1、共享知識分享快樂自動控制、現代控制與智能控制的關系一、基本區別控制理論發展至今已有 100 多年的歷史，經歷了“經典控制理論”和“現代控制理論”的發展階段，已進入“大系統理論”和“智能控制理論”階段。智能控制理論的研究和應用是現代控制理論在深度和廣度上的拓展。20 世紀 80 年代以來，信息技術、計算技術的快速發展及其他相關學科的發展和相互滲透，也推動了控制科學與工程研究的不斷深入，控制系統向智能控制系統的發展已成為一種趨勢。自動控制理論中建立在頻率響應法和根軌跡法基礎上的一個分支。經典控制理論的研究對象是單輸入、 單輸出的自動控制系統， 特別是線性定常系統。 經典控制理論的特點是以輸入輸出特

2、性 （主要是傳遞函數） 為系統數學模型， 采用頻率響應法和根軌跡法這些圖解分析方法， 分析系統性能和設計控制裝置。經典控制理論的數學基礎是拉普拉斯變換，占主導地位的分析和綜合方法是頻率域方法。建立在狀態空間法基礎上的一種控制理論，是自動控制理論的一個主要組成部分。在現代控制理論中， 對控制系統的分析和設計主要是通過對系統的狀態變量的描述來進行的，基本的方法是時間域方法。現代控制理論比經典控制理論所能處理的控制問題要廣泛得多， 包括線性系統和非線性系統，定常系統和時變系統，單變量系統和多變量系統。它所采用的方法和算法也更適合于在數字計算機上進行。現代控制理論還為設計和構造具有指定的性能指標的最優

3、控制系統提供了可能性。智能控制（ intelligent controls ）在無人干預的情況下能自主地驅動智能機器實現控制目標的自動控制技術。二、華山論劍：自動控制的機遇與挑戰傳統控制理論在應用中面臨的難題包括：(1) 傳統控制系統的設計與分析是建立在已知系統精確數學模型的基礎上，而實際系統由于存在復雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數學模型；(2)研究這類系統時，必須提出并遵循一些比較苛刻的假設，而這些假設在應用中往往與實際不相吻合；(3) 對于某些復雜的和包含不確定性的對象，根本無法用傳統數學模型來表示，即無法解決建模問題；(4)為了提高性能，傳統控制系統可能

4、變得很復雜，從而增加了設備的初始投資和維修費用，降低了系統的可靠性。為了討論和研究自動控制面臨的挑戰，早在1986 年 9 月，美國國家科學基金會(NSF)及電氣與電子工程師學會(1EEE)的控制系統學會在加利福尼亞州桑克拉拉大學(University ofSanta Clare)聯合組織了一次名為“對控制的挑戰”的專題報告會。有50 多位知名的自動控制專家出席了這一會議。他們討論和確認了每個挑戰。根據與會自動控制專家的集體意見，他們發表了對控制的挑戰集體的觀點 ，洋洋數萬言，簡直成為這一挑戰的宣言書。到底為什么自動控制會面臨這一挑戰， 還面臨哪些挑戰， 以及在哪些研究領域存在挑戰呢 ?頁眉內

5、容共享知識分享快樂在自動控制發展的現階段，存在一些至關重要的挑戰是基于下列原因的：(1)科學技術間的相互影響和相互促進，例如，計算機、人工智能和超大規模集成電路等技術：(2)當前和未來應用的需求，例如，空間技術、海洋工程和機器人技術等應用要求；(3) 基本概念和時代進程的推動，例如，離散事件驅動、信息高速公路、 非傳統模型和人工神經網絡的連接機制等。面對這一挑戰，自動控制工作者的任務就是：(1)擴展視野、發展新的控制概念和控制方法，采用非完全模型控制系統；(2)采用在開始時知之甚少和不甚正確的，但可以在系統工作過程中加以在線改進，使之知之較多和愈臻正確的系統模型；從這些任務可以看出，系統與信息

6、理論以及人工智能思想和方法將深入建模過程，不把模型視為固定不變的，而是不斷深化的實體。 所開發的模型不僅含有解析與數值， 而且包含定性和符號數據。 它們是因果性的和動態的， 高度非同步的非解析的， 甚至是非數值的。 對于非完全已知的系統和非傳統數學模型描述的系統，必須建立包括控制律、控制算法、控制策略、控制規則和協議等理論。實質上，這就是要建立智能控制系統模型，或者建立傳統解析和智能方法的混合(集成 )控制模型，而其核心就在于實現控制器的智能化。面臨挑戰的控制領域有：多變量魯棒控制、自適應控制和容錯(Fault Tolerant)控制， 高度非線性控制和多因素或分散隨機控制、時空分布參數系統的

7、控制、含有離散變量和離散事件動態系統的控制、信號處理和通信技術、分布信息處理及決策結構的綜合設計方法、控制系統的集成設計及實驗環境和實現等。這些挑戰領域所研究的問題，廣泛地存在于工程技術應用中。例如：航天器和水下運動載體的恣態控制、先進飛機的自主控制、空中交通控制、汽車自動駕駛控制和多模態控制、機器人和機械手的運動和作業控制、計算機集成與柔性加工系統、 高速計算機通信系統或網絡、基于計算機視覺和模式識別的在線控制以及電力系統和其它系統或設備的故障自動檢測、診斷與自動恢復系統等。上述領域面臨問題的解決，不僅需要發展控制理論與方法，而且需要開發與應用計算機科學與工程的最新成果。進入90 年代以來計

8、算機科學在工業控制中的應用問題已引起學術界越來越廣泛的重視與深入研究。其中，最有代表性的是由IEEE控制系統學會和國際自動控制聯合會 (1FAC)理論委員會合作進行的題為“計算機科學面臨工業控制應用的挑戰”的研究計劃。 該合作研究計劃指出： 開發大型的實時控制與信號處理系統是工程界面臨的最具挑戰的任務之一，這涉及硬件、軟件和智能(尤其是算法 )的結合，而系統集成又需要先進的工程管理技術。設立這一迎接挑戰的研究計劃基于以下幾個因素：(1)工業部門往往無法有效地把數學技術的最新進展用于控制和信號處理，以便提高實時系統的智能水平(Intelligent Level) ； (2)控制學術界又常常不清楚

9、如何在工業上控制控制系統硬件、軟件和智能三者的集成開發，自動控制界和計算機科學界在工業和學術兩方面的對話與有效合作仍然是個需要進一步解決的問題； (3)在開發大型的實時系統時，了解硬件、軟件和智能應如何結合以及該系統的算法應如何設計；(4)評價由收集專家經驗或利用數學模型以及依靠控制和信號處理的數學技術而得到的智能的相關價值；(5)建議重新樹立控制和計算機科學的傳統學術形象，以求組成一個更加統一的實時與動態系統科學。智能控制的產生和發展為自動控制系統的智能化提供有力支持。人工智能影響了許多具有不同背景的學科，它的發展已促進自動控制向著更高的水平智能控制(IntelligentContro1)

10、發展。人工智能和計算機科學界已經提出一些方法、示例和技術，用于解決自動控制面臨的難題。例如，簡化處理松散結構的啟發式軟件方法(專家系統外殼、面向對象程序設計和再生軟件等)；基于角色 (Actor) 或媒介 (Agent) 的處理超大規模系統的軟件模型；模糊信息處理與控制技術以及基于信息論和人工神經網絡的控制思想和方法等。頁眉內容共享知識分享快樂智能控制是一種能更好地模仿人類智能的、非傳統的控制方法，它采用的理論方法則主要來自自動控制理論、人工智能和運籌學等學科分支。內容包括最優控制、自適應控制、魯棒控制、神經網絡控制、 模糊控制、 仿人控制等。 其控制對象可以是已知系統也可以是未知系統， 大多

11、數的控制策略不僅能抑制外界干擾、環境變化、參數變化的影響，還能有效地消除模型化誤差的影響。三、珠峰對決：本質上的關系最本質的區別是解決問題的思路不一樣。經典控制與現代控制雖然看起來完全不同，但是本質上都一樣， 就是建立控制對象的數學模型，然后設計一個數學模型形式的控制器達到控制目的， 區別只是前者建立的是微分方程或者叫做pid 控制，后者建立的是狀態方程，類似于數學當中的線性微分方程組。而最優控制， 魯棒控制等問題不論是基于經典控制理論還是基于現代控制理論，都脫離不了本質必須建立被控對象的數學模型，也包括02 年提出的 foc 控制。智能控制則采取的是全新的思路。它采取了人的思維方式，建立邏輯

12、模型，使用類似人腦的控制方法來進行控制。智能控制是以控制理論、計算機科學、人工智能、運籌學等學科為基礎, 擴展了相關的理論和技術 , 其中應用較多的有模糊邏輯、神經網絡、專家系統、遺傳算法等理論和自適應控制、自組織控制、自學習控制等技術。專家系統專家系統是利用專家知識對專門的或困難的問題進行描述.用專家系統所構成的專家控制 , 無論是專家控制系統還是專家控制器, 其相對工程費用較高, 而且還涉及自動地獲取知識困難、 無自學能力、 知識面太窄等問題.盡管專家系統在解決復雜的高級推理中獲得較為成功的應用, 但是專家控制的實際應用相對還是比較少。模糊邏輯模糊邏輯用模糊語言描述系統, 既可以描述應用系

13、統的定量模型也可以描述其定性模型 .模糊邏輯可適用于任意復雜的對象控制.但在實際應用中模糊邏輯實現簡單的應用控制比較容易 . 簡單控制是指單輸入單輸出系統 (SISO) 或多輸入單輸出系統 (MISO) 的控制 . 因為隨著輸入輸出變量的增加 , 模糊邏輯的推理將變得非常復雜。遺傳算法遺傳算法作為一種非確定的擬自然隨機優化工具, 具有并行計算、 快速尋找全局最優解等特點, 它可以和其他技術混合使用, 用于智能控制的參數、 結構或環境的最優控制。神經網絡神經網絡是利用大量的神經元按一定的拓撲結構和學習調整方法.它能表示出豐富的特性：并行計算、分布存儲、可變結構、高度容錯、非線性運算、自我組織、學

14、習頁眉內容共享知識分享快樂或自學習等 . 這些特性是人們長期追求和期望的系統特性.它在智能控制的參數、 結構或環境的自適應、 自組織、自學習等控制方面具有獨特的能力.神經網絡可以和模糊邏輯一樣適用于任意復雜對象的控制 , 但它與模糊邏輯不同的是擅長單輸入多輸出系統和多輸入多輸出系統的多變量控制 . 在模糊邏輯表示的SIMO 系統和 MIMO 系統中 , 其模糊推理、解模糊過程以及學習控制等功能常用神經網絡來實現. 模糊神經網絡技術和神經模糊邏輯技術：模糊邏輯和神經網絡作為智能控制的主要技術已被廣泛應用.兩者既有相同性又有不同性. 其相同性為：兩者都可作為萬能逼近器解決非線性問題, 并且兩者都可

15、以應用到控制器設計中.不同的是：模糊邏輯可以利用語言信息描述系統, 而神經網絡則不行 ; 模糊邏輯應用到控制器設計中 , 其參數定義有明確的物理意義。智能變送器掌上編程器因而可提出有效的初始參數選擇方法; 神經網絡的初始參數( 如權值等 )只能隨機選擇 .但在學習方式下, 神經網絡經過各種訓練, 其參數設置可以達到滿足控制所需的行為.模糊邏輯和神經網絡都是模仿人類大腦的運行機制, 可以認為神經網絡技術模仿人類大腦的硬件, 模糊邏輯技術模仿人類大腦的軟件.根據模糊邏輯和神經網絡的各自特點 , 所結合的技術即為模糊神經網絡技術和神經模糊邏輯技術.模糊邏輯、神經網絡和它們混合技術適用于各種學習方式智

16、能控制的相關技術與控制方式結合或綜合交叉結合,構成風格和功能各異的智能控制系統和智能控制器是智能控制技術方法的一個主要特點。智能控制主要應用存在的情況： 實際系統由于存在復雜性、非線性、時變性、 不確定性和不完全性等，一般無法獲得精確的數學模型。應用傳統控制理論進行控制必須提出并遵循一些比較苛刻的線性化假設，而這些假設在應用中往往與實際情況不相吻合。對于某些復雜的和飽含不確定性的控制過程，根本無法用傳統數學模型來表示， 即無法解決建模問題。 為了提高控制性能， 傳統控制系統可能變得很復雜，從而增加了設備的投資，減低了系統的可靠性。四、智能控制在各行各業的應用：1. 工業過程中的智能控制生產過程

17、的智能控制主要包括兩個方面：局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設計，例如智能PID 控制器、 專家控制器、 神經元網絡控制器等。 研究熱點是智能PID 控制器， 因為其在參數的整定和在線自適應調整方面具頁眉內容共享知識分享快樂有明顯的優勢， 且可用于控制一些非線性的復雜對象。 全局級的智能控制主要針對整個生產過程的自動化，包括整個操作工藝的控制、過程的故障診斷、規劃過程操作處理異常等。2. 機械制造中的智能控制在現代先進制造系統中，需要依賴那些不夠完備和不夠精確的數據來解決難以或無法預測的情況， 人工智能技術為解決這一難題提供了有效的解決方案。智能控制

18、隨之也被廣泛地應用于機械制造行業，它利用模糊數學、神經網絡的方法對制造過程進行動態環境建模，利用傳感器融合技術來進行信息的預處理和綜合。可采用專家系統的“Then-If”逆向推理作為反饋機構， 修改控制機構或者選擇較好的控制模式和參數。利用模糊集合和模糊關系的魯棒性，將模糊信息集成到閉環控制的外環決策選取機構來選擇控制動作。利用神經網絡的學習功能和并行處理信息的能力，進行在線的模式識別，處理那些可能是殘缺不全的信息。3. 電力電子學研究領域中的智能控制電力系統中發電機、變壓器、電動機等電機電器設備的設計、生產、運行、控制是一個復雜的過程， 國內外的電氣工作者將人工智能技術引入到電氣設備的優化設

19、計、故障診斷及控制中， 取得了良好的控制效果。遺傳算法是一種先進的優化算法，采用此方法來對電器設備的設計進行優化，可以降低成本, 縮短計算時間，提高產品設計的效率和質量。應用于電氣設備故障診斷的智能控制技術有：模糊邏輯、 專家系統和神經網絡。在電力電子學的眾多應用領域中， 智能控制在電流控制PWM技術中的應用是具有代表性的技術應用方向之一，也是研究的新熱點之一。五、智能控制類型及介紹1. 人工神經網絡控制系統神經網絡是指由大量與生物神經系統的神經細胞相類似的人工神經元互連而組成的網絡; 或由大量象生物神經元的處理單元并聯互連而成 . 這種神經網絡具有某些智能和仿人控制功能 .學習算法是神經網絡

20、的主要特征，也是當前研究的主要課題. 學習的概念來自生物模型，它是機體在復雜多變的環境中進行有效的自我調節. 神經網絡具備類似人類的學習功能. 一頁眉內容共享知識分享快樂個神經網絡若想改變其輸出值，但又不能改變它的轉換函數，只能改變其輸人, 而改變輸人的唯一方法只能修改加在輸人端的加權系數.神經網絡的學習過程是修改加權系數的過程，最終使其輸出達到期望值，學習結束. 常用的學習算法有：Hebb學習算法， widrow Hoff學習算法，反向傳播學習算法一BP學習算法， Hopfield反饋神經網絡學習算法等。2. 模糊控制系統所謂模糊控制， 就是在被控制對象的模糊模型的基礎上， 運用模糊控制器近

21、似推理手段，實現系統控制的一種方法 . 模糊模型是用模糊語言和規則描述的一個系統的動態特性及性能指標 .模糊控制的基本思想是用機器去模擬人對系統的控制. 它是受這樣事實而啟發的：對于用傳統控制理論無法進行分析和控制的復雜的和無法建立數學模型的系統，有經驗的操作者或專家卻能取得比較好的控制效果，這是因為他們擁有日積月累的豐富經驗，因此人們希望把這種經驗指導下的行為過程總結成一些規則，并根據這些規則設計出控制器. 然后運用模糊理論， 模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數值運算，從而能夠利用計算機來完成對這些規則的具體實現，達到以機器代替人對某些對象進行自動控制的目的。模糊邏輯

22、用模糊語言描述系統，既可以描述應用系統的定量模型也可以描述其定性模型.模糊邏輯可適用于任意復雜的對象控制.但在實際應用中模糊邏輯實現簡單的應用控制比較容易 .簡單控制是指單輸入單輸出系統(SISO)或多輸入單輸出系統(MISO) 的控制 .因為隨著輸入輸出變量的增加，模糊邏輯的推理將變得非常復雜。3. 學習控制系統學習是人類的主要智能之一，人類的各項活動也需要學習. 在人類的進化過程中, 學習功能起著十分重要的作用. 學習控制正是模擬人類自身各種優良的控制調節機制的一種嘗試.所謂學習是一種過程，它通過重復輸人信號，并從外部校正該系統，從而使系統對特定輸人具有特定響應 . 學習控制系統是一個能在其運行過程中逐步獲得受控過程及環境的非預知信息，積累控制經驗，并在一定的評價標準下進行估值，分類，決策和不斷改善系統品質的自動控制系統。頁眉內容共享知識分享快樂4. 遺傳算法學習控制智能控制是通過計算機實現對系統的控制，因此控制技術離不開優化技術。快速、高效、全局化的優化算法是實現智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機制的一種搜索和優化算法， 它模擬生物界 /