現(xiàn)代控制理論

1、現(xiàn)代控制理論現(xiàn)代控制理論 現(xiàn)代控制理論 建立在狀態(tài)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(xiàn)代控制理論中，對控制系統(tǒng)的分析和設計主要是通過對系統(tǒng)的狀態(tài)變量的描述來進行的，基本的方法是時間域方法?，F(xiàn)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(tǒng)和非線性系統(tǒng)，定常系統(tǒng)和時變系統(tǒng)，單變量系統(tǒng)和多變量系統(tǒng)。它所采用的方法和算法也更適合于在數(shù)字計算機上進行。現(xiàn)代控制理論還為設計和構造具有指定的性能指標的最優(yōu)控制系統(tǒng)提供了可能性?，F(xiàn)代控制理論的名稱是在 1960 年以后開始出現(xiàn)的，用以區(qū)別當時已經相當成熟并在后來被稱為經典控制理論的那些方法?，F(xiàn)代控制理論已在航空

2、航天技術、軍事技術、通信系統(tǒng)、生產過程等方面得到廣泛的應用?，F(xiàn)代控制理論的某些概念和方法，還被應用于人口控制、交通管理、生態(tài)系統(tǒng)、經濟系統(tǒng)等的研究中。 現(xiàn)代控制理論發(fā)展過程現(xiàn)代控制理論發(fā)展過程 現(xiàn)代控制理論是在 20 世紀 50 年代中期迅速興起的空間技術的推動下發(fā)展起來的?？臻g技術的發(fā)展迫切要求建立新的控制原理，以解決諸如把宇宙火箭和人造衛(wèi)星用最少燃料或最短時間準確地發(fā)射到預定軌道一類的控制問題。這類控制問題十分復雜，采用經典控制理論難以解決。1958 年，蘇聯(lián)科學家.龐特里亞金提出了名為極大值原理的綜合控制系統(tǒng)的新方法。在這之前,美國學者 R.貝爾曼于 1954 年創(chuàng)立了動態(tài)規(guī)劃,并在 1

3、956 年應用于控制過程。他們的研究成果解決了空間技術中出現(xiàn)的復雜控制問題，并開拓了控制理論中最優(yōu)控制理論這一新的領域。19601961 年，美國學者 R.E.卡爾曼和 R.S.布什建立了卡爾曼-布什濾波理論,因而有可能有效地考慮控制問題中所存在的隨機噪聲的影響，把控制理論的研究范圍擴大，包括了更為復雜的控制問題。幾乎在同一時期內，貝爾曼、卡爾曼等人把狀態(tài)空間法系統(tǒng)地引入控制理論中。狀態(tài)空間法對揭示和認識控制系統(tǒng)的許多重要特性具有關鍵的作用。其中能控性和能觀測性尤為重要，成為控制理論兩個最基本的概念。到 60 年代初，一套以狀態(tài)空間法、極大值原理、動態(tài)規(guī)劃、卡爾曼-布什濾波為基礎的分析和設計控

4、制系統(tǒng)的新的原理和方法已經確立，這標志著現(xiàn)代控制理論的形成。 現(xiàn)代控制理論學科內容現(xiàn)代控制理論學科內容 現(xiàn)代控制理論所包含的學科內容十分廣泛,主要的方面有:線性系統(tǒng)理論、非線性系統(tǒng)理論、最優(yōu)控制理論、隨機控制理論和適應控制理論。 線性系統(tǒng)理論 它是現(xiàn)代控制理論中最為基本和比較成熟的一個分支，著重于研究線性系統(tǒng)中狀態(tài)的控制和觀測問題，其基本的分析和綜合方法是狀態(tài)空間法。按所采用的數(shù)學工具，線性系統(tǒng)理論通常分成為三個學派：基于幾何概念和方法的幾何理論，代表人物是 W.M.旺納姆;基于抽象代數(shù)方法的代數(shù)理論,代表人物是 R.E.卡爾曼；基于復變量方法的頻域理論，代表人物是 H.H.羅森布羅克。 非線

5、性系統(tǒng)理論 非線性系統(tǒng)的分析和綜合理論尚不完善。研究領域主要還限于系統(tǒng)的運動穩(wěn)定性、雙線性系統(tǒng)的控制和觀測問題、非線性反饋問題等。更一般的非線性系統(tǒng)理論還有待建立。從 70 年代中期以來，由微分幾何理論得出的某些方法對分析某些類型的非線性系統(tǒng)提供了有力的理論工具。 最優(yōu)控制理論 最優(yōu)控制理論是設計最優(yōu)控制系統(tǒng)的理論基礎，主要研究受控系統(tǒng)在指定性能指標實現(xiàn)最優(yōu)時的控制規(guī)律及其綜合方法。在最優(yōu)控制理論中，用于綜合最優(yōu)控制系統(tǒng)的主要方法有極大值原理和動態(tài)規(guī)劃。最優(yōu)控制理論的研究范圍正在不斷擴大，諸如大系統(tǒng)的最優(yōu)控制、分布參數(shù)系統(tǒng)的最優(yōu)控制等。 隨機控制理論 隨機控制理論的目標是解決隨機控制系統(tǒng)的分析

6、和綜合問題。維納濾波理論和卡爾曼-布什濾波理論是隨機控制理論的基礎之一。隨機控制理論的一個主要組成部分是隨機最優(yōu)控制，這類隨機控制問題的求解有賴于動態(tài)規(guī)劃的概念和方法。 適應控制理論 適應控制系統(tǒng)是在模仿生物適應能力的思想基礎上建立的一類可自動調整本身特性的控制系統(tǒng)。適應控制系統(tǒng)的研究?？蓺w結為如下的三個基本問題：識別受控對象的動態(tài)特性；在識別對象的基礎上選擇決策；在決策的基礎上做出反應或動作。 現(xiàn)代控制理論的發(fā)展現(xiàn)代控制理論的發(fā)展 1.1.智能控制智能控制(Intelligent Control)(Intelligent Control) 智能控制是人工智能和自動控制的結合物,是一類無需人的

7、干預就能夠獨立地驅動智能機器,實現(xiàn)其目標的自動控制。智能控制的注意力并不放在對數(shù)學公式的表達、計算和處理上,而放在對任務和模型的描述,符號和環(huán)境的識別以及知識庫和推理機的設計開發(fā)上。智能控制用于生產過程,讓計算機系統(tǒng)模仿專家或熟練操作人員的經驗,建立起以知識為基礎的廣義模型,采用符號信息處理、啟發(fā)式程序設計、知識表示和自學習、推理與決策等智能化技術,對外界環(huán)境和系統(tǒng)過程進行理解、判斷、預測和規(guī)劃,使被控對象按一定要求達到預定的目的。 智能控制的理論基礎是人工智能,控制論,運籌學和系統(tǒng)學等學科的交叉,它的主要特點是: (1)同時具有以知識表示的非數(shù)學廣義模型和以數(shù)學模型表示的混合控制過程; (2

8、)智能控制的核心在高層控制,即組織級,它的主要任務在于對實際環(huán)境或過程進行組織; (3)系統(tǒng)獲取的信息不僅是數(shù)學信息,更重要的是文字符號、圖像、圖形、聲音等各種信息。 智能控制正處于發(fā)展過程中,還存在許多有待研究的問題: (1)探討新的智能控制理論; (2)采用語音控制; (3)提高系統(tǒng)的學習能力和自主能力; (4)利用現(xiàn)有的非線性技術分析閉環(huán)系統(tǒng)的特性; (5)智能控制的實現(xiàn)問題。 2.2.非線性控制非線性控制(Nonlinear Cont(Nonlinear Control)rol) 非線性控制是復雜控制理論中一個重要的基本問題,也是一個難點課題,它的發(fā)展幾乎與線性系統(tǒng)平行。非線性系統(tǒng)的發(fā)

9、展,數(shù)學工具是一個相當困難的問題,泰勒級數(shù)展開對有些情況是不能適用的。古典理論中的“相平面”法只適用于二階系統(tǒng),適用于含有一個非線性元件的高階系統(tǒng)的“描述函數(shù)”法也是一種近似方法。由于非線性系統(tǒng)的研究缺乏系統(tǒng)的、一般性的理論及方法,于是綜合方法得到較大的發(fā)展,主要有: (1)李雅普諾夫方法:它是迄今為止最完善、最一般的非線性方法,但是由于它的一般性,在用來分析穩(wěn)定性或用來鎮(zhèn)定綜合時都欠缺構造性。 (2)變結構控制:由于其滑動模態(tài)具有對干擾與攝動的不變性,到 80 年代受到重視,是一種實用的非線性控制的綜合方法。 (3)微分幾何法:在過去的的 20 年中,微分幾何法一直是非線性控制系統(tǒng)研究的主流

10、,它對非線性系統(tǒng)的結構分析、分解以及與結構有關的控制設計帶來極大方便.用微分幾何法研究非線性系統(tǒng)是現(xiàn)代數(shù)學發(fā)展的必然產物,正如意大利教授Isidori 指出:“用微分幾何法研究非線性系統(tǒng)所取得的成績,就象 50 年代用拉氏變換及復變函數(shù)理論對單輸入單輸出系統(tǒng)的研究,或用線性代數(shù)對多變量系統(tǒng)的研究?！钡@種方法也有它的缺點,體現(xiàn)在它的復雜性、無層次性、準線性控制以及空間測度被破壞等。因此最近又有學者提出引入新的、更深刻的數(shù)學工具去開拓新的方向,例如:微分動力學、微分拓撲與代數(shù)拓撲、代數(shù)幾何等。 3.3.自適應控制自適應控制(Adaptive Control)(Adaptive Control)

11、自適應控制系統(tǒng)通過不斷地測量系統(tǒng)的輸入、狀態(tài)、輸出或性能參數(shù),逐漸了解和掌握對象,然后根據(jù)所得的信息按一定的設計方法,作出決策去更新控制器的結構和參數(shù)以適應環(huán)境的變化,達到所要求的控制性能指標。 自適應控制系統(tǒng)應具有三個基本功能: (1)辨識對象的結構和參數(shù),以便精確地建立被控對象的數(shù)學模型; (2)給出一種控制律以使被控系統(tǒng)達到期望的性能指標; (3)自動修正控制器的參數(shù)。因此自適應控制系統(tǒng)主要用于過程模型未知或過程模型結構已知但參數(shù)未知且隨機的系統(tǒng)。 自適應控制系統(tǒng)的類型主要有自校正控制系統(tǒng),模型參考自適應控制系統(tǒng),自尋最優(yōu)控制系統(tǒng),學習控制系統(tǒng)等。最近,非線性系統(tǒng)的自適應控制,基于神經網

12、絡的自適應控制又得到重視,提出一些新的方法。 4.4.魯棒控制魯棒控制(Robust Control)(Robust Control) 過程控制中面臨的一個重要問題就是模型不確定性,魯棒控制主要解決模型的不確定性問題,但在處理方法上與自適應控制有所不同。自適應控制的基本思想是進行模型參數(shù)的辯識,進而設計控制器。控制器參數(shù)的調整依賴于模型參數(shù)的更新,不能預先把可能出現(xiàn)的不確定性考慮進去。而魯棒控制在設計控制器時盡量利用不確定性信息來設計一個控制器,使得不確定參數(shù)出現(xiàn)時仍能滿足性能指標要求。 魯棒控制認為系統(tǒng)的不確定性可用模型集來描述,系統(tǒng)的模型并不唯一,可以是模型集里的任一元素,但在所設計的控制

13、器下,都能使模型集里的元素滿足要求。魯棒控制的一個主要問題就是魯棒穩(wěn)定性,目前常用的有三種方法: (1)當被研究的系統(tǒng)用狀態(tài)矩陣或特征多項式描述時一般采用代數(shù)方法,其中心問題是討論多項式或矩陣組的穩(wěn)定性問題; (2)李雅普諾夫方法,對不確定性以狀態(tài)空間模式出現(xiàn)時是一種有利工具; (3)頻域法從傳遞函數(shù)出發(fā)研究問題,有代表性的是 Hoo 控制,它用作魯棒性分析的有效性體現(xiàn)在外部擾動不再假設為固定的,而只要求能量有界即可。這種方法已被用于工程設計中,如 Hoo 最優(yōu)靈敏度控制器設計。 5.5.模糊控制模糊控制(Fuzzy Control)(Fuzzy Control) 模糊控制借助模糊數(shù)學模擬人的

14、思維方法,將工藝操作人員的經驗加以總結,運用語言變量和模糊邏輯理論進行推理和決策,對復雜對象進行控制。模糊控制既不是指被控過程是模糊的,也不意味控制器是不確定的,它是表示知識和概念上的模糊性,它完成的工作是完全確定的。 1974 年英國工程師 E.H.Mamdam 首次把 Fuzzy 集合理論用于鍋爐和蒸氣機的控制以來,開辟了 Fuzzy 控制的新領域,特別是對于大時滯、非線性等難以建立精確數(shù)學模型的復雜系統(tǒng),通過計算機實現(xiàn)模糊控制往往能取得很好的結果。 模糊控制的類型有: (1)基本模糊控制器,一旦模糊控制表確定之后,控制規(guī)則就固定不變了; (2)自適應模糊控制器,在運行中自動修改、完善和調

15、整規(guī)則,使被控過程的控制效果不斷提高,達到預期的效果; (3)智能模糊控制器,它把人、人工智能和神經網絡三者聯(lián)系起來,實現(xiàn)綜合信息處理,使系統(tǒng)既具有靈活的推理機制、啟發(fā)性知識與產生式規(guī)則表示,又具有多種層次、多種類型的控制規(guī)律選擇。 模糊控制的特點是不需要精確的數(shù)學模型,魯棒性強,控制效果好,容易克服非線性因素的影響,控制方法易于掌握。最近有人提出神經模糊 Inter3 融合控制模型,即把融合結構、融合算法及控制合為一體進行設計。又有人提出利用同倫 BP 網絡記憶模糊規(guī)則,以“聯(lián)想方式”使用這些經驗。 模糊控制有待進一步研究的問題:模糊控制系統(tǒng)的功能、穩(wěn)定性、最優(yōu)化問題的評價;非線性復雜系統(tǒng)的

16、模糊建模,模糊規(guī)則的建立和模糊推理算法的研究;找出可遵循的一般設計原則。 6.6.神經網絡控制神經網絡控制(Neural Network Control)(Neural Network Control) 神經網絡是由所謂神經元的簡單單元按并行結構經過可調的連接權構成的網絡。神經網絡的種類很多,控制中常用的有多層前向 BP 網絡,RBF 網絡,Hopfield 網絡以及自適應共振理論模型(ART)等。 神經網絡控制就是利用神經網絡這種工具從機理上對人腦進行簡單結構模擬的新型控制和辨識方法。神經網絡在控制系統(tǒng)中可充當對象的模型,還可充當控制器。常見的神經網絡控制結構有: (1)參數(shù)估計自適應控制系

17、統(tǒng); (2)內?？刂葡到y(tǒng); (3)預測控制系統(tǒng); (4)模型參考自適應系統(tǒng); (5)變結構控制系統(tǒng)。 神經網絡控制的主要特點是:可以描述任意非線性系統(tǒng);用于非線性系統(tǒng)的辨識和估計;對于復雜不確定性問題具有自適應能力;快速優(yōu)化計算能力;具有分布式儲存能力,可實現(xiàn)在線、離線學習。 最近有人提出以 Hopfield 網絡實現(xiàn)一種多分辨率體視協(xié)同算法,該算法以逐級融合的方式自動完成由粗到細,直至全分辨率的匹配和建立。又有人提出一種網絡自組織控制器,采用變斜率的最速梯度下降學習算法,應用在非線性跟蹤控制中。今后需進一步探討的問題是提高網絡的學習速度,提出新的網絡結構,創(chuàng)造出更適用于控制的專用神經網絡。

18、7.7.實時專家控制實時專家控制(Real Time Expert Control)(Real Time Expert Control) 專家系統(tǒng)是一個具有大量專門知識和經驗的程序系統(tǒng),它應用人工智能技術,根據(jù)某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷,模擬人類專家的決策過程,以解決那些需要專家決定的復雜問題。專家系統(tǒng)和傳統(tǒng)的計算機程序最本質的區(qū)別在于:專家系統(tǒng)所要解決的問題一般沒有算法解,并且往往要在不完全、不精確或不確定的信息基礎上作出結論。 實時專家系統(tǒng)應用模糊邏輯控制和神經網絡理論,融進專家系統(tǒng)自適應地管理一個客體或過程的全面行為,自動采集生產過程變量,解釋控制系統(tǒng)的當前

19、狀況,預測過程的未來行為,診斷可能發(fā)生的問題,不斷修正和執(zhí)行控制計劃。實時專家系統(tǒng)具有啟發(fā)性、透明性、靈活性等特點,目前已經在航天試驗指揮、工業(yè)爐窯的控制、高爐爐熱診斷中得到廣泛應用。目前需要進一步研究的問題是如何用簡潔語言來描述人類長期積累的經驗知識,提高聯(lián)想化記憶和自學習能力。 8.8.定性控制定性控制(Qualitative Control)(Qualitative Control) 定性控制是指系統(tǒng)的狀態(tài)變量為定性量時(其值不是某一精確值而只知其處于某一范圍內),應用定性推理對系統(tǒng)施加控制變量使系統(tǒng)在某一期望范圍。 定性控制方法主要有三類: (1)基于定量模型的定性控制,其特點是系統(tǒng)的

20、定量模型假定已知,以定量模型為基礎推導定性模型; (2)基于規(guī)則的定性控制,其特點是構成定性模型的規(guī)則憑人們經驗的定性推理即可得到,或通過狀態(tài)的窮舉得到; (3)基于定性模型的定性控制,其特點是直接通過對定性模型的研究來導出定性控制。 定性控制與模糊控制的區(qū)別:模糊控制不需建模,其控制律憑經驗或算法調整,而定性控制基于定性模型,控制規(guī)則基于對系統(tǒng)的定性分析;模糊控制是基于狀態(tài)的精確測量值,而定性控制基于狀態(tài)的定性測量值。 定性控制面臨的問題:發(fā)展定性數(shù)學理論,改進定性推理方法,注重定性和定量知識的結合;研究定性建模方法,定性控制方法;加強定性控制應用領域的研究。 9.9.預測控制預測控制(Pr

21、edictive Control)(Predictive Control) 預測控制是在工業(yè)實踐過程中獨立發(fā)展起來的一種新型控制方法,它不僅適用于工業(yè)過程這種“慢過程”的控制,也能適用于快速跟蹤的伺服系統(tǒng)這種“快過程”控制。目前實用的預測控制方法有動態(tài)矩陣控制(DMC),模型算法控制(MAC),廣義預測控制(GPC),模型預測啟發(fā)控制(MPHC)以及預測函數(shù)控制(PFC)等。這些方法具有以下特征: (1)以計算機為實現(xiàn)手段,采取在線實現(xiàn)方式; (2)建模方便,不需深入了解過程的內部機理,對模型精度要求不高; (3)采用滾動優(yōu)化策略,在線反復進行優(yōu)化計算,使模型失配、外界環(huán)境的變化引起的不確定性

22、及時得到彌補,提高控制質量。 最近有人提出一種新的基于主導內模概念的預測控制方法:結構對外來激勵的響應主要由其本身的模態(tài)所決定,即結構只對激勵信息中與其起主導作用的幾個主要自振頻率相接近的頻率成分有較大的響應。目前利用神經網絡對被控對象進行在線辨識,然后用廣義預測控制規(guī)律進行控制得到較多重視。 預測控制目前存在的問題是預測精度不高;反饋校正方法單調;滾動優(yōu)化策略少;對任意的一般系統(tǒng),其穩(wěn)定性和魯棒性分析較難進行;參數(shù)調整的總體規(guī)則雖然比較明確,但對不同類型的系統(tǒng)的具體調整方法仍有待進一步總結。 10.10.分布式控制系統(tǒng)分布式控制系統(tǒng)(Distributed Control System)(D

23、istributed Control System) 分布式控制系統(tǒng)又稱集散控制系統(tǒng),是 70 年代中期發(fā)展起來的新型計算機控制系統(tǒng),它融合了控制技術(Control),計算機技術(Computer),通信技術(Communication),圖像顯示技術(CRT)的“4C”技術,形成了以微處理器為核心的系統(tǒng),實現(xiàn)對生產過程的監(jiān)視、控制和管理。 既打破了常規(guī)控制儀表功能的局限,又較好地解決了早期計算機系統(tǒng)對于信息、管理過于集中帶來的危險,而且還有大規(guī)模數(shù)據(jù)采集、處理的功能以及較強的數(shù)據(jù)通信能力。 分布式控制系統(tǒng)既有計算機控制系統(tǒng)控制算法靈活,精度高的優(yōu)點,又有儀表控制系統(tǒng)安全可靠,維護方便的優(yōu)點

24、。它的主要特點是:真正實現(xiàn)了分散控制;具有高度的靈活性和可擴展性;較強的數(shù)據(jù)通信能力;友好而豐富的人機聯(lián)系以及極高的可靠性。 現(xiàn)代控制理論案例分析現(xiàn)代控制理論案例分析 編輯 案例一案例一: :現(xiàn)代控制理論在過程工業(yè)中的應用現(xiàn)代控制理論在過程工業(yè)中的應用 20 世紀 50 年代末發(fā)展起來的以狀態(tài)空間方法為主體的現(xiàn)代控制理論,為過程控制帶來了狀態(tài)反饋、輸出反饋、解耦控制等一系列多變量控制系統(tǒng)設計方法;與此同時,計算機技術的持續(xù)發(fā)展使計算機控制在工業(yè)生產過程中得到了廣泛的應用,這一切都孕育著過程控制領域的新突破。 1980 年前后,來自過程控制界兩位探索者 J.Richalet 和 C.R.Cutl

25、er 分別報道了其各自研究的有關解決實時動態(tài)環(huán)境下帶約束多變量耦合系統(tǒng)控制問題的成果。這就是著名的模型預測啟發(fā)式控制(MPHC)和動態(tài)矩陣控制(DMC)。這一事實表明過程工業(yè)已開始接受現(xiàn)代控制概念,從而引發(fā)了預測控制等先進控制策略在工業(yè)過程控制中的大量應用。20 世紀 80 年代,出現(xiàn)了許多約束模型預測控制的工程化軟件包和展望.機電工程,1999,5:3-7。基于模型控制的理論體系已基本形成,并成為目前過程控制應用最成功、最有前途的先進控制策略。 近年來,人工智能技術有了長足的進步,并在許多科學與工程領域中取得了較廣泛的應用。就過程控制而言,專家系統(tǒng)、神經網絡、模糊系統(tǒng)是最具有潛力的 3 種工

26、具?；诜蔷€性模型(機理和經驗)的控制有了較大的發(fā)展,但是,非線性控制尚屬開發(fā)中的先進控制策略,實際的工業(yè)應用尚不多見。 一、先進控制的主要特點一、先進控制的主要特點 (1)與傳統(tǒng)的比例、積分、微分控制(PID)不同,先進控制通常是一種基于模型的控制策略,如模型預測控制。目前,專家控制、神經網絡和模糊控制等智能控制技術正成為先進控制的一個重要發(fā)展方向。 (2)先進控制通常用于處理復雜的多變量過程控制問題,如大時滯、多變量耦合、被控變量與控制變量存在著各種約束等。先進控制是建立在常規(guī)單回路控制之上的動態(tài)協(xié)調約束控制,可使控制系統(tǒng)適應實際工業(yè)生產過程動態(tài)特性和操作要求。 (3)先進控制的實時需要足

27、夠的計算功能作為支持。由于先進控制受控制算法的復雜性和計算機硬件兩方面的影響,早期的先進控制算法通常是在計算機控制系統(tǒng)的上位機上實施的。隨著 DCS 功能的不斷增強,更多的先進控制策略可以與基本控制策略一起在 DCS 上實現(xiàn),后一種方式可有效地增強先進控制的可靠性、可操作性和可維護性。 二、分類二、分類 著名過程控制專家 D.E.Seborg 給出的按應用程度分類的過程控制策略有:第一類:傳統(tǒng)控制策略,如手動控制、PID 控制、比值、串級、前饋;第二類:先進控制經典技術，如增益調整、時滯補償、解耦控制;第三類:先進控制統(tǒng)行技術,如模型預測控制、內模、自適應、統(tǒng)計質量;第四類:先進控制潛在技術,

28、如最優(yōu)控制、非線性控制、專家控制、神經控制、模糊控制;第五類:先進控制研究上的策略,如魯棒控制、Hoo 控制、U 綜合。 先進控制技術究竟應該包括哪些內容,不同的研究者和研究用途則會產生不同的看法。 但可以肯定的是:PID 控制器參數(shù)自整定、自適應控制、模型預測等應該是現(xiàn)階段先進控制技術的最基本內容。 三、現(xiàn)階段先進控制技術三、現(xiàn)階段先進控制技術預測控制預測控制 20 世紀 60 年代初期,卡爾曼(R.E.Kal-man)系統(tǒng)中將狀態(tài)空間法引入到系統(tǒng)和控制理論中,形成了現(xiàn)代控制理論,并且很快在航空航天等領域取得了巨大的成果,對自動控制技術的發(fā)展起到了積極的推動作用。但是,實際工業(yè)過程的多變量、

29、非線性、時變和不確定性等特點以及工程應用中要求考慮控制的時效性和經濟性等因素,使得以精確數(shù)學模型為基礎,立足最優(yōu)性能指標且許多算法較為復雜的現(xiàn)代控制理論難以有效的應用于復雜的工業(yè)過程。 為了克服理論與實際應用之間的上述不協(xié)調,20 世紀 70 年代以來,人們一方面為了提高數(shù)學模型的精確程度及考慮不確定因素的影響,加強了對系統(tǒng)辯識、工業(yè)過程的建模、自適應控制、魯棒控制等方面的研究,另一方面開始突破傳統(tǒng)思想的約束,試圖面向實際工業(yè)過程的特點,研究各種對模型要求低,在線計算簡單方便,實時性好,控制效果佳的控制新算法。同時,計算機技術的飛速發(fā)展也為新的控制策略提供了良好的運行平臺。預測控制就是在這種情

30、況下發(fā)展起來的一類新型算法。 一般可將預測控制算法分為兩大類:第一類為基于非參數(shù)模型的模型預測控制(Model Predictive Control,MPC)。主要代表是 Richalet(1987)、Mehra(1982)等提出的建立在脈沖響應模型基礎上的模型預測啟發(fā)控制(Model Predictive Heuristic Control,MPHC)或模型算法控制(Model Algorithmic Control,MAC);Cutler(1980)等提出的建立在階躍相應模型基礎上的動態(tài)矩陣控制(Dynamic Ma-trix Control,DMC)。這類預測控制方法的特點是脈沖響應在工

31、業(yè)現(xiàn)場易于獲得,不需要復雜的系統(tǒng)辯識建模;采用反饋校正基礎上的在線滾動優(yōu)化取代傳統(tǒng)最優(yōu)控制,因而可以克服各種不確定性的影響,增強控制的魯棒性,而且在線計算簡單。因此這類算法很適合于實際工業(yè)過程的控制需要,很快引起了廣泛興趣,并得到大量成功應用。中介紹的煉油廠催化裂化裝置的反應再生系統(tǒng),其原油預熱過程機理復雜,有較大時滯,操作變量強耦合,參數(shù)強約束。利用多變量協(xié)調預測控制后,提高了系統(tǒng)操作的平穩(wěn)性,有效的抑制了過程中的不可測擾動影響。中使用基于預測控制的多變量約束控制算法,采用兩次預測方法,針對上海寶鋼加熱爐模型進行綜合控制,實驗表明了這種預測控制算法在解耦、節(jié)能、跟蹤、穩(wěn)定性等方面的良好性能。

32、 第二類是基于參數(shù)化模型的預測控制,主要有 Clarke(1987)提出的廣義預測控制(Gen-eralized Predictive Control, GPC)和 Lelic(1987)提出的廣義預測極點配置控制(Gener-alized Poles Placements Control,GPP)。20 世紀80 年代初期,人們在自適應控制理論研究的過程中,為了增強自適應控制系統(tǒng)的魯棒性,在廣義最小方差的基礎上,吸取預測控制中的多步預測優(yōu)化策略,而出現(xiàn)了基于辯識受控參數(shù)模型,且?guī)в凶赃m應控制或為增加系統(tǒng)穩(wěn)定性而配置極點的預測控制算法。由于將自適應控制與預測控制相結合,因而可及時修正參數(shù)變化產

33、生的預測模型的預測誤差,從而改善系統(tǒng)的動態(tài)性能.同 MAC 和 DMC 一樣,GPC在工業(yè)過程控制中也獲得了大量成功應用。 中將廣義預測控制(GPC)用于對聯(lián)鑄生產過程中的結晶液位控制,克服了拉速變化引起的有色噪聲,減少了液位偏差,提高了系統(tǒng)的魯棒性。 近 20 年來,國內外預測控制的研究和應用日趨廣泛。各種有關預測控制的報道也越來越多。研究范圍已經涉及到預測模型類型、優(yōu)化目標種類、約束條件種類、控制算法以及穩(wěn)定性、魯棒性等方面,也包括多變量系統(tǒng)、非線形系統(tǒng)以及其它控制方法與預測方法的結合。 如自適應預測控制、模糊預測控制、魯棒預測控制、神經網絡預測控制,還包括大量的實際工業(yè)應用的研究。 預測

34、控制的成功在于它起源于工業(yè)實踐,并且它的發(fā)展始終與工業(yè)實踐緊密相連。但實際上,預測控制的理論還遠遠落后于其實際應用,因此在理論方面仍需得到進一步的研究和發(fā)展。 (1)由于預測控制本身的特點,目前已有的算法中主要設計參數(shù)與閉環(huán)系統(tǒng)的動靜態(tài)特性、穩(wěn)定性和魯棒性之間的一般解析關系難以得到,因而系統(tǒng)的穩(wěn)定性分析和魯棒性分析還遠沒有達到定量的程序,缺乏一般通用的參數(shù)設計選擇準則。尤其是對于多變量系統(tǒng)的相應算法,穩(wěn)定性和魯棒性分析急需突破。 (2)針對工業(yè)過程大量存在的非線性及不確定等系統(tǒng)的特點,非線性預測控制和魯棒預測控制將成為今后研究的重點。 (3)在預測控制算法的發(fā)展和創(chuàng)新方面,一方面應在預測模型、

35、目標函數(shù)種類、反饋校正方法、求解優(yōu)化的策略等全方位的加以研究和突破,另一方面應繼續(xù)注重學科的交叉研究,把其他有效的控制方法以及可能解決預測控制現(xiàn)有難題的其他學科的理論與現(xiàn)有預測控制方法相結合,不斷完善和發(fā)展。 20 多年來,預測控制理論與應用得到了飛速的發(fā)展,展示了強大的生命力,為國民經濟的發(fā)展起到了巨大的促進作用。預測控制理論和應用的不斷完善和發(fā)展必將在實際工業(yè)領域的控制中發(fā)揮越來越重要的作用,展現(xiàn)其美好的前景。 四、未來的發(fā)展方向四、未來的發(fā)展方向智能控制智能控制 智能控制(Intelligent Control,IC)是傳統(tǒng)控制發(fā)展的高級階段,是控制技術高度分化且綜合的重要產物。由于一些

36、被控對象呈現(xiàn)高度的時變性、非線性、時滯性和不確定性,簡單的控制策略已不能滿足現(xiàn)代控制的要求,綜合的、集成的智能控制技術成為研究和應用的熱點。 智能控制作為一門新的學科分支,得到了普遍的承認,并且已經被廣泛的應用于工業(yè)、農業(yè)、服務業(yè)、軍事航空等各個領域。近年來,隨著人工智能技術和其他信息處理技術,尤其是信息論、系統(tǒng)論和控制論的發(fā)展,智能控制在機理和應用實踐方面取得了突破性的進展。遺傳算法與模糊邏輯、神經網絡相互融合,通過模擬人類的思維方式和結構來設計用于解決復雜的各種非線性問題的控制策略,并已在各種實際工程項目中得到應用,取得了良好的效果。分歩式人工智能中的 Agent 和 Multi Agen

37、t Sys-tem 已成為研究的熱點,構建基于 Agent 的集散遞階結構的智能控制系統(tǒng)為智能控制注入了新的活力。 五、工業(yè)過程中的智能控制五、工業(yè)過程中的智能控制 許多工業(yè)連續(xù)生產線上,例如:化工、冶煉、材料加工、軋鋼等,由于反應機理復雜,關聯(lián)耦合嚴重,環(huán)境干擾不確定,要求與約束多樣等原因,對其系統(tǒng)運行情況和過程的信息了解較少,自動化集成控制應用存在一定的難度,需要運用智能控制模式。生產過程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將智能引入工藝過程的某一單元進行控制器的設計,例如專家控制器、智能 PID 控制器、神經元網絡控制器等。全局級的智能控制,主要針對整個生產的自

38、動化,包括整個操作工藝的控制,過程的故障診斷,規(guī)劃過程操作處理異常等。 針對局部智能控制設計,目前研究的熱點是智能 PID 控制器的設計。因為PID 控制至今仍是工業(yè)控制中最廣泛的控制規(guī)律,但常規(guī)的 PID 控制已不能滿足現(xiàn)在復雜的工業(yè)生產,所以就有必要將人工智能技術與傳統(tǒng)的 PID 控制規(guī)律結合為智能 PID 控制。通過智能技術的加盟,智能 PID 控制器相比傳統(tǒng)的 PID 控制器,在參數(shù)的整定和在線自適應調整方面有其顯著的優(yōu)越性,并可用于控制一些非線性的復雜對象。國內近年智能控制理論應用研究的實例見表 1。 專家控制系統(tǒng)把專家操作經驗和計算機強大的計算機能力結合起來,具有啟發(fā)式推理的能力,

39、能對時變、非線性、易受干擾的復雜控制對象取得較好的控制效果,主要應用于系統(tǒng)設計、仿真建模、參數(shù)整定、故障檢測及過程監(jiān)控。 但現(xiàn)有專家控制系統(tǒng)無法表達符號以外的知識,存在知識獲取困難和知識庫無法自動更新的缺憾。模糊控制具備處理人類模糊語言信息的能力,可模擬人類進行判斷和決策,但不具備自學能力,且規(guī)則自適應性差,穩(wěn)態(tài)精度有限。 神經網絡控制具有并行處理和高度自組織、自學習、自適應能力,但它不能描述和處理模糊信息,運行過程不具有推理的透明性。智能控制一般不具有解析性,沒有通用的穩(wěn)定性判定方法,還有很多方面有待進一步完善。 針對復雜的被控系統(tǒng),單一的控制方法很難取得最優(yōu)的控制效果,將智能控制和常規(guī)控制結合起來,取長補短,充分發(fā)揮各自優(yōu)勢,吸收新的人工智能和計算智能方法,從全局上提高控制系統(tǒng)智能化水平的綜合智能化控制成為控制理論研究和應用的熱點。分別介紹了模糊控制和滑模控制相結合用于自治水下機器人(AUV)和體操機器人的控制研究。 模糊控制和神經網絡控制具有互補性,中介紹了模糊神經網絡近年的發(fā)展情況,并介紹了模糊神經網絡用于連續(xù)攪拌器的控制,及時檢測、診斷故障,達到