控制科學與工程前沿論壇

1、J I A N G S U U N I V E R S I T Y控制科學與工程前沿論壇報告任課老師： 專業(yè)班級： 控制工程 1604 學生姓名： 學生學號： z1607050 2017年4月一 智能控制一個系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計劃、產生以及執(zhí)行控制行為的能力,即稱為智能控制系統(tǒng)。 智能控制技術是在向人腦學習的過程中不斷發(fā)展起來的,人腦是一個超級智能控制系統(tǒng),具有實時推理、決策、學習和記憶等功能,能適應各種復雜的控制環(huán)境。 智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關系,不是相互排斥的。 常規(guī)控制往往包含在智能控制之中,智能控制也利用常規(guī)控制的方法來解決“低級”的控制問

2、題,力圖擴充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復雜控制問題。 （1）傳統(tǒng)的自動控制是建立在確定的模型基礎上的,而智能控制的研究對象則存在模型嚴重的不確定性,即模型未知或知之甚少者模型的結構和參數在很大的范圍內變動,比如工業(yè)過程的病態(tài)結構問題、某些干擾的無法預測,致使無法建立其模型,這些問題對基于模型的傳統(tǒng)自動控制來說很難解決。（2）傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設備與人及外界環(huán)境的信息交換很不方便,希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置,能夠更加深入而靈活地和系統(tǒng)進行信息交流,同時還要擴大輸出裝置的能力,能夠用文字、圖紙、立體形象、語言等形

3、式輸出信息。 另外,通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況。 為擴大信息通道,就必須給自動裝置安上能夠以機械方式模擬各種感覺的精確的送音器,即文字、聲音、物體識別裝置?？上驳氖?近幾年計算機及多媒體技術的迅速發(fā)展,為智能控制在這一方面的發(fā)展提供了物質上的準備,使智能控制變成了多方位“立體”的控制系統(tǒng)。（3） 傳統(tǒng)的自動控制系統(tǒng)對控制任務的要求要么使輸出量為定值(調節(jié)系統(tǒng)) ,要么使輸出量跟隨期望的運動軌跡(跟隨系統(tǒng)) ,因此具有控制任務單一性的特點,而智能控制系統(tǒng)的控制任務可比較復雜,例如在智能機器人系統(tǒng)中,它要求系統(tǒng)對一個復雜的任務具有自動規(guī)

4、劃和決策的能力,有自動躲避障礙物運動到某一預期目標位置的能力等。 對于這些具有復雜的任務要求的系統(tǒng),采用智能控制的方式便可以滿足。（4） 傳統(tǒng)的控制理論對線性問題有較成熟的理論,而對高度非線性的控制對象雖然有一些非線性方法可以利用,但不盡人意。 而智能控制為解決這類復雜的非線性問題找到了一個出路,成為解決這類問題行之有效的途徑。 工業(yè)過程智能控制系統(tǒng)除具有上述幾個特點外,又有另外一些特點,如被控對象往往是動態(tài)的,而且控制系統(tǒng)在線運動,一般要求有較高的實時響應速度等,恰恰是這些特點又決定了它與其它智能控制系統(tǒng)如智能機器人系統(tǒng)、航空航天控制系統(tǒng)、交通運輸控制系統(tǒng)等的區(qū)別,決定了它的控制方法以及形式

5、的獨特之處。（5） 與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)具有足夠的關于人的控制策略、被控對象及環(huán)境的有關知識以及運用這些知識的能力。（6） 與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)能以知識表示的非數學廣義模型和以數學表示的混合控制過程,采用開閉環(huán)控制和定性及定量控制結合的多模態(tài)控制方式。（7） 與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)具有變結構特點,能總體自尋優(yōu),具有自適應、自組織、自學習和自協調能力。（8） 與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)有補償及自修復能力和判斷決策能力?？傊?智能控制系統(tǒng)通過智能機自動地完成其目標的控制過程,其智能機可以在熟悉或不熟悉的環(huán)境中自動地或人機交互地完成擬人任務。智

6、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(tǒng)、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。二 模糊控制模糊控制綜合了專家的操作經驗，具有不依賴被控對象的精確數學模型、設計簡單、便于應用、抗干擾能力強、響應速度快、易于控制和掌握、對系統(tǒng)參數的變化有較強的魯棒性等特點，在經典控制理論和現代控制理論難以應用的場合發(fā)揮了很大的作用。近年來，模糊集理論及應用研究不斷深入，取得了一系列成功的應用和理論成果，在自動控制、信號處理、模式識別、通信等領域得到了廣泛的應用。目前，模糊控制已成為智能控制的一個主要分支

7、。為了更深入地開展模糊控制技術的研究和應用，本文對模糊控制近期研究的一些熱點問題進行簡要的歸納介紹。2.1 模糊控制的熱點問題任何一個自動控制系統(tǒng)要正常工作，首先必須是穩(wěn)定的。由于模糊系統(tǒng)本質上的非線性和缺乏統(tǒng)一的系統(tǒng)描述，使得人們難以利用現有的控制理論和分析方法對模糊控制系統(tǒng)進行分析和設計，因此，模糊控制理論的穩(wěn)定性分析一直是一個難點課題，未形成較為完善的理論體系。正因為如此，關于模糊系統(tǒng)的穩(wěn)定性分析近年來成為眾人關注的熱點，發(fā)表的論文較多，提出了各種思想和分析方法。目前模糊控制系統(tǒng)穩(wěn)定性分析方法主要有以下幾種： (1) 李亞普諾夫方法基于李亞普諾夫直接方法，許多學者討論了離散時間和連續(xù)時間

8、模糊控制系統(tǒng)的穩(wěn)定性分析和設計。其中，Tanaka和Sano將其中的基本穩(wěn)定性條件推廣到SISO系統(tǒng)的（非）魯棒穩(wěn)定性條件，穩(wěn)定性判據變?yōu)閺囊唤M李亞普諾夫不等式中尋找一個共同的李亞普諾夫函數問題。使用李亞普諾夫線性化方法，Ying建立了包括非線性對象的T-S模糊控制系統(tǒng)局部穩(wěn)定性的必要和充分條件。另外，一種在大系統(tǒng)中使用的向量李亞普諾夫直接方法，被用于推導多變量模糊系統(tǒng)的穩(wěn)定性條件；李亞普諾夫第二方法被用于判別模糊系統(tǒng)量比因子選擇的穩(wěn)定性；波波夫一李亞普諾夫方法被用于研究模糊控制系統(tǒng)的魯棒穩(wěn)定性。 但是，李亞普諾夫的一些穩(wěn)定性條件通常比較保守，即當穩(wěn)定性條件不滿足時，控制系統(tǒng)仍是穩(wěn)定的。 (2

9、) 基于滑模變結構系統(tǒng)的穩(wěn)定性分析方法由于模糊控制器是采用語義表達，系統(tǒng)設計中不易保證模糊控制系統(tǒng)的穩(wěn)定性和魯棒性。而滑?？刂朴幸粋€明顯的特點，即能處理控制系統(tǒng)的非線性，而且是魯棒控制。因此一些學者提出設計帶有模糊滑模表面的模糊控制器，從而能用李亞普諾夫理論來獲得閉環(huán)控制系統(tǒng)穩(wěn)定性的證明。Palm和Driankov采用滑?？刂频母拍罘治隽嗽鲆嬉?guī)劃的閉環(huán)模糊控制系統(tǒng)的穩(wěn)定性和魯棒性。另有一些學者用模糊推理來處理控制系統(tǒng)的非線性和減少控制震顫，使得基于李亞普諾夫方法可保證控制系統(tǒng)的穩(wěn)定性?；谧兘Y構系統(tǒng)理論，可以得到控制系統(tǒng)的跟蹤精度和模糊控制器的I/O模糊集映射形狀之間的關系，從而可以解釋模糊控

10、制器的魯棒性和控制性能。文獻等研究了基于變結構控制框架的模糊控制系統(tǒng)的穩(wěn)定性，通過輸出反饋的模糊變結構控制，并用李亞普諾夫方法證明了閉環(huán)控制系統(tǒng)是全局有界輸入有界輸出穩(wěn)定的。若使用變結構控制類型的模糊規(guī)則集，模糊控制器從語義和定量上可顯示出變結構的特性。為便于李亞普諾夫穩(wěn)定性判據能指導設計和調整模糊控制器，文獻推導出模糊控制器的具體數學表達式。 (3)描述函數方法描述函數方法可用于預測極限環(huán)的存在、頻率、幅度和穩(wěn)定性。通過建立模糊控制器與多值繼電控制器的關系，描述函數方法可用于分析模糊控制系統(tǒng)的穩(wěn)定性。另外，指數輸入的描述函數技術也能用于研究模糊控制系統(tǒng)的暫態(tài)響應。雖然描述函數方法能用于SIS

11、O和MISO模糊控制器以及某些非線性對象模型，但不能用于三輸入及以上的模糊控制器。并且由于這種方法一般應用于非線性系統(tǒng)中確定周期振蕩的存在性，因此只是一種近似穩(wěn)定性分析方法。 (4) 圓穩(wěn)定性判據方法圓判據可用于分析和再設計一個模糊控制系統(tǒng)。使用扇區(qū)有界非線性的概念，一般化的奈魁斯特（圓）穩(wěn)定性判據可用于分析SISO和MIMO模糊系統(tǒng)的穩(wěn)定性，并且擴展圓判據可用于推導一類簡單模糊PI控制系統(tǒng)穩(wěn)定性的充分條件。由于圓判據要求比較嚴格，Furutani提出一種移動的波波夫判據，用于分析模糊控制系統(tǒng)的穩(wěn)定性。當此判據中參數設為零時，該判據與圓判據一致。除了以上介紹的方法外，模糊控制系統(tǒng)的穩(wěn)定性分析還

12、有相平面法、關系矩陣分析法、超穩(wěn)定理論、Popov判據、模糊穴穴映射、數值穩(wěn)定性分析方法以及最近出現的魯棒控制理論分析方法和LMI（矩陣不等式）凸優(yōu)化方法等。2.2 自適應模糊控制器的研究為了提高模糊控制系統(tǒng)的自適應能力，許多學者對自適應模糊控制器進行了研究，研究方向主要集中在以下方面。 (1)自校正模糊控制器自校正模糊控制器是在常規(guī)模糊控制的基礎上，采用加權推理決策，并引入協調因子，根據系統(tǒng)偏差e和偏差變化ec的大小，預測控制系統(tǒng)中的不確定量并選擇一個最佳的控制參數或控制規(guī)則集，在線自動調整保守和大膽控制的混合程度，從而更全面確切地反映出人對諸因素的綜合決策思想，提高系統(tǒng)的控制精度和魯捧性能

13、。目前這種變結構的自校正模糊控制器是根據被調量e和ec在線選取最佳控制規(guī)則及控制決策的，而對于一些復雜的生產過程,其生產工藝和環(huán)境因素都較為復雜，往往不能只考慮系統(tǒng)的偏差和偏差變化率來確定其控制策略，難于總結出比較完整的經驗，此時模糊控制規(guī)則或者缺乏，或者很粗糙，并且當被控對象參數發(fā)生變化或受到隨機干擾影響時，都會影響模糊控制的效果。 (2)自組織模糊控制器 自組織模糊控制器能自動對系統(tǒng)本身的參數或控制規(guī)則進行調整，使系統(tǒng)不斷完善，以適應不斷變化的情況，保證控制達到所希望的效果。它根據自動測量得到的實際輸出特征和期望特征的偏差，確定輸出響應的校正量并轉化控制校正量，調整模糊控制規(guī)則，作用于被控

14、對象。其基本特征是：控制算法和規(guī)則可以通過在線修改，變動某幾個參數可以改變控制結果。它不僅僅是局限于某個對象，而是通過自組織適應幾類對象。2.3 模糊控制的發(fā)展前景在模糊控制的發(fā)展初期，大多數學者的主要精力放在模糊控制的應用研究上，在很多領域取得輝煌的成果。但與應用的成果相比，模糊控制的系統(tǒng)分析和理論研究卻沒有顯著進展，以至于西方的一些學者對模糊控制的理論依據和有效性產生疑慮。1993年7月，在美國第十一屆人工智能年會上，加州大學圣地亞哥分校計算機科學和工程系助教授Clarles Elkan博士的一篇題為“模糊邏輯似是而非的成功”報告，就代表了這種思想。雖然C.Elkan 的一些觀點是不確切和

15、片面的，會后很多專家對此進行了批駁，但他確確實實指出了模糊控制理論基礎不夠堅實的缺點，從而引起了模糊控制領域的學者的廣泛關注并加強了對這一方面的研究。通過上節(jié)的介紹可以看到，目前模糊控制的理論研究很熱，并已取得了許多顯著進展，模糊控制在理論上和應用方面都取得了巨大成就。雖然模糊控制技術發(fā)展歷史只有三十年，本身還有待于完善，理論與實際的結合也有待于進一步探索，但是其發(fā)展前景十分誘人。目前在國際大趨勢的推動下，模糊控制已開始向多元化和交叉學科方向發(fā)展。國外專家預言：模糊技術、神經網絡技術、混沌理論作為人工智能的三大支柱，將是下一代工業(yè)自動化的基礎。隨著模糊控制理論研究的不斷完善和應用的廣泛深入、高

16、性能模糊控制器的研究開發(fā)，模糊控制技術將會更大限度地發(fā)揮其優(yōu)勢，為工業(yè)過程控制、運動控制和其它領域的控制開辟新的應用前景。三 神經網絡控制自適應控制是一種特殊的反饋控制，它不是一般的系統(tǒng)狀態(tài)反饋或輸出反饋，即使對于現行定常的控制對象，自適應控制亦是非線性時變反饋控制系統(tǒng)。這種系統(tǒng)中的過程狀態(tài)可劃分為兩種類型，一類狀態(tài)變化速度快，另一類狀態(tài)變化速度慢。慢變化狀態(tài)可視為參數，這里包含了兩個時間尺度概念：適用于常規(guī)反饋控制的快時間尺度以及適用于更新調節(jié)參數的慢時間尺度，這意味著自適應控制系統(tǒng)存在某種類型的閉環(huán)系統(tǒng)性能反饋。人工神經網絡(簡稱ANN)是也簡稱為神經網絡（NNS）或稱作連接模型，是對人腦

17、或自然神經網絡若干基本特性的抽象和模擬。人工神經網絡以對大腦的生理研究成果為基礎的，其目的在于模擬大腦的某些機理與機制，實現某個方面的功能。人工神經網絡下的定義就是：“人工神經網絡是由人工建立的以有向圖為拓撲結構的動態(tài)系統(tǒng)，它通過對連續(xù)或斷續(xù)的輸入作狀態(tài)相應而進行信息處理?！边@一定義是恰當的。人工神經網絡的研究，可以追溯到1957年Rosenblatt提出的感知器模型。目前在神經網絡研究方法上已形流派，最富有成果的研究工作包括：多層網絡BP算法，Hopfield網絡模型，自適應共振理論，自組織特征映射理論等。它雖然反映了人腦功能的基本特征，但遠不是自然神經網絡的逼真描寫，而只是它的某種簡化抽象

18、和模擬。神經網絡的研究可以分為理論研究和應用研究兩大方面。理論研究可分為以下兩類： （1）利用神經生理與認知科學研究人類思維以及智能機理。 （2）利用神經基礎理論的研究成果，用數理方法探索功能更加完善、性能 更加優(yōu)越的神經網絡模型，深入研究網絡算法和性能，如：穩(wěn)定性、收斂性、容錯性、魯棒性等；開發(fā)新的網絡數理理論。 應用研究可分為以下兩類： （1）神經網絡的軟件模擬和硬件實現的研究。 （2）神經網絡在各個領域中應用的研究。 神經網絡具有以下特點： （1）能夠充分逼近任何復雜的非線性關系； （2）全部定性或定量的信息都均勻分布存在于網絡內的各神經元，因此有 很強的容錯性和魯棒性； （3）使用并行

19、分布處理的方式，讓大量運算成可以快速完成； 神經網絡是人腦的某種抽象簡化和模擬，是具有高度非線性的系統(tǒng)。其物理模型雖有多種。但基本運算可歸結為四種: 積與權值學習、閾值處理和非線性函數處理。從宏觀上，一般將神經網絡分為四種類型:前饋、反饋、自組織與隨機型。神經網絡的發(fā)展史，概括起來可以說經歷了三個階段:40 60 年代的發(fā)展初期; 70年代的研究低潮;80年代至今，神經網絡的理論研究取得突破性進展。多年來神經網絡的研究雖已取得了很多成果，但至今尚未建立起一套完整的理論體系。四 控制科學發(fā)展方向控制理論與控制工程是控制學科的基礎，在未來五年中仍將發(fā)揮不可替代的作用，是整個學科發(fā)展的重中之重。運作

20、的網絡化、功能的多樣化、系統(tǒng)的復雜化是控制理論與控制工程未來發(fā)展的主要趨勢，而低成本、高性能、高智能必將成為實際控制工程需求的主要特點，這將使得控制理論與應用的研究和發(fā)展逐漸向分布自主式、博弈合作式、人機交互式邁進，其未來研究的內容可集中在以下方面。在多智能體協同控制方面，需要考慮在高階非線性特性、不確定特性，非完整運動約束特性，才能使其能描述實際系統(tǒng)的精確動態(tài)特性，研究此類模型的協同控制方法，從工程實踐和理論研究的角度都具有十分重要的意義。帶有通信約束的多自主體協作不但有著很強的工程應用背景，而且對于深化人們對多自主體系統(tǒng)的這個更為廣大的研究領域的本質性理解、挖掘系統(tǒng)控制科學新的生長點具有重

21、要意義。集值系統(tǒng)的適應控制問題將是集值系統(tǒng)研究的核心問題，與辨識和濾波問題相比較，這將是更有意義也更具挑戰(zhàn)性的工作。在網絡控制方面，基于有限數據率的反饋控制機制，還需要建立一套同時考慮傳輸時延、信息可靠性等的信息傳輸理論；通信數據率與控制性能之間的關系，和建立計算高效和易于實現的控制編碼解碼和控制策略；對于多自主體和多回路控制的大規(guī)模協作系統(tǒng)，運用信息論和圖論的方法研究有效的編碼解碼策略和網絡拓撲結構是十分重要。在網絡安全領域，需更深一步研究包括基于網絡反饋系統(tǒng)的魯棒控制和容錯控制等。模式識別和計算機視覺是當前人工智能中最具活力的研究領域。但是，傳統(tǒng)的難點基礎理論研究問題和技術瓶頸問題尚未得到

22、全面解決的同時，在基于泛在感知的海量信息智考能化處理中卻不斷地產生新型大數據模式識別問題和大場景復雜視覺計算問題。模式識別和計算機視覺的深人研究是提高國內相關學科前沿創(chuàng)新能力的重要需要；是構建面向海量龐雜、異質多源、大范圍時空關聯的社會感知數據智能處理系統(tǒng)的核心基石?？偨Y起來，當前應用需求主要包括如下幾個方面：國家安全的需要，包括軍事目標圖像和軍事情報數據的自動分析，互聯網態(tài)勢分析和反恐等；共安全的需要，包含海量龐雜、跨時空大規(guī)模視覺感知數據的語義理解、基于物理空間和網絡空間的關聯監(jiān)控和身份認證等；基于泛在和精密感知的智能環(huán)境理解、智能人機交互、智能機器人等尤其需要先進的視聽覺信息理解技術；多

23、源跨時段海量遙感圖像內容理解、空天情報實時智能化處理的需要；智能醫(yī)學對大規(guī)模醫(yī)學圖像自動處理的需要等等。腦影像與腦認知涉及多學科、多領域大跨度交叉和合作，特別是腦影像學、成像物理、數學、化學、信息科學、神經科學、認知心理學和醫(yī)學等領域的合作。在我國現行的教育體制下，腦科學、心理學及醫(yī)學科研工作者的數理基礎及計算機能力相對匱乏，需要在國家層面建立多學科協調創(chuàng)新機制。隨著數據挖掘領域的研究不斷深人及其愈發(fā)廣泛的應用，數據挖掘關注的焦點也有了新的變化?？偟内厔菔牵瑪祿诰蜓芯亢蛻酶印吧鐣焙汀按髷祿?。數據挖掘的理論和應用在相當一段時間繼續(xù)保持穩(wěn)定發(fā)展但有著朝向大規(guī)模的社交數據分析和時間序列數據分析方向發(fā)展的趨勢。移動互聯網的發(fā)展，將帶來網絡多媒體數據的新一輪爆炸式增長，衍生出更多的多媒體數據、服務和應用形式，這為網絡