控制领域发展状况

控制领域发展状况物流卓越1201班岑鹏学号0121218700205摘要：复杂系统和智能系统的研究是21世纪控制科学发展的主要方向，宋健院士在北京IFAC大会上所作的“智能控制——跨越世纪的目标”的报告，在一定程度上指明了今后控制科学发展的方向。控制科学的发展面临着严峻问题与挑战，又存在良好发展机遇。为了解决面临的难题，第一要把传统的控制科学的研究进一步深化、综合化，重视控制硬件、软件和智能信息处理方法的结合，实现控制系统的智能化；第二要大力推进控制科学与计算机科学、信息科学、系统科学以及人工智能的有机结合，为控制科学的发展提供新思想、新方法和新技术；第三要以重大需求为导向推动控制科学与技术的更高层次的发展，使控制科学与技术在我国以信息化带动工业化和社会经济的快速健康发展中发挥重要作用。关键词：经典控制，智能控制，人工智能，智能信息处理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，它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Nyquist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[1,2]。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[1,2]，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。在当今社会背景下，传统意义下的控制工程基本上已经很少出现，而在现代控制工程中则主要以信息采集、数据加工以及数据处理为主的信息技术，该技术与计算机、网络相连接，不仅实现系统的自动化，而且实现了系统的智能化管理。尤其是网络技术的应用与普及，一方面，既改变人们获取信息的传统渠道，满足了人们足不出户便于获取掌握世界动向的大量信息，使得人们的生活方式发生了很大的改变，另一方面，伴随着通信工程与控制工程与其他各项技术工程相结合和相互渗透，形成了现代的高新技术。2．传统与现代控制理论的局限性2.1传统控制理论面临的问题：1）控制对象的复杂性2）控制方法和手段单一性3）无法满足控制性能的高要求；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2）理论问题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。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。3.13的基本功能特点：1）容错性。2）多模态性。定性决策和定量控制相结合的多模态组合控制3）全局性。从系统的功能和整体优化的角度来分析和综合系统。4）混合模型和混合计算。5）学习和联想记忆能力。对一个过程或未知环境所提供的信息，系统具有进行识别记忆、学习，并利用积累的经验进一步改善系统的性能和能力。6）动态自适应性。对外界环境变化及不确定性的出现，系统具有修正或重构自身结构和参数的能力。7）组织协调能力。对于复杂任务和分散的传感信息，系统具有自组织和协调能力，体现出系统的主动性和灵活性。3.2智能控制的主要研究分支：1）模糊逻辑控制2）模糊预测控制3）神经网络控制4）基于知识的分层控制设计。模糊推理和神经网络在控制中应用的区别为以下几点：1）模糊控制是基于规则的推理，神经网络则需要大量的数据学习样本。在有足够的系统控制知识情况下，基于模糊规则控制较好；如果系统有足够的各态遍历的学习样本，应用神经网络通过学习可得到满意的控制器。2）模糊映射在系统中是集合到集合的规则映射，神经网络则是点到点的映射。模糊逻辑容易表达人们的控制经验等定性知识，而神经网络在利用系统定量数据方面有较强的学习能力。3）神经网络控制将系统控制问题看成“黑箱”的映射问题，缺乏明确的物理意义，因而控制经验的定性知识不易融入控制中。模糊控制一般把对被控对象看作是“灰箱”。现代工业对控制系统的先进性、可靠性、可扩展性、易实现性和易管理性提出了越来越高的要求，这导致常规仪表逐渐淡出舞台，而以微处理器为核心的计算机控制系统则逐渐占据了统治地位。于此同时，模糊技术的研究开发目前遇到了千载难逢的大好时机，国内外的科学界、企业界和政府部门都特别关注着“模糊”领域。它既是一个学术热点，也是一个开发热点。智能系统与传统系统的又一个重要区别在于：智能系统具有现场感应（环境适应)的能力。所谓现场感应指它可能与所处的现实世界的抽象——现场——进行交往，并适应这种现场。这种交往包括感知、学习、推理、判断并做出相应的动作。这也就是通常人们所说的自动组织性与自动适应性。4．控制理论的完善与控制技术的发展自从美国科学家维纳于20世纪40年代创立控制论以来，控制科学已经经历了经典控制理论和现代控制理论两个阶段，并进入智能控制理论这一重要发展阶段，尽管还不够成熟。近年来，越来越多的学者已意识到在传统控制中加入逻辑、推理和启发式知识的重要性，把传统控制理论与模糊逻辑、神经网络、遗传算法等人工智能技术相结合，充分利用人的控制知识对复杂系统进行智能化控制，逐渐形成了智能控制理论的较完整的体系。控制科学所面临的挑战问题：1）高度自主的复杂工程系统的设计与控制2）智能控制与基于人类行为的智能化信息处理3）复杂工业系统的故障快速处理、系统重构与修复，复杂环境中仿人机器人的设计和制造，社会系统中的重大事变（战争、自然灾害、金融危机）的应急指挥和组织系统都存在着如何适应外部世界不确定性的动态变化问题。人类的行为特征充分反映了对外界环境的反应能力。研究基于人类行为特征的信息处理原理和方法，即研究系统在不确定性动态环境中的反应能力和对外界事务充分感知的能力4）学习控制系统。5）综合智能处理方法6）复杂系统的理论体系的形成。一般地，提高系统的智能度主要有两种途径：一是在基于古典精确逻辑的基础上，通过增加并行度来加快系统的演化速度，从而提高系统的智能；二是开发新的高智能的逻辑形式。前者，主要是考虑计算速度，这同样有两种途径，一方面在原有算法基础上开发相应的并行算法；另一方面是设计出高效且具有高并行度的新型算法。后者，主要是从系统本身出发来提高它的智能度，其主要手段是通过对人或高等动物以及自然界的研究中得到一些启示，并应用于新系统的设计中。综合智能信息处理将以神经网络并行分布处理和基于专家系统等人工智能符号逻辑推理为两种重要的基本方式，并与模糊逻辑、进化计算、混沌动力学、信号处理与变换等方法综合集成，特别是软计算（神经网络、模糊逻辑和概率推理）、不确定性推理与自组织及仿生计算等5．结束语20世纪以来，控制科学与工程技术对近代世界技术文明的许多成就作出了巨大贡献，发展了许多研究方法和开创了不少交叉科学，它是现代技术科学的思想基石和方法学。控制科学与工程技术的历史是辉煌的，但我们应该面对客观世界的现实，更加积极地、严谨地开拓和创造未来。控制科学在解决21世纪的社会复杂问题上及跨学科问题方面具有不可替代的重要作用，也是能够提供最适当、最聪明方法的学科领域之一。今后的控制科学方法需要以一种集成的方式来考虑系统以及相关的设计要求。将控制科学与其它领域密切结合，解决我国经济与社会发展中基础技术科学、工业、农业、能源、国防、乃至国家安全所涉及的控制与自动化的重大基础理论问题，带动社会全面信息化和工业化的一些关键技术的发展。参考文献1.360百科之智能控制2.MBA智库百科之现代控制理论3《心理软件开发与运用》陈晓岗，陈志坚著2011（第九章）4《未来10年中国科学发展战略--信息科学卷》国家自然科学基金委，中国科学院编著20115《神经网络控制与MATLAB仿真》张泽旭编著2011（第一章）岑鹏物流卓越1201班学号0121218700205二、应用Matlab软件绘制Nyquist图及Bode图1、课本第四章课后习题第18题（4）小题Bode图2)^20)(1.0(s/40s(5s20sssG））（）（程序如下：k=20;nunG1=k*conv([15],[140]);denG1=conv([10.10],[140400]);w=logspace(-2,3,100);%%bode(nunG1,denG1,w);2、（1）K=1时nyquist图Z=N+P=0+0=0系统稳定。（2）K=8时nyquist图Z=N+P=2+0=2不稳定。（3）K=20时nyquist图Z=N+P=2+0=2不稳定。综上，随K值增大，系统倾向于不稳定。三、控制系统典型环节性能分析1、比例环节（1）K=1单位阶跃响应（2）K=4单位阶跃响应（3）K=10单位阶跃响应结果分析：由以上阶跃响应波形图知，比例环节使得输出量与输入量成正比，比例系数越大，输出量越大。2、积分环节（1）T=1单位阶跃响应（2）T=2单位阶跃响应（3）T=5单位阶跃响应结果分析：积分环节的输出量反映了输入量随时间的积累，时间常数越大，积累速度越快。3、微分环节（1）T=1单位阶跃响应（2）T=2单位阶跃响应（3）T=5单位阶跃响应结果分析：参数变化，图形保持不变。4、惯性环节（1）T=0.1单位阶跃响应（2）T=0.5单位阶跃响应（3）T=1单位阶跃响应结果分析：由以上单位阶跃响应波形图知，惯性环节使得输出波形在开始时以指数曲线上升，上升速度与时间常数有关，时间常数越大，上升越快。5、导前环节（1）T=1单位阶跃响应（2）T=2单位阶跃响应（3）T=5单位阶跃响应结果分析：由以上单位阶跃响应波形知，比例作用与微分作用一起构成导前环节，输出反映了输入信号的变化趋势，波形也与时间常数有关。6、二阶微分环节（1）w=2,ξ=0.25单位阶跃响应（2）w=2,ξ=0.5单位阶跃响应（3）w=2,ξ=1单位阶跃响应结果分析：ξ变化，图形没有变化。7、振荡环节（1）w=2,ξ=0.1单位阶跃响应（2）w=2,ξ=0.5单位阶跃响应(3)w=2,ξ=1单位阶跃响应结果分析：由以上单位阶跃波形知，随着阻尼ξ的减小，其振荡特性表现的愈加强烈，当ξ的值在0.4-0.8之间时，过渡过程时间较短，振荡不太严重。8、延时环节（1）Delay=0单位阶跃响应（2）Delay=1单位阶跃响应（3）Delay=5单位阶跃响应结果分析：延时环节延缓了输出，且delay参数值越大，延迟效应越明显。