控制科學(xué)與技術(shù)的發(fā)展及其思考

1、控制科學(xué)與技術(shù)的發(fā)展及其思考1 控制科學(xué)與技術(shù)的發(fā)展?fàn)顩r控制科學(xué)與技術(shù)在20 世紀(jì)的人類科技進(jìn)步中起到了舉足輕重的作用， 為了解決當(dāng)今社會(huì)的許多挑戰(zhàn)性問(wèn)題產(chǎn)生了積極的影響， 提供了科學(xué)的思想方法論；為許多產(chǎn)業(yè)領(lǐng)域?qū)崿F(xiàn)自動(dòng)化奠定了理論基礎(chǔ)，提供了先進(jìn)的生產(chǎn)技術(shù)和先進(jìn)的控制儀器及裝備。 特別是數(shù)字計(jì)算機(jī)的廣泛使用，為控制科學(xué)與技術(shù)開(kāi)辟了更廣泛的應(yīng)用領(lǐng)域?；仡櫧倌陙?lái)的工程技術(shù)的發(fā)展，可以看到， 20 世紀(jì)的控制科學(xué)與技術(shù)是在實(shí)踐的重大需求驅(qū)動(dòng)下快速發(fā)展的， 他經(jīng)歷了若干重要的發(fā)展時(shí)期，如 20 世紀(jì)初的 lyapunov 穩(wěn)定理論和 pid 控制律概念； 20 年代的反饋放大器； 30 年代的 n

2、yquist 與 bode 圖； 40 年代維納的控制論； 50 年代貝爾曼動(dòng)態(tài)規(guī)劃理論和龐特里亞金極大值原理； 60 年代卡爾曼濾波器、系統(tǒng)狀態(tài)空間法、系統(tǒng)能控性和能觀性； 70 年代的自校正控制和自適應(yīng)控制； 80 年代針對(duì)系統(tǒng)不確定狀況的魯棒控制；90年代基于智能信息處理的智能控制理論。中國(guó)控制學(xué)科界的許多學(xué)者為控制理論和技術(shù)的發(fā)展也做出重要的貢獻(xiàn)。 隨著計(jì)算機(jī)科學(xué)、網(wǎng)絡(luò)和智能信息處理技術(shù)的進(jìn)步，以及社會(huì)生產(chǎn)力發(fā)展的強(qiáng)烈需求，在如何解決日益增加的復(fù)雜系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、多傳感 器信息融合、 生物、 基因、 量子計(jì)算、 社會(huì)經(jīng)濟(jì)與生態(tài)等重大問(wèn)題上，控制科學(xué)和自動(dòng)化領(lǐng)域的研究者們?cè)?1 世紀(jì)初面

3、臨著更重大的、 更為迫切的挑戰(zhàn)。近 30 年來(lái)，控制科學(xué)在非線性系統(tǒng)控制、分布參數(shù)系統(tǒng)控制、系統(tǒng)辨識(shí)、 隨機(jī)與自適應(yīng)控制、 魯棒控制、 離散事件系統(tǒng)和混合系統(tǒng)、智能控制等研究方向上取得了許多重要進(jìn)展。 在 21 世紀(jì)初的十幾年，這些方向仍將是控制科學(xué)發(fā)展的主要研究方向， 它們之間的交叉與結(jié)合，將形成許多應(yīng)用性更強(qiáng)的重要研究方向。非線性控制是控制理論中一個(gè)重要的研究分支， 目前在該方向的一些研究成果已應(yīng)用于機(jī)器人、 直升飛機(jī)與電力系統(tǒng)控制等實(shí)際控制工程中。 可以預(yù)見(jiàn)， 非線性控制理論的進(jìn)一步發(fā)展， 將對(duì)多機(jī)器人系統(tǒng)協(xié)調(diào)操作與大型網(wǎng)絡(luò)穩(wěn)定安全為背景的非線性系統(tǒng)的控制工程等產(chǎn)生重大影響。 混沌系統(tǒng)作

4、為非線性系統(tǒng)的重要組成部分， 在混沌生成、 混沌抑制、 混沌同步化、 混沌通訊應(yīng)用以及混沌信息編碼等方面已經(jīng)取得一些突破性的進(jìn)展。 這些研究成果將對(duì)復(fù)雜系統(tǒng)的深入研究提供了有意義的借鑒。自 20 世紀(jì) 70 年代開(kāi)始，國(guó)內(nèi)外學(xué)者開(kāi)始重視分布參數(shù)系統(tǒng)的研究。分布參數(shù)系統(tǒng)是無(wú)窮維系統(tǒng)，一般由偏微分方程、積分方程、泛函微分方程或抽象空間中的微分方程所描述。 我國(guó)學(xué)者在細(xì)長(zhǎng)體彈性振動(dòng)系統(tǒng)的建模和振動(dòng)控制、 振動(dòng)系統(tǒng)的譜分析、 能控性和反饋鎮(zhèn)定、 一般無(wú)窮維系統(tǒng)的極大值原理、 人口系統(tǒng)控制、 人口預(yù)測(cè)和控制 等方面都做出了重要貢獻(xiàn)。由于實(shí)際系統(tǒng)的復(fù)雜性，人們往往很難(或不可能)從基本的物理定律出發(fā)直接推

5、導(dǎo)出系統(tǒng)的數(shù)學(xué)模型， 這就需要利用可以測(cè)量的系統(tǒng)輸入和輸出數(shù)據(jù)， 來(lái)構(gòu)造系統(tǒng)內(nèi)結(jié)構(gòu)及參數(shù)的估計(jì)， 并研究估計(jì)的可靠性和精度等問(wèn)題，這就是系統(tǒng)辨識(shí)的任務(wù)。 20 世紀(jì) 90 年代，線性系統(tǒng)辨識(shí)理論趨于成熟，而非線性系統(tǒng)的辨識(shí)仍處于發(fā)展階段。近 10 年來(lái)， 系統(tǒng)辨識(shí)領(lǐng)域有3 個(gè)熱點(diǎn)研究方向： 基于魯棒控制的數(shù)學(xué)模型要求的魯棒辨識(shí)， 基于特殊信號(hào)驅(qū)動(dòng)下的系統(tǒng)辨識(shí)和基于智能信息處理的非線性系統(tǒng)辨識(shí)。當(dāng)實(shí)際系統(tǒng)受到的外界干擾和系統(tǒng)模型誤差被看作為隨機(jī)噪聲時(shí)，我們把這類系統(tǒng)稱為隨機(jī)系統(tǒng)。近年來(lái)，在非線性濾波、隨機(jī)極大值原理、 隨機(jī)最優(yōu)控制綜合等方面已有新的進(jìn)展。 人們?yōu)榱藢で竽軌驅(qū)嶋H應(yīng)用并且性能良好的控

6、制算法，由 “分離思想 ”和 “必然等價(jià)思想”發(fā)展了自適應(yīng)控制的理論和方法。在科學(xué)研究和工程實(shí)踐中，自適應(yīng)算法已經(jīng)成為一種非常有效的重要方法。一般地， 系統(tǒng)的數(shù)學(xué)模型與實(shí)際系統(tǒng)存在著參數(shù)或結(jié)構(gòu)等方面的差異， 而我們?cè)O(shè)計(jì)的控制律大多都是基于系統(tǒng)的數(shù)學(xué)模型， 為了保證實(shí)際系統(tǒng)對(duì)外界干擾、 系統(tǒng)的不確定性等有盡可能小的敏感性， 導(dǎo)致了研究系統(tǒng)魯棒控制問(wèn)題。近年來(lái)，對(duì)非線性系統(tǒng)的魯棒適應(yīng)控制16 的 研 究 已 成 為 一 個(gè) 熱 點(diǎn) 方 向 。 人 工 神 經(jīng) 網(wǎng) 方 法 、 滑 動(dòng) 模( sliding-mode )方法及魯棒控制方法的結(jié)合可以設(shè)計(jì)出對(duì)一大類連續(xù)時(shí)間非線性系統(tǒng)穩(wěn)定的自適應(yīng)控制律17

7、 。 20 世紀(jì) 80 年代出現(xiàn)的he設(shè)計(jì)方法和變結(jié)構(gòu)控制（滑摸控制）推動(dòng)了魯棒控制理論的發(fā)展?，F(xiàn)在，系統(tǒng)h范數(shù)已成為系統(tǒng)的重要性能指標(biāo)。 如何有效利 用過(guò)程信息來(lái)降低系統(tǒng)的不確定性， 是魯棒控制研究的重要內(nèi)容。 由于許多控制問(wèn)題可歸結(jié)為線性矩陣不等式（ lmi ）的研究， 20 世紀(jì)90 年代中期出現(xiàn)了關(guān)于lmi 的控制軟件工具。 近幾年， 非線性系統(tǒng)、時(shí)滯飽和系統(tǒng)、 時(shí)滯故障系統(tǒng)的魯棒綜合控制問(wèn)題已經(jīng)成為新的熱點(diǎn)研究方向， 而且已經(jīng)有不少應(yīng)用實(shí)例， 例如， 核反應(yīng)堆的溫度跟蹤魯棒控制、 導(dǎo)彈系統(tǒng)的魯棒自適應(yīng)最優(yōu)跟蹤設(shè)計(jì)、 機(jī)器人操作的魯棒神經(jīng)控制。系統(tǒng)的狀態(tài)隨離散事件發(fā)生而瞬時(shí)改變， 不能

8、用通常的動(dòng)態(tài)方程來(lái)描述，一般稱這類系統(tǒng)為離散事件動(dòng)態(tài)系統(tǒng)（ deds ）。對(duì)它的研究始于 20 世紀(jì) 80 年代初。目前已發(fā)展了多種處理離散事件系統(tǒng)的方法和模型，例如有限狀態(tài)馬爾科夫鏈、 petri 網(wǎng)、排隊(duì)網(wǎng)絡(luò)、自動(dòng)機(jī)理論、 擾動(dòng)分析法、 極大代數(shù)法等。 其理論已經(jīng)應(yīng)用于柔性制造系統(tǒng)、 計(jì)算機(jī)通信系統(tǒng)、 交通系統(tǒng)等。 離散事件系統(tǒng)的研究雖然取得較大進(jìn)展， 但還沒(méi)有一套完整的理論體系來(lái)評(píng)價(jià)離散時(shí)間系統(tǒng)模型與實(shí)際對(duì)象的差異。離散事件動(dòng)態(tài)系統(tǒng)自然延伸就是混合動(dòng)態(tài)系統(tǒng)。包含離散事件動(dòng)態(tài)系統(tǒng) （ deds ） 和連續(xù)變量動(dòng)態(tài)系統(tǒng)（ cvds ） 、兩者又相互耦合作用的系統(tǒng)稱為混合動(dòng)態(tài)系統(tǒng)（ hds ）

9、。關(guān)于混合系統(tǒng)最早的文獻(xiàn)出現(xiàn)在1966 年。 1979 年瑞典人 cellier 首先引入混合系統(tǒng)結(jié)構(gòu)的概念， 把系統(tǒng)分為離散、 連續(xù)和接口 3 個(gè)部分。 1989年 golli 針對(duì)計(jì)算機(jī)磁盤驅(qū)動(dòng)器模型引入混合系統(tǒng)的概念， 把連續(xù)部分和接口部分結(jié)合起來(lái)進(jìn)行研究。 雖然混合系統(tǒng)的研究取得了一些成果， 但仍處于發(fā)展階段， 其理論和應(yīng)用研究仍是未來(lái)幾年的研究熱點(diǎn)。最近， 混合系統(tǒng)的離散監(jiān)督控制、 離散時(shí)間混合系統(tǒng)的最優(yōu)控制有了一些新的突破， 并且混合控制理論已逐步應(yīng)用于電力系統(tǒng)的電壓安全控制和機(jī)器人協(xié)調(diào)控制等領(lǐng)域。現(xiàn)代工程技術(shù)、 生態(tài)或社會(huì)環(huán)境等領(lǐng)域的研究對(duì)象往往是十分復(fù)雜的系統(tǒng)，對(duì)這類系統(tǒng)難以用

10、常規(guī)的數(shù)學(xué)方法來(lái)建立準(zhǔn)確的數(shù)學(xué)模型， 需要用學(xué)習(xí)、 推理或統(tǒng)計(jì)意義上的模型來(lái)描述實(shí)際系統(tǒng)， 這就導(dǎo)致了智能控制的研究。 智能控制的主要目標(biāo)是使控制系統(tǒng)具有學(xué)習(xí)和適應(yīng)能力。 現(xiàn)在， 智能控制理論雖然取得了不少研究成果， 但智能控制的理論體系還不夠成熟。 最近， 基于模糊推理的系統(tǒng)建模、 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制、 神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?、 神經(jīng)網(wǎng)絡(luò)非線性預(yù)測(cè)控制、 混沌神經(jīng)網(wǎng)絡(luò)控制等方面已有不少重要研究成果。 智能控制理論有著廣泛的應(yīng)用， 例如， 基于神經(jīng)動(dòng)態(tài)規(guī)劃的直升機(jī)的鎮(zhèn)定控制和航天軌道操作器的基于知識(shí)的分層控制等。 模糊推理、 神經(jīng)網(wǎng)絡(luò)和遺傳算法均具有模擬人類思維結(jié)構(gòu)的方式的特點(diǎn)， 將三者結(jié)合

11、是智能控制研究的主要方向之一。2 傳統(tǒng)與現(xiàn)代控制理論的局限性傳統(tǒng)控制器都是基于系統(tǒng)的數(shù)學(xué)模型建立的， 因此， 控制系統(tǒng)的 性能好壞很大程度上取決于模型的精確性，這正是傳統(tǒng)控制的本質(zhì)?，F(xiàn)代控制理論可以解決多輸入、多輸出（mimo ）控制系統(tǒng)地分析和 控制設(shè)計(jì)問(wèn)題，但其分析與綜合方法也都是在取得控制對(duì)象數(shù)學(xué)模型 基礎(chǔ)上進(jìn)行的，而數(shù)學(xué)模型的精確程度對(duì)控制系統(tǒng)性能的影響很大， 往往由于某種原因，對(duì)象參數(shù)發(fā)生變化使數(shù)學(xué)模型不能準(zhǔn)確地反映對(duì) 象特性，從而無(wú)法達(dá)到期望的控制指標(biāo)，為解決這個(gè)問(wèn)題，自適應(yīng)控 制、魯棒控制的研究便成為控制理論的研究熱點(diǎn)。20世紀(jì)80年代由加拿大學(xué)者zames等人創(chuàng)始的h0

12、6;控制理論是魯棒控制理論的重 要發(fā)展。但這些方法本質(zhì)上還是沒(méi)有擺脫基于數(shù)學(xué)模型的定量化思 想。傳統(tǒng)控制，包括經(jīng)典反饋控制、現(xiàn)代控制理論等，在應(yīng)用中遇到 不少難題。機(jī)理建模所不可避免的模型誤差將導(dǎo)致估計(jì)器工作效果時(shí) 好時(shí)壞，難以設(shè)計(jì)可靠、穩(wěn)定的控制系統(tǒng)。2.1 傳統(tǒng)控制理論面臨的問(wèn)題1）控制對(duì)象的復(fù)雜性傳統(tǒng)控制理論的思想是建立在精確數(shù)學(xué)模型基礎(chǔ)上的， 然而對(duì)實(shí) 際應(yīng)用中的非線性、時(shí)變性、不確定性和不完全性的系統(tǒng)，一般無(wú)法 獲得精確的數(shù)學(xué)模型。對(duì)含有對(duì)象復(fù)雜性和不確定性的控制過(guò)程， 很 難用傳統(tǒng)數(shù)學(xué)建模方法來(lái)解決建模問(wèn)題。2）捽制方法和手段單一件在研究一個(gè)實(shí)際的控制對(duì)象時(shí)，為了得到理論上性能良好

13、的控制 器，經(jīng)常提出一些比較苛刻的假設(shè)，然而這些假設(shè)在應(yīng)用中往往與實(shí) 際情況不相吻合。根據(jù)現(xiàn)有的理論和技術(shù)描述復(fù)雜的控制過(guò)程會(huì)出現(xiàn)片面性、單一性，建立的模型有可能與實(shí)際過(guò)程相差甚遠(yuǎn)。傳統(tǒng)的控制對(duì)象往往局限于單一的、有確定的物理規(guī)律的系統(tǒng)。 對(duì)于復(fù)合型系統(tǒng)，傳統(tǒng)的控制方法就顯得力不從心。3）無(wú)法滿足控制性能的高要求通常，控制系統(tǒng)需要具有所期望的控制精度、穩(wěn)定性及動(dòng)態(tài)性能。 為了提高系統(tǒng)性能，傳統(tǒng)控制系統(tǒng)可能變得相當(dāng)復(fù)雜，從而使得系統(tǒng) 的可靠性與其它系統(tǒng)性能成為不可調(diào)和的矛盾?？刂葡到y(tǒng)能夠處理數(shù)值的、符號(hào)的、定性的、定量的、確定的和 模糊信息等各類信息，即要求控制系統(tǒng)具有多層次的信息處理結(jié)構(gòu)。 傳

14、統(tǒng)的控制方法是很難做到這一點(diǎn)的。2.2 現(xiàn)代控制理論面臨的問(wèn)題1）控制對(duì)象與控制對(duì)象所處的環(huán)境的變化隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)普及與發(fā)展，基于網(wǎng)絡(luò)的遠(yuǎn)程控制受到人們的關(guān)注。在網(wǎng)絡(luò)環(huán)境下存在延時(shí)、數(shù)據(jù)的丟失、數(shù)據(jù)時(shí)序或序的變化及數(shù)據(jù)的非等間隔采樣，使得網(wǎng)絡(luò)環(huán)境的空地變得十分復(fù)雜和困難。 同時(shí)，網(wǎng)絡(luò)自身的安全與控制也是一個(gè)十分重要和非常棘手的問(wèn)題。不同性質(zhì)、不同控制對(duì)象組合而成的混雜系統(tǒng)還缺乏理論支持和 相應(yīng)的技術(shù)手段。多任務(wù)、多機(jī)器人的協(xié)調(diào)控制問(wèn)題。2）理論問(wèn)題由于復(fù)雜系統(tǒng)的建模、穩(wěn)定性與系統(tǒng)設(shè)計(jì)缺乏理論支撐和指導(dǎo)， 有必要綜合應(yīng)用其他學(xué)科，如數(shù)學(xué)、信息科學(xué)、系統(tǒng)科學(xué)與認(rèn)知科學(xué) 的最新進(jìn)展來(lái)建立一個(gè)解決

15、復(fù)雜性問(wèn)題的完整理論。3）控制要求具有多種信息或傳感信息的綜合能力；具有自學(xué)習(xí)和自適應(yīng)能 力，能夠自主調(diào)整控制機(jī)構(gòu)；高可靠性；控制系統(tǒng)本身應(yīng)該具有良好 的控制特性；在出現(xiàn)故障和意外時(shí)，能及早進(jìn)行自我故障診斷及排除。 現(xiàn)代控制系統(tǒng)應(yīng)該具有良好的容錯(cuò)性和魯棒性。在一些情況下需要構(gòu)造一個(gè)合理的人機(jī)協(xié)作的控制系統(tǒng)?；谏鲜鰡?wèn)題，控制科學(xué)界多年來(lái)一直在探索著新的方法， 尋求 更加符合實(shí)際的 發(fā)展軌跡”。近十年來(lái)，人工智能學(xué)科新的進(jìn)展給人 們帶來(lái)了希望。由于得益于計(jì)算機(jī)科學(xué)技術(shù)和智能信息處理的高速發(fā)展， 智能控制逐漸形成一門學(xué)科， 并在實(shí)際應(yīng)用中顯示出強(qiáng)大的生命 力。 與此同時(shí)， 許多控制學(xué)科領(lǐng)域的工作者

16、也開(kāi)始認(rèn)識(shí)到， 在許多系統(tǒng)中， 復(fù)雜性不只是表現(xiàn)在高維性上， 更多的則是表現(xiàn)在系統(tǒng)信息的模糊性、 不確定性、 偶然性和不完全性上。 能否用人工智能的人工神經(jīng)網(wǎng)絡(luò)、 模糊邏輯推理、 啟發(fā)式知識(shí)、 專家系統(tǒng)等理論去解決難以建立精確數(shù)學(xué)模型的控制問(wèn)題一直是我們十多年來(lái)追求的目標(biāo)。3 智能信息處理技術(shù)和控制科學(xué)的交融與結(jié)合隨著許多復(fù)雜的社會(huì)經(jīng)濟(jì)與生態(tài)問(wèn)題和全球網(wǎng)絡(luò)信息安全問(wèn)題的出現(xiàn)及對(duì)許多復(fù)雜系統(tǒng) “涌現(xiàn) ”機(jī)理的研究， 許多科學(xué)家對(duì)傳統(tǒng)的控制理論與非線性分析、隨機(jī)系統(tǒng)、統(tǒng)計(jì)學(xué)習(xí)、人工智能、認(rèn)知科學(xué)等學(xué)科的結(jié)合產(chǎn)生了極大興趣， 特別是將人工神經(jīng)網(wǎng)絡(luò)、 模糊邏輯、 遺傳計(jì)算、 專家系統(tǒng)、 混沌和其它常規(guī)

17、信號(hào)信息處理相結(jié)合， 在新的層次上實(shí)現(xiàn)控制的自適應(yīng)和反饋。20 世紀(jì) 70 年代，傅京孫教授提出把人工智能的直覺(jué)推理方法用于機(jī)器人控制和學(xué)習(xí)控制系統(tǒng)， 并將智能控制概括為自動(dòng)控制和人工智能的結(jié)合。傅京孫、 glorioso 和 sardi 等人從控制理論的角度總結(jié)了人工智能技術(shù)與自適應(yīng)、 自學(xué)習(xí)和自組織控制的關(guān)系， 正式提出了建立智能控制理論的構(gòu)想。 1967 年， leondes 和 mendel 首次正式使用“智能控制”一詞。 1985 年 8 月在美國(guó)紐約 ieee 召開(kāi)的智能控制專題討論會(huì)， 標(biāo)志著智能控制作為一個(gè)新的學(xué)科分支正式被控制界公認(rèn)。智能控制不同于經(jīng)典控制理論和現(xiàn)代控制理論的

18、處理方法，它研究的主要目標(biāo)不僅僅是被控對(duì)象，同時(shí)也包含控制器本身。 控制器不再是單一的數(shù)學(xué)模型，而是數(shù)學(xué)解析和知識(shí)系統(tǒng)相結(jié)合的廣 義模型，是多種知識(shí)混合的控制系統(tǒng)。經(jīng)驗(yàn)主義和理性主義的模型與解釋在很大程度上影響著人類的 認(rèn)知過(guò)程。人的經(jīng)驗(yàn)是在多次的 反饋”過(guò)程中逐步積累。因此，對(duì)于 智能和控制的關(guān)系，應(yīng)該合理地發(fā)揮經(jīng)驗(yàn)的作用，從進(jìn)化的角度把智 能活動(dòng)看成動(dòng)態(tài)發(fā)展的過(guò)程，即實(shí)現(xiàn)控制系統(tǒng)的反饋”應(yīng)是動(dòng)態(tài)、分 層、綜合的過(guò)程。智能信息處理技術(shù)為 反饋”提供了更 聰明”的實(shí)現(xiàn) 形式。長(zhǎng)期以來(lái)，人們?cè)谛畔⑻幚碇械恼J(rèn)知模型和基于感知的智能化信 息處理研究領(lǐng)域作了不少工作，取得了很大進(jìn)展，但其水平距人們所

19、期望的還相差甚遠(yuǎn)。這主要是由于所使用的方法與人腦的認(rèn)知信息處 理過(guò)程有這種大差別，如頻譜分析方法、句法分析和傳統(tǒng)的人工智能 方法等不具有開(kāi)放性、動(dòng)態(tài)性和靈活性等智能信息處理方法所應(yīng)有的 特征，因而它們只在特殊的應(yīng)用領(lǐng)域內(nèi)取得有限的成功。事實(shí)上，人類的許多科學(xué)成就都來(lái)自對(duì)自然界中相應(yīng)事物的觀察 和深入研究，例如人類由鳥類的飛行得到啟發(fā)從而發(fā)明了飛機(jī)。 同樣， 對(duì)信息的加工處理和智能控制系統(tǒng)的設(shè)計(jì)，自然界也給我們提供了一 個(gè)非常完美的范例一一人腦。因而智能信息處理系統(tǒng)的研究與發(fā)展需 要借助于對(duì)大腦認(rèn)知功能深入全面的研究。人對(duì)外部世界的認(rèn)知過(guò) 程，本質(zhì)上是一個(gè)多傳感信息的融合過(guò)程。 人腦通過(guò)對(duì)多通道

20、信息的相互監(jiān)督( self-supervision )完成學(xué)習(xí)，從而獲得對(duì)外部事物的知識(shí)； 通過(guò)對(duì)多傳感信息的融合， 實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別與解釋； 并可以根據(jù)已有知識(shí)對(duì)各傳感器實(shí)行控制。這種前饋和反饋過(guò)程的完美結(jié)合，使人腦具有極高的智能水平，即使在噪聲環(huán)境下或傳感信息不可靠時(shí)， 人腦也能有效地完成其智能活動(dòng)。 這為構(gòu)造智能系統(tǒng)提供了完美的典范。 自從人工智能形成一個(gè)學(xué)科以來(lái)， 科學(xué)家們遵循著一條明確的指導(dǎo)思想， ， 即研究和總結(jié)人類思維的普遍規(guī)律， 并用計(jì)算機(jī)模擬它的功能實(shí)現(xiàn)。 正如飛機(jī)并不是簡(jiǎn)單模擬鳥而發(fā)明的， 因此智能信息處理系統(tǒng)的研究也不應(yīng)該機(jī)械照搬人腦認(rèn)知模式。3.1 智能控制系統(tǒng)的基本功

21、能特點(diǎn)1 ) 容錯(cuò)性。對(duì)復(fù)雜系統(tǒng)(如非線性、快時(shí)變、復(fù)雜多變量和環(huán)境擾動(dòng)等)能進(jìn)行有效的全局控制，并具有較強(qiáng)的容錯(cuò)能力。2 ) 多模態(tài)性。定性決策和定量控制相結(jié)合的多模態(tài)組合控制。3 ) 全局性。 從系統(tǒng)的功能和整體優(yōu)化的角度來(lái)分析和綜合系統(tǒng)。4 ) 混合模型和混合計(jì)算。 對(duì)象是以知識(shí)表示的非數(shù)學(xué)廣義模型 和以數(shù)學(xué)模型表示的混合控制過(guò)程，人的智能在控制中起著協(xié)調(diào)作用，系統(tǒng)在信息處理上既有數(shù)學(xué)運(yùn)算，又有邏輯和知識(shí)推理。5 ) 學(xué)習(xí)和聯(lián)想記憶能力。 對(duì)一個(gè)過(guò)程或未知環(huán)境所提供的信息，系統(tǒng)具有進(jìn)行識(shí)別記憶、 學(xué)習(xí)， 并利用積累的經(jīng)驗(yàn)進(jìn)一步改善系統(tǒng)的 性能和能力。6 ) 動(dòng)態(tài)自適應(yīng)性。 對(duì)外界環(huán)境變化

22、及不確定性的出現(xiàn)， 系統(tǒng)具 有修正或重構(gòu)自身結(jié)構(gòu)和參數(shù)的能力。7 ) 組織協(xié)調(diào)能力。 對(duì)于復(fù)雜任務(wù)和分散的傳感信息， 系統(tǒng)具有 自組織和協(xié)調(diào)能力，體現(xiàn)出系統(tǒng)的主動(dòng)性和靈活性。8 .2 智能控制的主要研究分支1 ) 模糊邏輯控制傳統(tǒng)的控制問(wèn)題一般是基于系統(tǒng)的數(shù)學(xué)模型來(lái)設(shè)計(jì)控制器， 而大多數(shù)工業(yè)被控對(duì)象是具有時(shí)變、 非線性等特性的復(fù)雜系統(tǒng)， 對(duì)這樣的系統(tǒng)進(jìn)行控制， 不能僅僅建立在平衡點(diǎn)附近的局部線性模型， 需要加入一些與工業(yè)狀況有關(guān)的人的控制經(jīng)驗(yàn)。 這種經(jīng)驗(yàn)通常是定性的或定量的， 模糊推理控制正是這種控制經(jīng)驗(yàn)的表示方法， 這種方法的優(yōu)點(diǎn)是不需要被控過(guò)程的數(shù)學(xué)模型，因而可省去傳統(tǒng)控制方法的建模過(guò)程，

23、但卻過(guò)多地依賴控制經(jīng)驗(yàn)。此外，由于沒(méi)有被控對(duì)象的模型，在投入運(yùn)行之前就很難進(jìn)行穩(wěn)定性、 魯棒性等系統(tǒng)分析。 近年來(lái)， 一些 研究者們?cè)谀：刂颇Ｊ街幸肽：Ｐ偷母拍?，出現(xiàn)了模糊模型。模糊模型易于表達(dá)結(jié)構(gòu)性知識(shí)，成為模糊控制系統(tǒng)研究的關(guān)鍵問(wèn)題。最近， 模糊控制理論成功地應(yīng)用于飛行器的優(yōu)化跟蹤設(shè)計(jì)和產(chǎn)品加工 過(guò)程。2 ) 模糊預(yù)測(cè)控制預(yù)測(cè)控制是為適應(yīng)復(fù)雜工業(yè)過(guò)程控制而提出的算法， 它突破了傳統(tǒng)控制對(duì)模型的束縛， 具有易于建模、 魯棒性好的特點(diǎn)， 對(duì)于解決大滯后對(duì)象控制問(wèn)題是一條有效的途徑。 模糊建模是非線性系統(tǒng)建模的一個(gè)重要工具， 也是復(fù)雜工業(yè)過(guò)程控制中廣泛使用的方法。 把預(yù)測(cè)控制和模糊推理相結(jié)

24、合是很有吸引力的研究方向之一。3 ) 神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)控制是研究和利用人腦的某些結(jié)構(gòu)機(jī)理以及人的知識(shí)和經(jīng)驗(yàn)對(duì)系統(tǒng)的控制。 一般地， 神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的智能性、 魯棒性均較好， 它能處理高維、 非線性、 強(qiáng)耦合和不定性的復(fù)雜工業(yè)生產(chǎn)過(guò)程的控制問(wèn)題。 顯示了神經(jīng)網(wǎng)絡(luò)在解決高度非線性和嚴(yán)重不確定性系統(tǒng)的控制方面具有很大潛力。 雖然神經(jīng)網(wǎng)絡(luò)在利用系統(tǒng)定量數(shù)據(jù)方面有較強(qiáng)的學(xué)習(xí)能力。 但它將系統(tǒng)控制問(wèn)題看成 “黑箱 ” 的映射問(wèn)題， 缺乏明確的物理意義， 不易把控制經(jīng)驗(yàn)的定性知識(shí)融入控制過(guò)程中。 近來(lái)， 在神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制、 人工神經(jīng)網(wǎng)絡(luò)閥函數(shù)的數(shù)字設(shè)計(jì)、 新的混合神經(jīng)網(wǎng)絡(luò)模型等方面都有一些重要進(jìn)展

25、， 如應(yīng)用于機(jī)器人操作過(guò)程神經(jīng)控制、 核反應(yīng)堆的載重操作過(guò)程的神經(jīng)控制。 近年來(lái)， 神經(jīng)網(wǎng)絡(luò)、 模糊推理、 各種特殊信號(hào)的有機(jī)結(jié)合， 還導(dǎo)致了一些新的綜合神經(jīng)網(wǎng)絡(luò)的出現(xiàn)。 例如， 小波神經(jīng)網(wǎng)絡(luò)、 模糊神經(jīng)網(wǎng)絡(luò)和混沌神經(jīng)網(wǎng)絡(luò) 的出現(xiàn)，為智能控制領(lǐng)域開(kāi)辟了新的研究方向。4 ) 基于知識(shí)的分層控制設(shè)計(jì)對(duì)于復(fù)雜控制對(duì)象， 單一地采用傳統(tǒng)控制不能獲得理想的系統(tǒng)性能， 這時(shí)需要智能的控制策略。 分層控制恰好體現(xiàn)了這一思想， 底層采用傳統(tǒng)的控制方法， 高層采用智能策略協(xié)調(diào)底層工作， 這就是基于知識(shí)的分層控制設(shè)計(jì)。 這種控制設(shè)計(jì)理論已經(jīng)應(yīng)用到機(jī)器人、 航天飛行器等領(lǐng)域。5 .3 模糊推理和神經(jīng)網(wǎng)絡(luò)在控制中應(yīng)用

26、的區(qū)別1 ) 模糊控制是基于規(guī)則的推理， 神經(jīng)網(wǎng)絡(luò)則需要大量的數(shù)據(jù)學(xué)習(xí)樣本。在有足夠的系統(tǒng)控制知識(shí)情況下，基于模糊規(guī)則控制較好；如果系統(tǒng)有足夠的各態(tài)遍歷的學(xué)習(xí)樣本， 應(yīng)用神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)可得到滿意的控制器。2 ) 模糊映射在系統(tǒng)中是集合到集合的規(guī)則映射， 神經(jīng)網(wǎng)絡(luò)則是點(diǎn)到點(diǎn)的映射。 模糊邏輯容易表達(dá)人們的控制經(jīng)驗(yàn)等定性知識(shí)， 而神 經(jīng)網(wǎng)絡(luò)在利用系統(tǒng)定量數(shù)據(jù)方面有較強(qiáng)的學(xué)習(xí)能力。3 ) 神經(jīng)網(wǎng)絡(luò)控制將系統(tǒng)控制問(wèn)題看成 “黑箱 ” 的映射問(wèn)題， 缺乏 明確的物理意義， 因而控制經(jīng)驗(yàn)的定性知識(shí)不易融入控制中。 模糊控制一般把對(duì)被控對(duì)象看作是 “灰箱 ” 。4 控制理論的完善與控制技術(shù)的發(fā)展自從美國(guó)科

27、學(xué)家維納于 20 世紀(jì) 40 年代創(chuàng)立控制論以來(lái)，控制科學(xué)已經(jīng)經(jīng)歷了經(jīng)典控制理論和現(xiàn)代控制理論兩個(gè)階段， 并進(jìn)入智能控制理論這一重要發(fā)展階段， 盡管還不夠成熟。 在處理復(fù)雜系統(tǒng)控制問(wèn)題時(shí)， 傳統(tǒng)控制方法對(duì)于復(fù)雜性、 不確定性、 突變性所帶來(lái)的問(wèn)題總有些力不從心。 為了適應(yīng)不同技術(shù)領(lǐng)域和社會(huì)發(fā)展對(duì)控制科學(xué)提出的新要求， 我們必須發(fā)展新的控制模式。 國(guó)內(nèi)外控制科學(xué)界都在探索新的控制理論， 以解決各類復(fù)雜系統(tǒng)的控制問(wèn)題。 近年來(lái)， 越來(lái)越多的學(xué)者已意識(shí)到在傳統(tǒng)控制中加入邏輯、推理和啟發(fā)式知識(shí)的重要性， 把傳統(tǒng)控制理論與模糊邏輯、 神經(jīng)網(wǎng)絡(luò)、 遺傳算法等人工智能技術(shù)相結(jié)合， 充分利用人的控制知識(shí)對(duì)復(fù)雜

28、系統(tǒng)進(jìn)行智能化控制， 逐漸形成了智能控制理論的較完整的體系?？刂瓶茖W(xué)所面臨的挑戰(zhàn)問(wèn)題。1 ) 高度自主的復(fù)雜工程系統(tǒng)的設(shè)計(jì)與控制。 我們面臨的復(fù)雜系統(tǒng)是一個(gè)由多個(gè)子系統(tǒng)構(gòu)成，每個(gè)子系統(tǒng)本身都可能是一個(gè)復(fù)雜的、具有高度自主性的系統(tǒng)， 需要有效地協(xié)調(diào)這些子系統(tǒng)的行為。 所設(shè)計(jì)的工程系統(tǒng)不僅有很高的復(fù)雜度， 而且同時(shí)還要能在人監(jiān)督最少的情況下運(yùn)行良好，表現(xiàn)出高度自主的行為。2 ) 智能控制與基于人類行為的智能化信息處理。 智能控制方法是對(duì)傳統(tǒng)控制方法的擴(kuò)展和提高， 也是設(shè)定和完成控制目標(biāo)時(shí)實(shí)現(xiàn)高自主度所必需的， 在不確定條件下的規(guī)劃、 大量數(shù)據(jù)的處理中， 進(jìn)行有效的復(fù)雜過(guò)程控制。3 ) 復(fù)雜工業(yè)系統(tǒng)

29、的故障快速處理、 系統(tǒng)重構(gòu)與修復(fù)， 復(fù)雜環(huán)境中仿人機(jī)器人的設(shè)計(jì)和制造， 社會(huì)系統(tǒng)中的重大事變 (戰(zhàn)爭(zhēng)、 自然災(zāi)害、 金融危機(jī)) 的應(yīng)急指揮和組織系統(tǒng)都存在著如何適應(yīng)外部世界不確定性的動(dòng)態(tài)變化問(wèn)題。 人類的行為特征充分反映了對(duì)外界環(huán)境的反應(yīng)能力。 研究基于人類行為特征的信息處理原理和方法， 即研究系統(tǒng)在不確定性動(dòng)態(tài)環(huán)境中的反應(yīng)能力和對(duì)外界事務(wù)充分感知的能力。4 ) 學(xué)習(xí)控制系統(tǒng)。 學(xué)習(xí)是自動(dòng)化系統(tǒng)一直追求的目標(biāo)。 它是指系統(tǒng)能夠根據(jù)環(huán)境或目標(biāo)改變其行為。 學(xué)習(xí)控制系統(tǒng)應(yīng)能夠在控制過(guò)程發(fā)生變化時(shí)修改控制規(guī)律。5 ) 綜合智能處理方法。 目前， 人們?cè)谧赃m應(yīng)、監(jiān)督與迭代式設(shè)計(jì)等方面做了大量的研究和開(kāi)

30、發(fā)工作。 由于將人工智能技術(shù)引入到控制領(lǐng)域中，可用來(lái)處理其它一些學(xué)習(xí)特征，如估計(jì)、聚類、重構(gòu)、推理、 創(chuàng)造、 刪除等功能， 特別是需要綜合人工智能中的多種技術(shù)來(lái)實(shí)現(xiàn)上述系統(tǒng)功能。6 ) 復(fù)雜系統(tǒng)的理論體系的形成。復(fù)雜系統(tǒng)的主要特征歸納為：系統(tǒng)動(dòng)力學(xué)模型的不確定性、 測(cè)量信息的粗糙性和不完整性、 動(dòng)態(tài)行為或擾動(dòng)的隨機(jī)性、 離散層次和連續(xù)層次的混雜性、 系統(tǒng)動(dòng)力學(xué)的高度非線性、 狀態(tài)變量的高維性和分布性、 子系統(tǒng)及層次多樣性和個(gè)子系統(tǒng)間的強(qiáng)耦合性、 部分子系統(tǒng)的無(wú)法建模性等。 復(fù)雜系統(tǒng)控制在規(guī)模上、復(fù)雜性及靈活性上將大大突破傳統(tǒng)的自動(dòng)控制在概念和方法上的局限性。它要求控制系統(tǒng)對(duì)被控對(duì)象的動(dòng)力學(xué)模型要有 “學(xué)習(xí) ”和“識(shí)別”能力，對(duì)環(huán)境和擾動(dòng)的變化要有“適應(yīng) ”和 “魯棒 ”能力。一般地， 提高系統(tǒng)的