现代控制理论发展史

现代控制理论综述一、前言现代控制理论是以状态变量概念为基础，利用现代数学方法和计算机来分析、综合复杂控制系统的新理论，适用于多输入、多输出，时变的或非线性系统。较之经典控制理论，现代控制理论的研究对象要广泛得多，原则上讲，它既可以是单变量的、线性的、定常的、连续的，也可以是多变量的、非线性的、时变的、离散的。现代控制理论本质上是时域法，是建立在状态空间基础上，它不用传递函数，而是以状态向量方程作为基本工具，从而大大简化了数学表达方法。现代控制理论从理论上解决了系统的能控性、能观测性、稳定性以及许多复杂系统的控制问题。二、发展历史现代控制论的形成主要标志是贝尔曼的动态规划法、庞特里亚金的极大值原理和卡尔曼的滤波理论。现代控制理论是在20世纪50年代中期迅速兴起的空间技术的推动下基于经典控制理论的基础上发展起来的。由于航空航天技术的推动和计算机技术飞速发展，特别是空间技术的发展，迫切要求解决更复杂的多变量系统、非线性系统的最优控制问题(例如火箭和宇航器的导航、跟踪和着陆过程中的高精度、低消耗控制，到达目标的控制时间最小，把宇宙火箭和人造卫星用最少燃料或最短时间准确地发射到预定轨道一类的控制问题等)。这类控制问题十分复杂，而采用经典控制理论难以解决。科学技术的发展不仅需要迅速地发展控制理论，而且也给现代控制理论的发展准备了两个重要的条件—现代数学和数字计算机。现代数学，例如泛函分析、现代代数等，为现代控制理论提供了多种多样的分析工具；而数字计算机为现代控制理论发展提供了应用的平台，促使控制理论由经典控制理论向现代控制理论转变。因此，控制理论在1960年前后有了重大的突破和创新。1892年，俄国数学家李雅普诺夫创立的稳定性理论被引入到控制中。1954年，美国学者贝尔曼创立了动态规划,并在1956年应用于控制过程，广泛用于各类最优控制问题。1956年，前苏联科学家庞特里亚金提出极大值原理，解决了空间技术中出现的复杂控制问题，并开拓了控制理论中最优控制理论这一新的领域。庞特里亚金等人提出的极大值原理和由贝而曼提出最优控制的动态规划法，共同成了后来被称为现代控制理论的发展起点和基础。1959年，美籍匈牙利数学家卡尔曼等人提出了著名的卡尔曼滤波器，在随机控制系统的分析与控制中得到广泛应用；并在控制系统的研究中成功地应用了状态空间法；他还提出了系统的能控性和能观测性问题，奠定了现代控制理论的基础。1960～1961年，卡尔曼和布什建立了卡尔曼-布什滤波理论,因而有可能有效地考虑控制问题中所存在的随机噪声的影响，把控制理论的研究范围扩大，包括了更为复杂的控制问题。几乎在同一时期内，贝尔曼、卡尔曼等人把状态空间法系统地引入控制理论中。状态空间法对揭示和认识控制系统的许多重要特性具有关键的作用。其中能控性和能观测性尤为重要，成为控制理论两个最基本的概念。到60年代初，一套以状态空间法、极大值原理、动态规划、卡尔曼-布什滤波为基础的分析和设计控制系统的新的原理和方法已经确立，这标志着现代控制理论的形成。罗森布洛克、麦克法轮和欧文斯研究了使用于计算机辅助控制系统设计的现代频域法理论，将经典控制理论传递函数的概念推广到多变量系统，并探讨了传递函数矩阵与状态方程之间的等价转换关系，为进一步建立统一的线性系统理论奠定了基础。20世纪70年代瑞典控制理论学者奥斯特隆姆和法国控制理论学者朗道在自适应控制理论和应用方面作出了贡献。与此同时,关于系统辨识、最优控制、离散时间系统和自适应控制的发展大大丰富了现代控制理论的内容。三、研究内容现代控制理论研究内容非常广泛,主要包括：线性系统基本理论，最优控制问题，自适应控制问题，系统辨识，最佳滤波或最佳估计，离散系统控制问题。因此，如今的现代控制理论主要已发展成为以下五个分支：1.线性系统理论。性系统理论是现代控制理论的基础，也是现代控制理论中理论最完善、技术上较成熟，应用也是最广泛的部分。主要研究线性系统在输入作用下状态运动过程的规律和改变这些规律的可能性与措施；建立和揭示系统的结构性质、动态行为和性能之间的关系。线性系统理论主要包括系统的状态空间描述、能控性、能观测性和稳定性分析，状态反馈、状态观测器及补偿的理论和设计方法等内容。2.最优控制理论。在给定约束条件和性能指标下，寻找使系统性能指标最佳的控制规律。主要方法有变分法、极大值原理、动态规划等。其中极大值原理是现代控制理论的核心（使系统的性能指标达到最优——最小或最大）。一般而言，最优化方式有离线静态优化方式和在线动态优化方式，而最优化问题的求解方法大致可分为四类：解析法、数值解法（直接法）、解析与数值相结合的寻优方法、网络最优化方法。优化方法的新进展包括：一，在线优化方法，基于对象数学模型的离线优化方法。包含局部参数最优化和整体最优化设计方法、预测控制中的滚动优化算法、稳态递阶控制、系统优化和参数估计的集成研究方法.。二，智能优化方法，包含神经网络优化方法、遗传算法、模糊优化方法、模糊优化方法。最优控制理论的应用领域十分广泛，如时间最短、能耗最小、线性二次型指标最优、跟踪问题、调节问题和伺服机构问题等。但它在理论上还有不完善的地方，其中两个重要的问题就是优化算法中的鲁棒性问题和最优化算法的简化和实用性问题。3.自适应控制。在控制系统中，控制器能自动适应内外部参数、外部环境变化，自动调整控制作用，使系统达到一定意义下的最优。有模型参考自适应控制与自校正自适应控制之分。自适应控制和常规的反馈控制和最优控制一样，也是一种基于数学模型的控制方法，所不同的只是自适应控制所依据的关于模型和扰动的先验知识比较少，需要在系统的运行过程中去不断提取有关模型的信息，使模型逐步完善。既然模型在不断的改进，显然，基于这种模型综合出来的控制作用也将随之不断的改进。在这个意义下，控制系统具有一定的适应能力。4.系统辨识。根据系统的输入输出时间函数来确定描述系统行为的数学模型。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及设计控制器。系统辨识包括两个方面：结构辨识和参数估计。在实际的辨识过程中，随着使用的方法不同，结构辨识和参数估计这两个方面并不是截然分开的，而是可以交织在一起进行的。辨识的基本步骤为：①先验知识和建模目的的依据。先验知识指关于系统运动规律、数据以及其他方面的已有知识。这些知识对选择模型结构、设计实验和决定辨识方法等都有重要作用。用于不同目的的模型可能会有很大差别。②实验设计。辨识是从实验数据中提取有关系统信息的过程，设计实验的目标之一是要使所得到的数据能包含系统更多的信息。主要包括输入信号设计，采样区间设计，预采样滤波器设计等。③结构辨识。即选择模型类中的数学模型M的具体表达形式。除线性系统的结构可通过输入输出数据进行辨识外，一般的模型结构主要通过先验知识获得。④参数估计。知道模型的结构后，用输入输出数据确定模型中的未知参数。实际测量都是有误差的，所以参数估计以统计方法为主。⑤模型适用性检验。造成模型不适用主要有三方面原因：模型结构选择不当；实验数据误差过大或数据代表性太差；辨识算法存在问题。检验方法主要有利用先验知识检验和利用数据检验两类。5.最佳滤波理论。当系统受到环境或负载干扰时，其不确定性可以用概率和统计的方法进行描述和处理。也就是在系统数学模型已经建立的基础上，利用被噪声等污染的系统输入输出的量测数据，通过统计方法获得有用信号的最优估计。经典的维纳滤波理论阐述的是对平稳随机过程按均方意义的最佳滤波，而现代的卡尔曼滤波理论用状态空间法设计最佳滤波器,克服了前者的局限性，适用于非平稳过程并在很多领域中得到广泛应用，成为现代控制理论的基石。四、未来发展从经典控制理论到现代控制理论，经历了六十多年的历史，在各种控制系统中，起到了非常重要的作用。随着现代计算机技术、人工智能、微电子等学科的高速发展，使控制的技术工具发生了革命性的变化。一个智能化的时代已经到来，其明显标志就是智能自动化，因此，作为智能化基础“智能控制”将是今后控制理论的主要研究方向。随着科学技术的不断发展，智能控制还有许多待开发和研究的课题，如专家系统的混合控制技术，神经网络专家系统，专家模糊控制等等；还有模糊PID调节器，模糊专家系统、自适应、自学习模糊控制，模糊神经网络控制；在神经网络方面，还有对不同的非线性对象神经网络模型的选取及结构的确定问题，被辨识系统的充分激励问题，带噪声系统的辨识问题，辨识算法的快速性和收敛性问题。学生:吴杰学号：17041211782