《控制科学与技术的发展及其思考》由会员分享，可在线阅读，更多相关《控制科学与技术的发展及其思考（18页珍藏版）》请在金锄头文库上搜索。
1、1控制科学与技术的发展及其思考1 控制科学与技术的发展状况控制科学与技术在 20 世纪的人类科技进步中起到了举足轻重的作用，为了解决当今社会的许多挑战性问题产生了积极的影响，提供了科学的思想方法论；为许多产业领域实现自动化奠定了理论基础，提供了先进的生产技术和先进的控制仪器及装备。特别是数字计算机的广泛使用，为控制科学与技术开辟了更广泛的应用领域。回顾近百年来的工程技术的发展，可以看到，20 世纪的控制科学与技术是在实践的重大需求驱动下快速发展的，他经历了若干重要的发展时期，如 20 世纪初的 Lyapunov 稳定理论和 PID 控制律概念；20 年代的反馈放大器； 30 年代的 Nyqui
2、st 与 Bode 图；40 年代维纳的控制论； 50 年代贝尔曼动态规划理论和庞特里亚金极大值原理；60 年代卡尔曼滤波器、系统状态空间法、系统能控性和能观性；70 年代的自校正控制和自适应控制；80 年代针对系统不确定状况的鲁棒控制；90 年代基于智能信息处理的智能控制理论。中国控制学科界的许多学者为控制理论和技术的发展也做出重要的贡献。随着计算机科学、网络和智能信息处理技术的进步，以及社会生产力发展的强烈需求，在如何解决日益增加的复杂系统、网络系统、多传感器信息融合、生物、基因、量子计算、社会经济与生2态等重大问题上，控制科学和自动化领域的研究者们在 21 世纪初面临着更重大的、更为迫切
3、的挑战。近 30 年来，控制科学在非线性系统控制、分布参数系统控制、系统辨识、随机与自适应控制、鲁棒控制、离散事件系统和混合系统、智能控制等研究方向上取得了许多重要进展。在 21 世纪初的十几年，这些方向仍将是控制科学发展的主要研究方向，它们之间的交叉与结合，将形成许多应用性更强的重要研究方向。非线性控制是控制理论中一个重要的研究分支，目前在该方向的一些研究成果已应用于机器人、直升飞机与电力系统控制等实际控制工程中。可以预见，非线性控制理论的进一步发展，将对多机器人系统协调操作与大型网络稳定安全为背景的非线性系统的控制工程等产生重大影响。混沌系统作为非线性系统的重要组成部分，在混沌生成、混沌抑
4、制、混沌同步化、混沌通讯应用以及混沌信息编码等方面已经取得一些突破性的进展。这些研究成果将对复杂系统的深入研究提供了有意义的借鉴。自 20 世纪 70 年代开始，国内外学者开始重视分布参数系统的研究。分布参数系统是无穷维系统，一般由偏微分方程、积分方程、泛函微分方程或抽象空间中的微分方程所描述。我国学者在细长体弹性振动系统的建模和振动控制、振动系统的谱分析、能控性和反馈镇定、一般无穷维系统的极大值原理、人口系统控制、人口预测和控制等方面都做出了重要贡献。3由于实际系统的复杂性，人们往往很难（或不可能）从基本的物理定律出发直接推导出系统的数学模型，这就需要利用可以测量的系统输入和输出数据，来构造
5、系统内结构及参数的估计，并研究估计的可靠性和精度等问题，这就是系统辨识的任务。20 世纪 90年代，线性系统辨识理论趋于成熟，而非线性系统的辨识仍处于发展阶段。近 10 年来，系统辨识领域有 3 个热点研究方向：基于鲁棒控制的数学模型要求的鲁棒辨识，基于特殊信号驱动下的系统辨识和基于智能信息处理的非线性系统辨识。当实际系统受到的外界干扰和系统模型误差被看作为随机噪声时，我们把这类系统称为随机系统。近年来，在非线性滤波、随机极大值原理、随机最优控制综合等方面已有新的进展。人们为了寻求能够实际应用并且性能良好的控制算法，由“分离思想”和“ 必然等价思想” 发展了自适应控制的理论和方法。在科学研究和
6、工程实践中，自适应算法已经成为一种非常有效的重要方法。一般地，系统的数学模型与实际系统存在着参数或结构等方面的差异，而我们设计的控制律大多都是基于系统的数学模型，为了保证实际系统对外界干扰、系统的不确定性等有尽可能小的敏感性，导致了研究系统鲁棒控制问题。近年来，对非线性系统的鲁棒适应控制16 的研究已成为一个热点方向。人工神经网方法、滑动模（sliding-mode）方法及鲁棒控制方法的结合可以设计出对一大类连续时间非线性系统稳定的自适应控制律17 。 20 世纪 80 年代出4现的 H设计方法和变结构控制（滑摸控制）推动了鲁棒控制理论的发展。现在，系统 H范数已成为系统的重要性能指标。如何有
7、效利用过程信息来降低系统的不确定性，是鲁棒控制研究的重要内容。由于许多控制问题可归结为线性矩阵不等式（LMI）的研究，20 世纪 90 年代中期出现了关于 LMI 的控制软件工具。近几年，非线性系统、时滞饱和系统、时滞故障系统的鲁棒综合控制问题已经成为新的热点研究方向，而且已经有不少应用实例，例如，核反应堆的温度跟踪鲁棒控制、导弹系统的鲁棒自适应最优跟踪设计、机器人操作的鲁棒神经控制。系统的状态随离散事件发生而瞬时改变，不能用通常的动态方程来描述，一般称这类系统为离散事件动态系统（DEDS）。对它的研究始于 20 世纪 80 年代初。目前已发展了多种处理离散事件系统的方法和模型，例如有限状态马
8、尔科夫链、Petri 网、排队网络、自动机理论、扰动分析法、极大代数法等。其理论已经应用于柔性制造系统、计算机通信系统、交通系统等。离散事件系统的研究虽然取得较大进展，但还没有一套完整的理论体系来评价离散时间系统模型与实际对象的差异。离散事件动态系统自然延伸就是混合动态系统。包含离散事件动态系统（DEDS ）和连续变量动态系统（CVDS）、两者又相互耦合作用的系统称为混合动态系统（HDS ）。关于混合系统最早的文献出现在 1966 年。1979 年瑞5典人 Cellier 首先引入混合系统结构的概念，把系统分为离散、连续和接口 3 个部分。1989 年 Golli 针对计算机磁盘驱动器模型引入
9、混合系统的概念，把连续部分和接口部分结合起来进行研究。虽然混合系统的研究取得了一些成果，但仍处于发展阶段，其理论和应用研究仍是未来几年的研究热点。最近，混合系统的离散监督控制、离散时间混合系统的最优控制有了一些新的突破，并且混合控制理论已逐步应用于电力系统的电压安全控制和机器人协调控制等领域。现代工程技术、生态或社会环境等领域的研究对象往往是十分复杂的系统，对这类系统难以用常规的数学方法来建立准确的数学模型，需要用学习、推理或统计意义上的模型来描述实际系统，这就导致了智能控制的研究。智能控制的主要目标是使控制系统具有学习和适应能力。现在，智能控制理论虽然取得了不少研究成果，但智能控制的理论体系
10、还不够成熟。最近，基于模糊推理的系统建模、神经网络模型参考自适应控制、神经网络内模控制、神经网络非线性预测控制、混沌神经网络控制等方面已有不少重要研究成果。智能控制理论有着广泛的应用，例如，基于神经动态规划的直升机的镇定控制和航天轨道操作器的基于知识的分层控制等。模糊推理、神经网络和遗传算法均具有模拟人类思维结构的方式的特点，将三者结合是智能控制研究的主要方向之一。2 传统与现代控制理论的局限性6传统控制器都是基于系统的数学模型建立的，因此，控制系统的性能好坏很大程度上取决于模型的精确性，这正是传统控制的本质。现代控制理论可以解决多输入、多输出（MIMO ）控制系统地分析和控制设计问题，但其分
11、析与综合方法也都是在取得控制对象数学模型基础上进行的，而数学模型的精确程度对控制系统性能的影响很大，往往由于某种原因，对象参数发生变化使数学模型不能准确地反映对象特性，从而无法达到期望的控制指标，为解决这个问题，自适应控制、鲁棒控制的研究便成为控制理论的研究热点。20 世纪 80 年代由加拿大学者 Zames 等人创始的 H控制理论是鲁棒控制理论的重要发展。但这些方法本质上还是没有摆脱基于数学模型的定量化思想。传统控制，包括经典反馈控制、现代控制理论等，在应用中遇到不少难题。机理建模所不可避免的模型误差将导致估计器工作效果时好时坏，难以设计可靠、稳定的控制系统。2.1 传统控制理论面临的问题1
12、）控制对象的复杂性传统控制理论的思想是建立在精确数学模型基础上的，然而对实际应用中的非线性、时变性、不确定性和不完全性的系统，一般无法获得精确的数学模型。对含有对象复杂性和不确定性的控制过程，很难用传统数学建模方法来解决建模问题。2）控制方法和手段单一性7在研究一个实际的控制对象时，为了得到理论上性能良好的控制器，经常提出一些比较苛刻的假设，然而这些假设在应用中往往与实际情况不相吻合。根据现有的理论和技术描述复杂的控制过程会出现片面性、单一性，建立的模型有可能与实际过程相差甚远。传统的控制对象往往局限于单一的、有确定的物理规律的系统。对于复合型系统，传统的控制方法就显得力不从心。3）无法满足控
13、制性能的高要求通常，控制系统需要具有所期望的控制精度、稳定性及动态性能。为了提高系统性能，传统控制系统可能变得相当复杂，从而使得系统的可靠性与其它系统性能成为不可调和的矛盾。控制系统能够处理数值的、符号的、定性的、定量的、确定的和模糊信息等各类信息，即要求控制系统具有多层次的信息处理结构。传统的控制方法是很难做到这一点的。2.2 现代控制理论面临的问题1）控制对象与控制对象所处的环境的变化随着计算机网络技术普及与发展，基于网络的远程控制受到人们的关注。在网络环境下存在延时、数据的丢失、数据时序或序的8变化及数据的非等间隔采样，使得网络环境的空地变得十分复杂和困难。同时，网络自身的安全与控制也是
14、一个十分重要和非常棘手的问题。不同性质、不同控制对象组合而成的混杂系统还缺乏理论支持和相应的技术手段。多任务、多机器人的协调控制问题。2）理论问题由于复杂系统的建模、稳定性与系统设计缺乏理论支撑和指导，有必要综合应用其他学科，如数学、信息科学、系统科学与认知科学的最新进展来建立一个解决复杂性问题的完整理论。3）控制要求具有多种信息或传感信息的综合能力；具有自学习和自适应能力，能够自主调整控制机构；高可靠性；控制系统本身应该具有良好的控制特性；在出现故障和意外时，能及早进行自我故障诊断及排除。现代控制系统应该具有良好的容错性和鲁棒性。在一些情况下需要构造一个合理的人机协作的控制系统。9基于上述问
15、题，控制科学界多年来一直在探索着新的方法，寻求更加符合实际的“ 发展轨迹 ”。近十年来，人工智能学科新的进展给人们带来了希望。由于得益于计算机科学技术和智能信息处理的高速发展，智能控制逐渐形成一门学科，并在实际应用中显示出强大的生命力。与此同时，许多控制学科领域的工作者也开始认识到，在许多系统中，复杂性不只是表现在高维性上，更多的则是表现在系统信息的模糊性、不确定性、偶然性和不完全性上。能否用人工智能的人工神经网络、模糊逻辑推理、启发式知识、专家系统等理论去解决难以建立精确数学模型的控制问题一直是我们十多年来追求的目标。3 智能信息处理技术和控制科学的交融与结合随着许多复杂的社会经济与生态问题
16、和全球网络信息安全问题的出现及对许多复杂系统“涌现” 机理的研究，许多科学家对传统的控制理论与非线性分析、随机系统、统计学习、人工智能、认知科学等学科的结合产生了极大兴趣，特别是将人工神经网络、模糊逻辑、遗传计算、专家系统、混沌和其它常规信号信息处理相结合，在新的层次上实现控制的自适应和反馈。20 世纪 70 年代，傅京孙教授提出把人工智能的直觉推理方法用于机器人控制和学习控制系统，并将智能控制概括为自动控制和人工智能的结合。傅京孙、Glorioso 和 Sardi 等人从控制理论的角度总结了人工智能技术与自适应、自学习和自组织控制的关系，正10式提出了建立智能控制理论的构想。1967 年，Leondes 和Mendel 首次正式使用 “智能控制”一词。1985 年 8 月在美国纽约IEEE 召开的智能控制专题讨论会，标志着智能控制作为一个新的学科分支正式被控制界公认。智能控制不同于经典控制理论和现代控制理论的处理方法，它研究的主要目标不仅仅是被控对象，同时也包含控制器本身。控制器不
