信息。
例如，自动驾驶汽车通过深度学习算法来识别道路上的各种物体和交通信号，从而做出安全的驾驶决策。
除了机器学习和深度学习，强化学习也是智能控制中常用的方法之一。
强化学习让机器在与环境的交互中不断尝试不同的行动，并根据获得的奖励来调整自己的策略。
就像一个玩游戏的人，通过不断尝试和总结经验，逐渐掌握最佳的游戏策略。
然而，要实现有效的智能控制，并不是仅仅依靠技术就可以的。
还需要考虑很多实际的问题。
比如，数据的质量和可靠性。
如果数据存在偏差或者错误，那么训练出来的模型可能会产生不准确的结果。
此外，系统的安全性和可靠性也是至关重要的。
在一些关键的应用场景，如医疗和航空领域，任何错误都可能导致严重的后果。
智能控制的基本概念
智能控制是一种基于人工智能和自动控制理论的控制方法，通过利用计算机和传感器等先进技术，实现对系统的智能化监测、分析和决策，以达到优化控制系统性能的目标。
智能控制的基本概念主要包括以下几个方面：
1. 智能感知：利用各种传感器和数据采集技术，对控制系统内、外部环境信息进行实时感知和获取，形成系统的动态监测基础。
2. 智能分析：利用计算机和算法，对所获取的感知信息进行实时分析和处理，提取有用的特征和模式，以识别当前系统状态和问题。
3. 智能决策：基于分析结果和预定义的目标，通过人工智能算法，生成相应的控制策略和决策规则，指导控制系统的运行和操作。
4. 智能执行：将生成的控制策略和决策规则以自动或半自动的方式应用于控制系统，实现对系统参数、操作和行为的调节和控制。
5. 智能学习：通过强化学习、监督学习等算法，不断优化和改进控制策略和决策规则，以适应系统的变化和优化控制效果。
综上所述，智能控制通过整合传感器、算法和决策模型等技术，
实现对控制系统的自动化和智能化管理，从而提高系统的稳定性、精度、效率和可靠性。
第28卷 增刊2002年12月自 动 化 学 报ACT A AU T OM A T ICA SIN ICAV ol.28,Suppl.Dec.,2002 智能特征模型和智能控制1)吴宏鑫(北京控制工程研究所 北京 100080)(E-mail:w hx-bice@)摘 要 首先论述了控制理论的发展应走“实践-理论-实践”之路.接着分析了现有智能控制存在的问题.提出突破复杂系统的特征建模问题是建立智能控制理论体系的前提.简单阐述了智能特征建模的思想、方法和必要的物质基础,并提出了三类智能控制的设想和框架.最后讨论了为发展智能控制理论需研究的一些基本理论和工具.关键词 实践-理论-实践,复杂系统,智能特征模型,智能控制理论中图分类号 T P181)国家自然科学基金(60034010,69984007)资助收稿日期 2002-04-10 收修改稿日期 2002-07-09INTELLIGENT CHARACTERISTIC MODELAND INTELLIGENT CONTROLWU Hong-Xin(B eij ing Institute of Contr ol E ngineering,Beij ing 100080)(E-mail:w hx-bice@)Abstract Firstly,this paper presents t hat t he rout e of t he control t heory's development should be from practice to t heory,and back to pract ice.Secondly,basedon analysis of t he current problem of intelligent cont rol,t his paper present s that t he resolution of charact erist ic modeling of complicat ed syst ems should be the key t o t he establishment of int elligent cont rol t heory system.T hirdly,it briefly introduces t he thought,met hod and necessary mat t er condit ion of int elligent charact erist ic modeling. Accordingly,this paper present s t he plan and st ruct ure of t hree kinds of intelligent cont rol.At last,t he essent ial t heory and t ool f or developing int elligent cont rol t heoryare discussed.Key words Practice-t heory-pract ice,complicated syst ems,int elligent charact erist ic model,int elligent control t heory1 引言控制技术和控制理论的发展方向是什么?应走什么样的路?这是控制界及有关人士一直非常关心的问题.本文想就此问题进行一些研究.其基本点是从实际需求和实际工程中存在的问题寻找发展方向,走实践-理论-实践之路.从实际控制工程中的一些现象、规律发现其本质的东西,从而产生真正的原创性理论和方法,再将此理论应用于实际工程考验和修正.回顾自动控制的发展历史,可以清楚地看到,它不仅产生于生产实践和科学实验,而且随着生产和科学技术的发展而发展.其水平与当时生产和科学技术发展水平及要求紧密相关.20世纪40年代产生的经典控制理论和20世纪60年代产生的现代控制理论(本文暂称传统控制理论),其基本点是利用微分方程(传递函数)或状态空间法等数学解析方法描述被控对象(数学模型),根据简单的控制性能要求,按反馈理论和稳定性判据,采用频域法或时域法工具设计控制器,按数学解析方法求解控制量.传统控制理论所研究和适用的对象一般属于可线性化的、定常对象或用数学解析方法精确描述的、结构和参数已知的对象.当然对一些简单非线性和慢时变对象也可应用.传统控制理论对生产、科学实验和国防事业发展起了很大作用.然而,随着生产、科学技术和国防事业进一步发展的需要,所需控制的对象越来越复杂,且有时变和不确定性,难以(甚至不可能)用已有的数学解析方法描述被控对象,即使能用数学描述的,也非常复杂;另一方面,控制性能要求却很高,控制目标呈多层次、多样化的特点.这一切都使传统控制理论遇到了严重挑战,必须发展新的控制理论.为更具体说明这个问题,下面举三个例子.1)电解铝的工业生产过程控制,就是一类复杂控制系统,具有非线性和不确定性,被控变量不能直接连续测量,只能靠长时间间隔的化验.因此很难为这类系统建立输入输出的解析数学模型.另一方面,对电解铝过程中的氧化铝浓度控制和阳极效应预报准确度的要求都很高.不仅如此,还要求尽可能节能降耗.对于这类控制对象和控制要求,传统控制理论显得无能为力,成为国内外该行业的普遍性难题.2)航天器的控制问题.随着航天任务的新需要,航天器及其控制技术正向两个方向发展:一个方向是航天器结构上的轻质、挠性和大型复杂的变结构变参数特点,以及航天控制高精度、高可靠性和自主运行的要求;另一个方向是航天器小型微型结构及多星组成的星座、星网以及航天器在轨自主协调飞行(或编队飞行)要求.对于上述特点和要求,传统控制同样遇到了困难.所以杨嘉墀院士在1995年就指出“由于传统控制技术在空间飞行器姿态和轨道控制方面存在的问题,各空间国家10多年前就发展智能自主控制技术,对中国来说,发展这项技术更有其必要性”[1].20世纪60年代提出的智能控制,是一种拟人的智能的控制,它应具备如下功能[2]:1)对获取各种信息进行定性与定量、模糊与精确的处理能力;2)在线学习、修改和生成新知识和记忆的能力;3)把已有理论与人们的经验相结合,归纳、演绎,进行推理决策的能力;4)对系统故障及运行中遇到突发事故临场处理的能力.总之,作为智能控制的最基本特点是自学习、自组织和自适应能力.这正是上述复杂对象及其控制要求所希望的控制理论和方法.对这种智能控制,尽管目前还没有统一的定义和控制器设计的完整理论.但它的出现,如分层递阶智能控制、专家控制、模糊控制、神经网络控制、某些自适应控制和各种拟人的智能控制方法[3,4]确实解决了一些传统控制技术难以解决的问题,所以深受人们的欢迎和关注.作为控制科学和技术的理论,它必须经历一个过程才能产生,必须在大量实践基础上才能完成.已有的传统控制理论正是经历了这样的过程.在两千年前,我国就发明了开环自动调节系统——指南车.一千年前的北宋年间,就发明了闭环自动调节系统——水运仪象31增刊 吴宏鑫:智能特征模型和智能控制32自 动 化 学 报 28卷台[5],而作为控制理论只是到了现代工业和科学技术发展的20世纪40年代以后,在总结吸收历史上控制技术的成果和实际工程成果,以及数学等其它相关科学成果的基础上,才发展成了今天的传统控制理论.而目前需要研究的智能控制理论更是一门综合性很强的控制理论,它不仅要包括吸取已有控制理论和控制技术成果,还必须包括计算技术、人工智能技术、信息论成果,必须有新的数学科学的发展,所以本人认为一个完整的智能控制理论形成和完善必须有一个控制技术发展过程.现在出现的一些智能控制方法或技术,之所以尚不能称完整的理论,就是这些智能控制方法,大都是构造一种智能控制器形式,在现场试凑控制系统,是人们的经验规则和一些新的控制技术.尤其是控制器设计的依据是什么,控制器进入实际运行前预知的其运行后的理论结果如何,控制系统的能控性、稳定性判据准则等,都还不能从理论上得到回答.在几十年从事航天控制与工业控制的实际工作中,本人深感为发展控制技术和控制理论,还应抓住控制的三要素,即对象的情况和特点、控制性能要求、控制器设计的工具(包括数学工具).现在文献上介绍一些智能控制方法,如模糊控制等主要从控制器结构上考虑问题,未从被控对象上研究.其原因是传统控制的建模思想满足不了模糊控制器的要求.这样就不可避免地要靠在具体对象上试凑控制器结构和参数,这种做法在一些情况下是可行的,但在另一些情况下是不行的,如航天控制.所以本文认为智能控制理论一个突破口是要提出新的建模理论和方法.经过研究与多年实际工程应用,本文将提出一个智能建模的理论——智能特征建模的理论和方法,有了这一条,控制器的设计就有了设计基础.2 智能特征模型2.1 智能特征模型所谓特征模型[6],就是根据对象的动力学特征、环境特征和控制性能要求所建的模型,而不仅仅是以对象精确的动力学方程来建模,特征模型的特点如下:1)在同样输入控制作用下,对象特征模型和实际对象在输出上是等价的(即在动态过程中能保持在允许的输出误差内),在稳态情况下,输出是相等的;2)特征模型的形式和阶次除考虑对象特征外,主要取决于控制性能要求;3)特征建模的形式应比原动力学方程简单,工程实现容易、方便;4)特征模型与一般高阶系统的降阶模型不同,它是把高阶模型的有关信息都压缩在几个特征参量之中,一般情况下,特征模型可用慢时变差分方程描述,一般的降阶模型可看作特征模型的特例.所谓智能特征建模,就是利用智能的方法或用人工智能技术建立特征模型.特征模型又随对象复杂性分为确定性特征模型和特征估计型特征模型.一般高阶线性定常、阶次和参数未知的对象,简单的非线性系统和简单慢时变系统,控制性能要求为恒值控制或位置跟踪等简单要求,均可建立确定性特征模型[6].对于具有严重非线性、强烈不确定性特点的对象以及控制要求复杂的情况,其特征模型也具有不确定性,不唯一解.这方面必须依靠专家经验规则、在线学习、逻辑推理方法.所以也称这种模型为特征估计型特征模型.智能特征模型是一系列子特征模型的集合和集成.经综合分析、推理决策获得可作为控制器设计依据的输入输出的对应关系,并能在线不断修正特征模型,这种特征建模的具体形式将另文发表.2.2 智能特征模型已在实际中应用特征模型的思想和方法,早已被人们不自觉地应用.由于一些对象,其数学模型不清楚而控制性能简单.传统控制理论完整方法设计控制器有困难,而工程实际又必须解决问题.人们从工程实践的经验和基本理论,提出的PID 控制、模糊控制、专家控制等,表面上看这些控制器都是不考虑对象模型的,实际上这些控制器之所以能应用,根本点在于它们是以对象特征模型为依据.下面以PID 调节器为例(工业控制包括航天控制80%仍用此控制方法),从两方面入手分析此问题.1)从特征建模的观点分析问题i)在文献[6]中已分析的一般线性定常高阶参数未知的对象,其特征模型均可用一个二阶慢时变差分形式的特征模型描述(1a).在工作点附近一般又可按二阶定常形式的特征模型描述对象(1b ),即y (k +1)=f 1(k )y (k )+f 2(k )y (k -1)+g 0(k )u (k )+g 1(k )u (k -1)(1a)y (k +1)=f 1y (k )+f 2y (k -1)+g 0u (k )+g 1u (k -1)(1b)或用连续微分方程描述d 2y d t 2+a 1(t )d y d t +a 2(t )y (t )=b 0(t )u (t )+b 1(t )d u d t (2a)d 2y d t 2+a 1d y d t +a 2y (t )=b 0u (t )+b 1u (2b)ii)一般简单的非线性系统也可写成式(1a)(1b)或(2a)(2b)形式.根据式(1)或式(2)设计线性控制器.从工程角度看,为满足恒值控制要求的控制器,都可归为误差的比例、误差的积分、误差的微分.控制器的表达式可写成PID 形式u (k )=k p e (k )+k i ∑ki =1e (i )+k d (e (k )-e (k -1))(3a)或u (t )=k p e (t )+k i ∫t 0e (t )d t +k d d e d t (3b)实际工业对象80%都可用此特征模型建模,所以也就出现了80%的工业对象均可用PID 调节器的情况.2)从模糊控制器结构形式分析问题一般双输入单输出(e , e ,u )的模糊控制器,实际上也是根据对象的特征,即特征模型,将PID 调节器设计思想与人的经验相结合,利用模糊数学这个工具,而建立模糊控制器.当在PID 或模糊控制中进一步增加人的智能、人的逻辑推理等手段则可形成高级的PID 或智能PID,以及高级模糊控制,如自适应模糊控制等.综观现有的某些智能控制器,表面上看不依赖对象模型,实际上都是以对象特征模型为基础设计的.对于这类对象及智能控制方法.本文称基于确定性特征模型的智能控制.2.3 特征估计的特征模型对于一些很难用数学方程描述的非线性、不确定性,尤其是输出被控变量也无法直接连续测量的对象,需要建立两类特征估计型的特征模型.1)对输出变量估计的特征模型33增刊 吴宏鑫:智能特征模型和智能控制34自 动 化 学 报 28卷对于不能直接测量输出被控变量的对象,可由其它可连续测量的变量,建立一个与输出变量非唯一关系的估计型的特征模型.如电解铝过程中氧化铝浓度与表观电阻是一个非线性且具有不确定性的关系.根据这个关系不能由表观电阻唯一确定氧化铝浓度.但可得一个估计值.有了这个估计,再根据物料平衡对其不确定性因素的分析,利用专家经验规则,进行逻辑推理与长时间间隔校验修正,即可确定氧化铝浓度.2)输入控制量与输出被控变量特征估计的特征模型该特征模型由四种形式组成:i)对象动力学方程的确定性特征模型;ii)输入输出物理机理关系的准确的或估计型的特征模型;iii)根据开放式专家经验规则,在线学习、逻辑推理等定性或定量相结合的特征估计的特征模型;iv)由信息数据或在线辨识所建立的与控制要求相结合的特征模型.其建模的具体方法,根据有关文献有模糊建模、神经网络建模等.上述四种子特征模型根据对象复杂性与控制要求不同可选用其i)～iv)类不同数量的子特征模型组成一个特征模型集合.再利用人工智能技术在线学习、分析、推理、判断决策和在线校验方式相结合,确立一个总特征模型.2.4 智能特征模型的物质基础任何一门技术学科,其产生、存在和发展的条件必然与当时的物质基础相适应.传统控制理论建模的最基本点是静中建模,尽可能用一种固定结构和固定参数来描述对象模型.这与当时的条件有关.在那个时代,主要靠机电部件等“硬件”结构组成控制器,实现闭环控制.如果控制器结构和参数在控制过程中变化、变动,则在无计算机时代是不可能实现控制的.因此,人们在建模与控制器设计上必须符合这个特定条件.而今天,计算机技术如此发达,人工智能技术和信息论如此之发展,控制技术和控制理论应在新条件进行变革性发展.所以本文提出智能特征建模则是一种动中建模,即在控制过程中,对象模型和控制器模型从结构到参数均可变动,按需求在可能允许范围内变动.这种变化的特点在今天是可以实现的.这为提高控制性能,实现目标多样化控制要求提供条件.这一切说明了特征建模不但必要,而且可能实现.3 智能控制器设计问题智能控制随其智能化程度不同可分为三类:初级智能控制、中级智能控制和高级智能控制.3.1 初级智能控制所谓初级智能控制,就是基于确定性特征模型.根据反馈控制理论,利用人的经验与已有的或创新的一些控制方法,构造一种控制器结构形式.如专家系统、模糊控制、智能PID 控制等.然后,通过在线辨识和人在现场试凑控制器的某些参数.这类智能控制器,从表面上似乎不靠对象模型,实际上是按照对象特征模型来设计控制器结构的.产生这种现象的原因在于传统控制理论建模过于数学化,对象建模不能适应控制器需要.如航天器控制按动力学建模,阶次甚高,非常复杂,然而控制器设计却很简单,如PID控制.实际上航天器所建动力学模型的作用,作为仿真对象是很有用的,而作为控制器设计依据,作用似乎不明显.又如石化系统中,一些复杂过程控制,按精确建模也很复杂,而实际上用一个PID也解决问题.这说明原先的思想有不足之处,即原先建模不适应为控制器设计需要,而过分强调对象本身的动力学方程.所以本文提出特征建模,可解决建模与控制器设计的不协调问题.基于特征模型设计控制器方法很多.下面就本文作者亲自参与的五类对象(航天器控制、冶金工业过程控制、石化过程控制、造纸工业控制、啤酒和发酵控制)300多个实际系统所遇到的问题及20多年的经验总结,并在吸取前人成果的基础上,提出一种非线性黄金分割智能控制方法.这个方法的基本点是:1)根据慢变或定常二阶特征模型对象,构造基本的非线性黄金分割控制器;2)按控制性能要求(如过度过程时间、超调、稳态误差等),由专家经验规则、逻辑推理在线自动调节该控制器有关参数,通过智能手段保证系统控制性能要求进行工作;3)在参数未知情况下,根据特征模型,利用李亚普诺夫稳定判据可以证明系统的稳定性[7,8];4)这种智能控制器能适用于一般高阶线性定常、阶次和参数未知对象的控制,能适用一般不复杂的非线性系统和一些慢时变对象的控制,并且已在一些工程对象上有成功应用[9];5)这种基于特征模型的非线性黄金分割智能控制器具体表达式、稳定性证明及实际应用将另文发表.3.2 中级智能控制所谓中级智能控制,就是基于智能特征模型(或者说是基于不确定性特征模型或特征估计的特征模型),利用智能的方法建立特征模型之交集.根据反馈与预测控制的原理,按不同控制周期组成内外不同的多个控制环节.利用专家经验规则、知识库、在线学习、逻辑推理综合决策等智能技术,以实现多个控制目标的控制要求.这种智能控制方法,主要针对的被控对象是难以写出输入输出确定性特征关系的、不确定的复杂系统.不仅如此,这类对象的输出控制变量也无法在线测量,只能间断的离线测量.而其它变量与此输出值又无唯一对应关系.只能有一个模糊的不唯一的估计关系.很多冶金工业、化工过程中浓度、能耗和质量等控制都属于此类控制系统.所以对此类复杂系统的智能控制,系统设计应分三步进行.第一步应建两类特征模型:1)输出被控变量的特征估计模型;2)输入输出关系特征估计的特征模型.第二步是根据多目标、多样性的控制要求,按预测和反馈相结合的理论,设计多层次不同控制周期的多个子开环和闭环系统.例如,输出被控变量无法实时获得,只能根据估计特征模型、专家经验规则,利用知识库、数据库信息,按预测理论进行开环控制.一般说开环控制周期短,当进行一定时间预测开环控制后,应反馈闭环修正预测控制律和特征模型.对于要长时间才能获取的控制目标,如电解铝中的阳极效应预报和控制,质量和能耗控制都必须运行一定时间才能确定其效果的好坏.对于这样的目标,除局部最优考虑外,必须在大周期情况下才有结果.根据大周期结果的好坏决策修改控制律和参数.第三步具体控制器设计,目前出现的一些智能控制方法,如模糊控制、自适应控制、神经网络控制等都可以作为其子控制器.但作为本智能控制器设计,首先应对各控制目标和控制性能进行分析、分解.其次是根据特征模型设计具体子智能控制器.最后按总的要求,协调、调用各种控制策略.这类控制器结构框图如图1所示,其中智能控制器由7部分组成:1)被控对象;2)测量及特征输出模型;3)输入输出关系的特征模型;4)子控制器;5)智能决策机构;6)智能化管理机构;7)控制要求部分(这里未考虑故障处理机构).各个子控制器设计方法有多种,本文想介绍一种:智能决策自适应模糊控制器.该控制器已成功应用于电解铝过程控制,取得了氧化铝浓度低、阳极效应预报准确率高和节省能耗的效果.这种智能决策的自适应模糊控制器,由三个环路组成,每一环路都针对一个控制目标要求,具体形式和设计可参见文献[10].35增刊 吴宏鑫:智能特征模型和智能控制3.3 高级智能控制关于高级智能控制,应具有更高智能化,但研究与应用不够,暂不叙述.4 关于智能控制的一些基本理论与工具针对不确定复杂系统设计智能控制器,其特点是以构造型结构为主,以专家经验规律、知识库和在线学习修改知识为主要手段,按反馈与预测理论设计控制器.整个系统闭环后能否保证稳定,控制目标能否达到,传统控制理论由于其局限性回答不了上述问题.已有的能控性和稳定性判据难以回答上述问题.因此需要研究新的稳定性判据理论和系统的能观性、控制目标能达性理论.为解决上述问题需要做以下工作.1)必须研究这些理论和智能控制器设计所用的新的数学工具——控制数学.从工程实践需求和存在的问题出发,总结已有控制数学之不足,提出新的数学工具,尤其要从不断出现的一些智能技术中总结和研究控制数学问题.数学在控制理论中具有极其重要的作用.因此,作为控制数学的研究,首先要围绕控制问题进行研究,而不能让控制技术围绕数学去研究.在控制中数学是工具,数学并不等于控制.那种单纯的以数学标准去看控制问题是片面的.中国过去有一位控制理论和数学家曾说过如下大意的话:对一个控制专家来说,越是复杂对象,能用最简单的数学来解决控制问题,其水平越高.反之一个简单对象的控制问题用复杂的数学方法去解决,只能说明其水平很低.按照这个思路来考虑问题,研究智能控制出现和发展中需要的新的数学工具,是控制工程师们所希望的.2)研究新的计算机问题.新的计算机是智能控制理论和技术能存在和起作用的载体,是基本条件.由于智能控制的需求,对计算机提出了新的要求,如速度、存储量、智能化水平等,当然也就推动了计算机技术的发展.3)研究人工智能及信息论与智能控制的关系.人工智能技术及信息论为智能控制开阔了眼界,提供了最有力的武器和解决复杂控制问题实用的工具.如何实现人机结合,如何把人的智能与计算机结合起来,是智能控制中必须解决的大问题.在这方面文献[11]已做了可喜的工作.当然尚待进一步研究.36自 动 化 学 报 28卷总之,以智能控制理论为主体,结合计算技术、人工智能技术和信息论,正确使用控制数学,认真总结和研究工程实际中的控制问题,新的智能控制理论必将出现,新一代的控制科学和控制技术必将为人类做出更加辉煌的贡献.5 小结本文是作者多年从事航天控制和工业控制的一些体会和想法.所提出的智能特征模型和智能控制已在航天和工业过程的复杂控制中取得了成功应用,但很多基本理论问题尚未解决,有待进一步研究.致谢 本文得到杨嘉墀院士、屠善澄院士指导,在此表示感谢.参考文献1杨嘉墀.中国空间计划中智能自主控制技术的发展.In :IFAC /IAC A'95,Beijing ,19952Song Jian .Control an d automatic b eyond the Century .In :14th w orld cong res s of IFAC ,Beijing ,19993孙增圻等.智能控制理论与技术.北京:清华大学出版社,19974涂序彦.人工智能及其应用.北京:电子工业出版社,19885钱学森,宋 健.工程控制论(修订版).北京:科学出版社,19606吴宏鑫等.特征建模与挠性结构的控制.中国科学(E 辑),2001,31(2):137～1497解永春,吴宏鑫.黄金分割在自适应鲁棒控制器设计中的应用.自动化学报,1992,18(2):177～1858齐春子,吴宏鑫,吕振铎.多变量全系数自适应控制系统稳定性的研究.控制理论与应用,2000,17(4):489～4949吴宏鑫等.基于对象特征模型描述的智能控制.自动化学报,1999,25(1):9～1710王迎春,耿长福,吴宏鑫.一种自适应模糊控制器及其在电解铝过程控制中的应用.航天控制,2001,19(4):22～2811戴汝为,王 珏,田 捷.智能系统的综合集成.杭州:浙江科学技术出版社,1995吴宏鑫 简介见本刊第28卷第3期.37增刊 吴宏鑫:智能特征模型和智能控制。
