控制科学与工程前沿论坛.doc

J I A N G S U U N I V E R S I T Y控制科学与工程前沿论坛报告任课老师:专业班级: 控制工程 1604 学生姓名:学生学号：z16070502017年4月一 智能控制一个系统如果具有感知环境、不断获得信息以减小不确定性和计划、产生以及执行控制行为的能力，即称为智能控制系统. 智能控制技术是在向人脑学习的过程中不断发展起来的，人脑是一个超级智能控制系统，具有实时推理、决策、学习和记忆等功能，能适应各种复杂的控制环境. 智能控制与传统的或常规的控制有密切的关系,不是相互排斥的。 常规控制往往包含在智能控制之中,智能控制也利用常规控制的方法来解决“低级”的控制问题，力图扩充常规控制方法并建立一系列新的理论与方法来解决更具有挑战性的复杂控制问题。 （1)传统的自动控制是建立在确定的模型基础上的，而智能控制的研究对象则存在模型严重的不确定性，即模型未知或知之甚少者模型的结构和参数在很大的范围内变动，比如工业过程的病态结构问题、某些干扰的无法预测，致使无法建立其模型，这些问题对基于模型的传统自动控制来说很难解决.（2）传统的自动控制系统的输入或输出设备与人及外界环境的信息交换很不方便，希望制造出能接受印刷体、图形甚至手写体和口头命令等形式的信息输入装置，能够更加深入而灵活地和系统进行信息交流，同时还要扩大输出装置的能力，能够用文字、图纸、立体形象、语言等形式输出信息。 另外,通常的自动装置不能接受、分析和感知各种看得见、听得着的形象、声音的组合以及外界其它的情况。 为扩大信息通道,就必须给自动装置安上能够以机械方式模拟各种感觉的精确的送音器,即文字、声音、物体识别装置。可喜的是，近几年计算机及多媒体技术的迅速发展,为智能控制在这一方面的发展提供了物质上的准备，使智能控制变成了多方位“立体”的控制系统.（3） 传统的自动控制系统对控制任务的要求要么使输出量为定值(调节系统） ，要么使输出量跟随期望的运动轨迹（跟随系统） ，因此具有控制任务单一性的特点,而智能控制系统的控制任务可比较复杂，例如在智能机器人系统中,它要求系统对一个复杂的任务具有自动规划和决策的能力，有自动躲避障碍物运动到某一预期目标位置的能力等. 对于这些具有复杂的任务要求的系统，采用智能控制的方式便可以满足。（4） 传统的控制理论对线性问题有较成熟的理论,而对高度非线性的控制对象虽然有一些非线性方法可以利用，但不尽人意. 而智能控制为解决这类复杂的非线性问题找到了一个出路，成为解决这类问题行之有效的途径. 工业过程智能控制系统除具有上述几个特点外，又有另外一些特点，如被控对象往往是动态的，而且控制系统在线运动，一般要求有较高的实时响应速度等，恰恰是这些特点又决定了它与其它智能控制系统如智能机器人系统、航空航天控制系统、交通运输控制系统等的区别,决定了它的控制方法以及形式的独特之处。（5) 与传统自动控制系统相比，智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力。（6） 与传统自动控制系统相比,智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程，采用开闭环控制和定性及定量控制结合的多模态控制方式。（7） 与传统自动控制系统相比,智能控制系统具有变结构特点，能总体自寻优，具有自适应、自组织、自学习和自协调能力.（8) 与传统自动控制系统相比,智能控制系统有补偿及自修复能力和判断决策能力.总之,智能控制系统通过智能机自动地完成其目标的控制过程，其智能机可以在熟悉或不熟悉的环境中自动地或人-机交互地完成拟人任务.智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础，扩展了相关的理论和技术,其中应用较多的有模糊逻辑、神经网络、专家系统、遗传算法等理论和自适应控制、自组织控制、自学习控制等技术。二 模糊控制模糊控制综合了专家的操作经验，具有不依赖被控对象的精确数学模型、设计简单、便于应用、抗干扰能力强、响应速度快、易于控制和掌握、对系统参数的变化有较强的鲁棒性等特点，在经典控制理论和现代控制理论难以应用的场合发挥了很大的作用。近年来，模糊集理论及应用研究不断深入,取得了一系列成功的应用和理论成果,在自动控制、信号处理、模式识别、通信等领域得到了广泛的应用.目前，模糊控制已成为智能控制的一个主要分支。为了更深入地开展模糊控制技术的研究和应用，本文对模糊控制近期研究的一些热点问题进行简要的归纳介绍。2。1 模糊控制的热点问题任何一个自动控制系统要正常工作,首先必须是稳定的.由于模糊系统本质上的非线性和缺乏统一的系统描述,使得人们难以利用现有的控制理论和分析方法对模糊控制系统进行分析和设计，因此，模糊控制理论的稳定性分析一直是一个难点课题，未形成较为完善的理论体系.正因为如此，关于模糊系统的稳定性分析近年来成为众人关注的热点，发表的论文较多，提出了各种思想和分析方法.目前模糊控制系统稳定性分析方法主要有以下几种:（1）李亚普诺夫方法基于李亚普诺夫直接方法，许多学者讨论了离散时间和连续时间模糊控制系统的稳定性分析和设计.其中，Tanaka和Sano将其中的基本稳定性条件推广到SISO系统的（非)鲁棒稳定性条件,稳定性判据变为从一组李亚普诺夫不等式中寻找一个共同的李亚普诺夫函数问题.使用李亚普诺夫线性化方法，Ying建立了包括非线性对象的TS模糊控制系统局部稳定性的必要和充分条件。另外，一种在大系统中使用的向量李亚普诺夫直接方法，被用于推导多变量模糊系统的稳定性条件；李亚普诺夫第二方法被用于判别模糊系统量比因子选择的稳定性；波波夫一李亚普诺夫方法被用于研究模糊控制系统的鲁棒稳定性。但是，李亚普诺夫的一些稳定性条件通常比较保守，即当稳定性条件不满足时，控制系统仍是稳定的. （2） 基于滑模变结构系统的稳定性分析方法由于模糊控制器是采用语义表达,系统设计中不易保证模糊控制系统的稳定性和鲁棒性.而滑模控制有一个明显的特点,即能处理控制系统的非线性,而且是鲁棒控制。因此一些学者提出设计带有模糊滑模表面的模糊控制器，从而能用李亚普诺夫理论来获得闭环控制系统稳定性的证明.Palm和Driankov采用滑模控制的概念分析了增益规划的闭环模糊控制系统的稳定性和鲁棒性。另有一些学者用模糊推理来处理控制系统的非线性和减少控制震颤,使得基于李亚普诺夫方法可保证控制系统的稳定性.基于变结构系统理论，可以得到控制系统的跟踪精度和模糊控制器的I/O模糊集映射形状之间的关系，从而可以解释模糊控制器的鲁棒性和控制性能。文献等研究了基于变结构控制框架的模糊控制系统的稳定性，通过输出反馈的模糊变结构控制，并用李亚普诺夫方法证明了闭环控制系统是全局有界输入有界输出稳定的。若使用变结构控制类型的模糊规则集，模糊控制器从语义和定量上可显示出变结构的特性。为便于李亚普诺夫稳定性判据能指导设计和调整模糊控制器，文献推导出模糊控制器的具体数学表达式。（3）描述函数方法描述函数方法可用于预测极限环的存在、频率、幅度和稳定性。通过建立模糊控制器与多值继电控制器的关系，描述函数方法可用于分析模糊控制系统的稳定性。另外，指数输入的描述函数技术也能用于研究模糊控制系统的暂态响应。虽然描述函数方法能用于SISO和MISO模糊控制器以及某些非线性对象模型，但不能用于三输入及以上的模糊控制器。并且由于这种方法一般应用于非线性系统中确定周期振荡的存在性，因此只是一种近似稳定性分析方法.（4)圆稳定性判据方法圆判据可用于分析和再设计一个模糊控制系统。使用扇区有界非线性的概念，一般化的奈魁斯特(圆）稳定性判据可用于分析SISO和MIMO模糊系统的稳定性,并且扩展圆判据可用于推导一类简单模糊PI控制系统稳定性的充分条件.由于圆判据要求比较严格,Furutani提出一种移动的波波夫判据,用于分析模糊控制系统的稳定性.当此判据中参数设为零时，该判据与圆判据一致。除了以上介绍的方法外,模糊控制系统的稳定性分析还有相平面法、关系矩阵分析法、超稳定理论、Popov判据、模糊穴穴映射、数值稳定性分析方法以及最近出现的鲁棒控制理论分析方法和LMI(矩阵不等式)凸优化方法等。2。2自适应模糊控制器的研究为了提高模糊控制系统的自适应能力,许多学者对自适应模糊控制器进行了研究，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规模糊控制的基础上,采用加权推理决策,并引入协调因子，根据系统偏差e和偏差变化ec的大小,预测控制系统中的不确定量并选择一个最佳的控制参数或控制规则集,在线自动调整保守和大胆控制的混合程度，从而更全面确切地反映出人对诸因素的综合决策思想,提高系统的控制精度和鲁捧性能.目前这种变结构的自校正模糊控制器是根据被调量e和ec在线选取最佳控制规则及控制决策的，而对于一些复杂的生产过程,其生产工艺和环境因素都较为复杂,往往不能只考虑系统的偏差和偏差变化率来确定其控制策略，难于总结出比较完整的经验，此时模糊控制规则或者缺乏，或者很粗糙，并且当被控对象参数发生变化或受到随机干扰影响时,都会影响模糊控制的效果.（2）自组织模糊控制器 自组织模糊控制器能自动对系统本身的参数或控制规则进行调整，使系统不断完善，以适应不断变化的情况，保证控制达到所希望的效果。它根据自动测量得到的实际输出特征和期望特征的偏差,确定输出响应的校正量并转化控制校正量,调整模糊控制规则,作用于被控对象。其基本特征是：控制算法和规则可以通过在线修改，变动某几个参数可以改变控制结果。它不仅仅是局限于某个对象，而是通过自组织适应几类对象。2。3 模糊控制的发展前景在模糊控制的发展初期，大多数学者的主要精力放在模糊控制的应用研究上，在很多领域取得辉煌的成果。但与应用的成果相比，模糊控制的系统分析和理论研究却没有显著进展，以至于西方的一些学者对模糊控制的理论依据和有效性产生疑虑。1993年7月,在美国第十一届人工智能年会上,加州大学圣地亚哥分校计算机科学和工程系助教授Clarles Elkan博士的一篇题为“模糊逻辑似是而非的成功”报告，就代表了这种思想。虽然C。Elkan 的一些观点是不确切和片面的，会后很多专家对此进行了批驳，但他确确实实指出了模糊控制理论基础不够坚实的缺点，从而引起了模糊控制领域的学者的广泛关注并加强了对这一方面的研究。通过上节的介绍可以看到，目前模糊控制的理论研究很热，并已取得了许多显著进展，模糊控制在理论上和应用方面都取得了巨大成就。虽然模糊控制技术发展历史只有三十年，本身还有待于完善，理论与实际的结合也有待于进一步探索，但是其发展前景十分诱人。目前在国际大趋势的推动下,模糊控制已开始向多元化和交叉学科方向发展。国外专家预言：模糊技术、神经网络技术、混沌理论作为人工智能的三大支柱，将是下一代工业自动化的基础。随着模糊控制理论研究的不断完善和应用的广泛深入、高性能模糊控制器的研究开发，模糊控制技术将会更大限度地发挥其优势，为工业过程控制、运动控制和其它领域的控制开辟新的应用前景。三 神经网络控制自适应控制是一种特殊的反馈控制，它不是一般的系统状态反馈或输出反馈,即使对于现行定常的控制对象，自适应控制亦是非线性时变反馈控制系统。这种系统中的过程状态可划分为两种类型，一类状态变化速度快，另一类状态变化速度慢。慢变化状态可视为参数，这里包含了两个时间尺度概念:适用于常规反馈控制的快时间尺度以及适用于更新调节参数的慢时间尺度,这意味着自适应控制系统存在某种类型的闭环系统性能反馈.人工神经网络(简称ANN）是也简称为神经网络（NNS)或称作连接模型，是对人脑或自然神经网络若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制,实现某个方面的功能.人工神经网络下的定义就是：“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统，它通过对连续或断续的输入作状态相应而进行信息处理。这一定义是恰当的.人工神经网络的研究，可以追溯到1957年Rosenblatt提出的感知器模型.目前在神经网络研究方法上已形流派,最富有成果的研究工作包括:多层网络BP算法，Hopfield网络模型，自适应共振理论，自组织特征映射理论等.它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写,而只是它的某种简化抽象和模拟。神经网络的研究可以分为理论研究和应用研究两大方面。理论研究可分为以下两类：（1）利用神经生理与认知科学研究人类思维以及智能机理。（2)利用神经基础理论的研究成果,用数理方法探索功能更加完善、性能更加优越的神经网络模型,深入研究网络算法和性能，如:稳定性、收敛性、容错性、鲁棒性等;开发新的网络数理理论.应用研究可分为以下两类:（1）神经网络的软件模拟和硬件实现的研究.（2）神经网络在各个领域中应用的研究。神经网络具有以下特点：(1）能够充分逼近任何复杂的非线性关系;（2）全部定性或定量的信息都均匀分布存在于网络内的各神经元，因此有很强的容错性和鲁棒性；（3）使用并行分布处理的方式,让大量运算成可以快速完成; 神经网络是人脑的某种抽象简化和模拟,是具有高度非线性的系统。其物理模型虽有多种。但基本运算可归结为四种： 积与权值学习、阈值处理和非线性函数处理.从宏观上，一般将神经网络分为四种类型：前馈、反馈、自组织与随机型。神经网络的发展史,概括起来可以说经历了三个阶段:40 60 年代的发展初期； 70年代的研究低潮；80年代至今，神经网络的理论研究取得突破性进展。多年来神经网络的研究虽已取得了很多成果，但至今尚未建立起一套完整的理论体系。四 控制科学发展方向控制理论与控制工程是控制学科的基础，在未来五年中仍将发挥不可替代的作用，是整个学科发展的重中之重.运作的网络化、功能的多样化、系统的复杂化是控制理论与控制工程未来发展的主要趋势，而低成本、高性能、高智能必将成为实际控制工程需求的主要特点，这将使得控制理论与应用的研究和发展逐渐向分布自主式、博弈合作式、人机交互式迈进，其未来研究的内容可集中在以下方面.在多智能体协同控制方面，需要考虑在高阶非线性特性、不确定特性，非完整运动约束特性,才能使其能描述实际系统的精确动态特性，研究此类模型的协同控制方法，从工程实践和理论研究的角度都具有十分重要的意义。带有通信约束的多自主体协作不但有着很强的工程应用背景,而且对于深化人们对多自主体系统的这个更为广大的研究领域的本质性理解、挖掘系统控制科学新的生长点具有重要意义。集值系统的适应控制问题将是集值系统研究的核心问题,与辨识和滤波问题相比较，这将是更有意义也更具挑战性的工作。在网络控制方面，基于有限数据率的反馈控制机制，还需要建立一套同时考虑传输时延、信息可靠性等的信息传输理论;通信数据率与控制性能之间的关系，和建立计算高效和易于实现的控制编码解码和控制策略;对于多自主体和多回路控制的大规模协作系统,运用信息论和图论的方法研究有效的编码解码策略和网络拓扑结构是十分重要.在网络安全领域，需更深一步研究包括基于网络反馈系统的鲁棒控制和容错控制等.模式识别和计算机视觉是当前人工智能中最具活力的研究领域.但是，传统的难点基础理论研究问题和技术瓶颈问题尚未得到全面解决的同时，在基于泛在感知的海量信息智考能化处理中却不断地产生新型大数据模式识别问题和大场景复杂视觉计算问题。模式识别和计算机视觉的深人研究是提高国内相关学科前沿创新能力的重要需要；是构建面向海量庞杂、异质多源、大范围时空关联的社会感知数据智能处理系统的核心基石。总结起来，当前应用需求主要包括如下几个方面:国家安全的需要，包括军事目标图像和军事情报数据的自动分析，互联网态势分析和反恐等；共安全的需要,包含海量庞杂、跨时空大规模视觉感知数据的语义理解、基于物理空间和网络空间的关联监控和身份认证等；基于泛在和精密感知的智能环境理解、智能人机交互、智能机器人等尤其需要先进的视听觉信息理解技术;多源跨时段海量遥感图像内容理解、空天情报实时智能化处理的需要;智能医学对大规模医学图像自动处理的需要等等。脑影像与脑认知涉及多学科、多领域大跨度交叉和合作，特别是脑影像学、成像物理、数学、化学、信息科学、神经科学、认知心理学和医学等领域的合作。在我国现行的教育体制下，脑科学、心理学及医学科研工作者的数理基础及计算机能力相对匮乏，需要在国家层面建立多学科协调创新机制.随着数据挖掘领域的研究不断深人及其愈发广泛的应用,数据挖掘关注的焦点也有了新的变化.总的趋势是，数据挖掘研究和应用更加“社会化和“大数据化。数据挖掘的理论和应用在相当一段时间继续保持稳定发展但有着朝向大规模的社交数据分析和时间序列数据分析方向发展的趋势.移动互联网的发展,将带来网络多媒体数据的新一轮爆炸式增长,衍生出更多的多媒体数据、服务和应用形式,这为网络多媒体研究提供了新的研究平台,同时也提出了新的挑战。大数据背景下的网络多媒体知识挖掘将成为多媒体语义理解和信息检索新的研究热点;社会多媒体计算的新挑战则来自于如何应对海量社会网络数据的开放性、动态性和复杂性等特点。目前，对间歇故障诊断的研究还很不充分,理论研究尚处于探索阶段,在对间歇故障的研究中，存在着一些亟待解决的问题，其中包括：对于间歇故障只有定性的描述,缺乏统一明确的严格定义和衡量指标；目前的研究大都未考虑间歇故障的可检测性条件；间歇故障检测阈值的选取问题;在强干扰条件下间歇故障的诊断问题；在闭环系统中间歇故的诊断问题；微小间歇故障的准确诊断问题等。我国北斗卫星导航系统已经正式投人运行,接收机也实现了产品化,高性能的组合导航尤其是深辑合导航系统的研究非常迫切，其中地磁辅助导航是最有希望取得突破的方向.航天器自主导航的研究重点将从理论研究转向工程应用技术,适合在轨应用的高性能导航敏感器技术有望取得突破性进展.未来飞行控制技术的发展方向包括异类控制效应复合控制、智能自主飞行控制、损伤自适应容错、系统评估与确认技术等.系统仿真需要加速形成具有相对独立的理论体系、知识基础和研究对象，尤其在仿真理论基础研究、仿真系统标准与规范、仿真试验设计与评估方法方面的研究力量需要加强。平行系统理论方法是系统仿真领域的前沿领域，通过引人平行系统中人工与实际系统的相互对应和参照,扩展了仿真技术,是未来值得关注的研究方向.生产计划调度应该加强基础理论和解决方案等重点方向的研究工作,生产计划调度建模、生产计划调度优化、生产计划调度分析和调度方案的实施与应用四个方面是未来生产计划调度领域值得进一步研究的方向。在体系工程与体系结构技术方面,应重点加强基于能力的体系需求开发、基于多视图的体系结构框架、基于模型驱动的体系结构设计与优化等方面技术的研究。