毛鋼元，劉志國

(1.淮陰工學院電子與電氣工程學院，江蘇 淮安223003;2.淮安市第三人民醫(yī)院，江蘇淮安223001)

0 引言

自動控制理論是與人類社會發(fā)展密切相關的一門學科。自從19世紀J.C.Maxwell對具有調(diào)速器的蒸汽發(fā)動機系統(tǒng)進行線性常微分方程描述及穩(wěn)定性分析以來，經(jīng)過20世紀初Bode、Nichols和Nyquist等人的杰出貢獻，才形成經(jīng)典反饋控制理論，這一控制理論的研究是建立在傳遞函數(shù)模型的基礎之上的。隨著電子計算機的出現(xiàn)和迅速發(fā)展，計算和信息處理數(shù)據(jù)能力的不斷提高，促使了控制理論向著更加復雜、更加嚴密的方向發(fā)展，20世紀60年代出現(xiàn)了以狀態(tài)空間分析為基礎的現(xiàn)代控制理論。它主要運用時域的狀態(tài)空間方法，包括線性系統(tǒng)理論、最優(yōu)控制、系統(tǒng)辨識和隨機控制理論等幾個主要分支。但在實際運用中，由于自然界的許多被控對象難以用精確的數(shù)學模型來描述，而且往往系統(tǒng)是時變的、非線性的、隨機的，所以經(jīng)典控制理論與現(xiàn)代控制理論的一些分析和設計方法很難滿足現(xiàn)實需要。80年代，隨著計算機技術的高速發(fā)展以及人工智能研究領域的不斷拓展，人工智能與控制理論的結合已經(jīng)成為了一門邊緣的交叉學科，這就是智能控制。目前智能控制的研究主要包括兩方面的基本內(nèi)容:一是智能系統(tǒng)的原理分析，二是智能控制系統(tǒng)設計。智能控制是針對系統(tǒng)的復雜性、非線性、不確定性而提出來的。它的設計原理更多地依賴于人的先驗知識，更多地是對人類思維和經(jīng)驗知識的模擬。所以它就有可能較少地或者不依賴于精確的數(shù)學模型。目前智能控制設計的途徑主要有以下四個方面:基于專家系統(tǒng)的專家智能控制、基于模糊推理和計算的模糊控制器、基于人工神經(jīng)網(wǎng)絡的神經(jīng)網(wǎng)絡控制器、以及基于信息論和遺傳算法的集成型智能控制器。

由于上述控制理論的發(fā)展，使得在控制系統(tǒng)設計時有了更多的選擇余地。我們能夠根據(jù)不同的被控對象、不同的技術要求、不同控制系統(tǒng)等等因素來選擇各自的數(shù)學模型、各自的模型結構和參數(shù)的辨識方法以及選擇各自的控制器，從而進行相應的控制器參數(shù)優(yōu)化。本文中所提及的控制系統(tǒng)的設計是基于人工智能方法的設計，是一個在控制系統(tǒng)設計方面具有豐富經(jīng)驗的專家系統(tǒng)。

1 控制系統(tǒng)智能設計的必要性和可能性

1.1 控制系統(tǒng)智能設計的必要性

最近幾十年，隨著計算機的發(fā)展，控制理論也不斷走向完善，從而產(chǎn)生了許多先進的控制理論和設計方法。但是在實際運用過程中，我們的工程技術人員往往仍然按照傳統(tǒng)的思維方式和過去陳舊的控制理論去設計系統(tǒng)，以至于這些先進的控制理論和先進的設計方法無法或者根本就不能在實踐中獲得應用，造成了理論與實踐的嚴重脫節(jié)。

造成這種理論與實踐脫節(jié)的原因主要在于以下幾個方面:首先，控制理論是一門對學習者和應用者的數(shù)學功底要求很高的學科，特別是對設計人員，要求他們具有使用較深的數(shù)學工具的能力。然而這一點對于從事控制系統(tǒng)設計的絕大多數(shù)工程師來說一般很難做到;其次，作為控制系統(tǒng)設計必備的控制系統(tǒng)計算機輔助設計軟件的開發(fā)，目前很難做到軟件與工程設計人員的有機結合，因為這些開發(fā)軟件包的軟件工程師一般不具有控制系統(tǒng)設計所需要的豐富經(jīng)驗和知識;再次，在CAD軟件包中收入的控制系統(tǒng)設計方法越是先進新穎就越是脫離一線的工程技術人員的實際水平;最后，我們從事控制系統(tǒng)設計的工程師還不具備高級專家所應該具有的豐富的控制系統(tǒng)設計的知識和經(jīng)驗。

正是基于以上的原因，我們考慮能否設計出一套智能化程度高的專門針對控制系統(tǒng)設計的應用軟件來解決上述問題，因此，控制系統(tǒng)的智能設計這一研究課題就擺在了當今從事這一方面研究的科學家的面前。

1.2 控制系統(tǒng)智能設計的可能性

盡管目前控制系統(tǒng)的智能設計還存在很多的困難，但是控制系統(tǒng)的設計走向智能化是不可逆轉的“時代”潮流。特別是最近幾十年來人工智能技術的發(fā)展，尤其是專家系統(tǒng)的廣泛應用和這一理論逐漸趨于完善、走向成熟，給了控制系統(tǒng)的智能設計一個難得的契機。首先，要實現(xiàn)控制系統(tǒng)的智能設計實質上是要制作一個高級的專家系統(tǒng)，一個集豐富的設計知識和經(jīng)驗于一身的高級的人工智能“專家”。而對于這一點人工智能技術已經(jīng)為控制系統(tǒng)的智能設計搭好了一個起步的平臺;其次，目前控制理論的方法雖然日新月異，但是它依然是一個完整的體系，這就為我們所要建立的高級專家系統(tǒng)提供了可靠的知識來源;最后，我們所要建立的這個專家系統(tǒng)實質上是一套計算機程序，而最近幾年來國內(nèi)外在這一領域所做的軟件開發(fā)(諸如CADCSC等軟件)為控制系統(tǒng)的智能設計積累了寶貴的經(jīng)驗。

2 人工智能與專家系統(tǒng)

人工智能作為一門廣泛的交叉和前沿科學在近幾十年里獲得了長足的發(fā)展，它越來越受到各國科學家的普遍關注。特別是計算機的發(fā)展，進一步地為人工智能這門科學的發(fā)展提供了硬件和軟件的支持，使得人工智能技術更容易運用于實踐。盡管人工智能目前還面臨不少爭論和困難，但是這些困難和爭議終將會被解決，人工智能也必將會有一個更加廣闊的發(fā)展前景。目前人工智能的研究領域主要在以下幾個方面:問題求解、邏輯推理與定理證明、自動程序設計、專家系統(tǒng)、機器學習、人工神經(jīng)網(wǎng)絡、模式識別、智能控制、機器視覺、以及機器人學等。

專家系統(tǒng)是人工智能應用研究最活躍的領域之一，它已經(jīng)獲得了日益廣泛的應用。一般來說，專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領域知識與經(jīng)驗，能夠利用人類專家的知識與經(jīng)驗和解決問題的方法來解決該領域的問題。也就是說，專家系統(tǒng)是一個具有大量專門知識和經(jīng)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(jīng)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)的主要功能取決于大量知識。設計專家系統(tǒng)的關鍵是知識表達和知識的運用。專家系統(tǒng)與傳統(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。

一般專家系統(tǒng)由知識庫、數(shù)據(jù)庫、推理機、解釋器及知識獲取五個部分組成。其中知識庫用于存取和管理所獲取的專家知識和經(jīng)驗，供推理機使用，具有知識存儲、檢查、編輯、增刪、修改和擴充等功能;數(shù)據(jù)庫主要用于存放系統(tǒng)推理過程中所需要的控制信息、中間假設和中間結果;推理機則是利用知識進行推理、求解專門問題;而解釋器的功能在于向用戶解釋系統(tǒng)的行為;知識獲取器則是專家系統(tǒng)與專家的“界面”。

我們目前所研究的控制系統(tǒng)的智能設計正是基于這樣的一個專家系統(tǒng)，它就是許多在這一領域里富有經(jīng)驗的人類專家知識的總和。

3 控制系統(tǒng)的智能設計方法

為了實現(xiàn)控制系統(tǒng)的智能設計，首先要將已有的控制系統(tǒng)常規(guī)設計方法智能化，并將設計知識系統(tǒng)化。已有的控制系統(tǒng)的設計方法通常表現(xiàn)為一系列抽象的數(shù)學關系。但設計者在使用某一特定的設計方法時，卻需要加以調(diào)整，使之融合被控制對象的領域知識，并充分發(fā)揮該方法的技巧。另外，許多細致而分散的設計知識也需要系統(tǒng)化，并集成到設計軟件的知識庫中去?？傊?，必須將已經(jīng)有的設計方法改造成為智能化的設計方法。

目前，提出了三種新的智能設計方法，并同時開發(fā)了兩種與之相應的智能設計軟件IntelDes1.0和IntelDes3.0。這些智能設計方法是抽象響應特征設計方法，魯棒的逆Nyquist陣列設計方法，正規(guī)矩陣參數(shù)優(yōu)化設計方法。其中后兩種都是適用于多變量魯棒控制系統(tǒng)的設計方法。前一種方法雖然主要用于單變量系統(tǒng)，但在多變量系統(tǒng)設計流程的某些環(huán)節(jié)上也能發(fā)揮很好的作用。這些方法已經(jīng)能夠初步地滿足廣大設計工程師的實際需要。以上的三種控制系統(tǒng)智能設計方法是遠遠不夠的，還需要更多、更好、更先進的設計方法來不斷完善、不斷修正、不斷地擴充并集成到這個大的專家知識庫中去。特別是在非線性系統(tǒng)、時變系統(tǒng)、自適應系統(tǒng)、變結構系統(tǒng)等類型的控制系統(tǒng)的智能設計方面還存在許多困難，要形成一套完整有效的智能設計方法還有很長的一段路要走。

以上我們已經(jīng)談及控制系統(tǒng)的智能設計，首先是要選擇辨識系統(tǒng)數(shù)學模型的方法辨識出系統(tǒng)的模型，然后選擇辨識模型參數(shù)的方法辨識出模型的參數(shù)，接著是要找出一個合適的控制器來，最后還要對控制器的參數(shù)進行優(yōu)化處理，以達到實際的控制要求。由于目前的控制系統(tǒng)的智能設計都是基于對已知系統(tǒng)的數(shù)學模型而做設計的，所以對于前面提到的選擇辨識模型的方法、選擇辨識模型參數(shù)的方法，智能設計還沒有能夠形成一個行之有效的方法，還有待于這一領域的專家和學者不斷地總結、不斷地集成他們的專家知識到這個智能設計的高級專家的知識庫中去。正是由于這個原因，以下所談到的一些智能設計方法都只能是在給定控制對象的數(shù)學模型的前提下進行的。

3.1 抽取對象響應特征的設計方法

抽取對象響應特征的設計方法的主要思想是:不直接對被控制對象的數(shù)學模型設計控制器，而是從對象的階躍響應中提取代表其動態(tài)性質的特征量來作為設計的依據(jù)，在專家知識和經(jīng)驗的指導下設計控制器。具體地說，是對一類常見的“普通對象”的模型作閉環(huán)仿真，獲取其階躍響應，并抽取響應的時間域的主要特征，然后根據(jù)這一響應特征由計算機自動完成控制器的設計。此方法將“普通對象”閉環(huán)，由小到大地調(diào)整其開環(huán)增益，使對象閉環(huán)的階躍響應產(chǎn)生較大的超調(diào)(超調(diào)量σ達到0.3～0.6)。這時的對象閉環(huán)階躍響應近似一個二階系統(tǒng)的衰減震蕩過程。抽取此衰減震蕩的周期，計算其衰減震蕩的角頻率ωc=2π/Td，據(jù)此估算其產(chǎn)生等幅震蕩時的臨界震蕩角頻率ωp。再根據(jù)系統(tǒng)控制要求的階躍過程時間估算系統(tǒng)的期望截止角頻率ωc，進而為系統(tǒng)設計智能超前校正器，并根據(jù)要求的系統(tǒng)的靜態(tài)精度設計智能滯后校正器。

以下是抽取對象響應特征方法的智能設計流程:

①輸入對象的傳遞函數(shù)G(s)，要求的過渡時間ts，要求的靜態(tài)誤差ess和動態(tài)品質，取要求的ωc=7/ts，構造一個如下圖的對象閉環(huán)，初選Kp=1;

圖1 閉環(huán)階躍響應

②運用設計軟件進行自動的可視化仿真，得到對象閉環(huán)階躍響應，讀取其超調(diào)量 σ，過渡過程時間Ts和衰減震蕩時間Td的值，根據(jù)σ的值分為三種情況:

a)σ ＜0.3(無超調(diào)或弱震蕩):如果響應的峰值與靜態(tài)值之比 ymax/y∞＜ 0.9，Kp1=4Kp，wp=3/Tc;如果 wp≥ wc，則 kp=wc/wp，如果 ωp＜ ωc，則 Kp2=1.5Kp，Kp 為比例系數(shù);

b)0.3 ＜ σ ≤0.8(強震蕩):讀取Td值，計算ωd=2π/Td;根據(jù)表1 求出 β;ωp= ωd/β;

表1 二階對象的衰減震蕩角頻率wd與超調(diào)量σ的關系

如果ωc/ωp＞6，則提示不可能設計出滿足指標的校正器，建議設計人員適當增大ts，轉①重新設計， 否 則， 如 果 ωc/ωp＜ 1， 則 Kp3=Kpmax(ωc/ωp，0.4);

c)σ＞0.8(不穩(wěn)定或接近不穩(wěn)定):則Kp4=0.1Kp;

③仿真，獲得動態(tài)指標，如果動態(tài)品質滿意，則轉④，否則，保留第一級超前校正，轉②設計第二級超前校正，但若兩級超前校正環(huán)節(jié)仍然不能滿足動態(tài)品質的要求，則給出提示;

④仿真，檢查靜態(tài)指標;如果靜態(tài)指標不滿意則加入 K1(s)ω1=(0.1 ～ 0.2)ωc;否則保留第一級校正器，轉③設計第二級滯后校正器，但如果兩級滯后校正器仍然不能滿足靜態(tài)品質的要求則給出提示。

上述流程已經(jīng)被編制成智能設計軟件，它不僅適用于許多單變量系統(tǒng)的設計，而且也適用于某些多變量系統(tǒng)的設計方法中的一些設計步驟，這就是智能設計軟件IntelDes1.0和IntelDes3.0。使用該軟件時，用戶只需要輸入以框圖描述的被控制對象模型的性能指標，即過渡過程時間、超調(diào)量、以及靜態(tài)精度，并指明輸入量及與之對應的輸出量，智能設計軟件就可以在知識庫中儲存的高級專家知識的指導下自動地與用戶進行互動式設計。

3.2 魯棒的逆Nyquist陣列(RINA)設計法

多變量控制系統(tǒng)的Nyquist陣列是多變量系統(tǒng)頻率域控制理論的重要內(nèi)容之一。其主要思想是:使系統(tǒng)的開環(huán)傳遞函數(shù)矩陣成為對角優(yōu)勢矩陣，因而僅用矩陣的對角元素便可以判斷系統(tǒng)的穩(wěn)定性。利用此性質，可以為多變量系統(tǒng)的每個通道分別設計對角的動態(tài)補償器，從而使更多的變量系統(tǒng)的設計大為簡化，所得到的控制器也較為簡單。但是當系統(tǒng)受到攝動時，原來的對角優(yōu)勢矩陣是否仍然能保持對角優(yōu)勢呢?系統(tǒng)穩(wěn)定性條件是否會有變化?當攝動強度給定時，矩陣的對角優(yōu)勢應該達到何種程度才能保證系統(tǒng)的穩(wěn)定性呢?于是就提出了對原有RINA設計方法改進的問題。這就是魯棒逆Nyquist陣列(RINA)設計法，它是在給定攝動強度下能保證控制系統(tǒng)魯棒穩(wěn)定性的方法。

魯棒逆Nyquist陣列(RINA)設計法的基本思想是:因為系統(tǒng)的魯棒穩(wěn)定性是與傳遞函數(shù)的特征值對攝動的敏感性有關的，而正規(guī)矩陣的特征值對擾動最不敏感。為了使系統(tǒng)獲得良好的魯棒性，就應該加強對對角優(yōu)勢度的要求，從而保證系統(tǒng)具有足夠的對角優(yōu)勢度。基于這一思想，魯棒逆Nyquist陣列(RINA)設計法還強調(diào)必須按照擾動的強度將被控制對象補償?shù)骄邆渥銐虻膶莾?yōu)勢度，以保證系統(tǒng)的魯棒性。

以下是魯棒逆Nyquist陣列(RINA)設計法的智能設計流程:

③針對對角優(yōu)勢度低于0.5各行和各角頻率段采用適當預補償方法改進，轉②處繼續(xù)執(zhí)行;

⑥仿真檢驗，設計結束。

4 仿真與性能比較分析

本系統(tǒng)在經(jīng)過仿真運行后，系統(tǒng)工作穩(wěn)定，操作方便，能夠獲得滿意的性能指標。圖3是在單位階躍信號下的傳統(tǒng)PID控制與智能軟件設計方法下的響應曲線。很顯然，智能設計軟件設計方法控制方式獲得的響應曲線具有較好的跟隨性，且穩(wěn)態(tài)精度高，超調(diào)量明顯較小，調(diào)節(jié)時間得到了明顯改善，從而全面地改善了系統(tǒng)的動態(tài)性能。

圖2 單位階躍信號下的傳統(tǒng)PID控制

圖3 智能軟件設計方法下的響應曲線

5 結論

控制系統(tǒng)的智能設計是一門新興的學科。盡管控制理論發(fā)展到今天已經(jīng)相當?shù)某墒?，?chuàng)造了許多經(jīng)典的控制系統(tǒng)的設計方法，但是控制系統(tǒng)的設計完全走向智能化還有很長的路要走。例如在控制系統(tǒng)的智能設計中，對系統(tǒng)模型的智能設計，對模型參數(shù)辨識方法的智能選擇以及對于時變系統(tǒng)、非線性系統(tǒng)、隨機系統(tǒng)等方面的研究還有待于進一步深入，還不能形成一套完整的體系。這一體系的形成需要更多的從事這一領域研究的科學工作者不斷地總結控制系統(tǒng)設計的經(jīng)驗，使它們成為一整套系統(tǒng)化的知識，創(chuàng)建更為強大的設計知識庫，從而構建一個巨大的高級專家系統(tǒng)，成為真正地能夠從選擇系統(tǒng)模型開始到控制器優(yōu)化結束的整個過程的智能化設計。除此之外，控制系統(tǒng)的智能設計還要能夠具有自學習的功能，能夠對專家知識庫進行維護，隨著控制理論的發(fā)展而不斷更新知識庫中的內(nèi)容。我們完全能夠想見，在未來控制系統(tǒng)的智能設計必定會在控制系統(tǒng)設計的實踐中占有重要的地位，成為控制系統(tǒng)設計的一個必備的輔助設計專家，成為控制工程師們的良師益友。

［1］Juanjuan Wang，Chuang Fu，Yao Zhang.SVC Control System Based on Instantaneous Reactive Power Theory and Fuzzy PID［J］.IEEE Transactions on Industrial Electronics，2008，55(4):1658 – 1665.

［2］Rong－Jong Wai，Meng － An Kuo，Jeng － Dao Lee.Design of Cascade Adaptive Fuzzy Sliding－Mode Control for Nonlinear Two－Axis Inverted－Pendulum Servomechanism ［J］.IEEE Transactions on Fuzzy Systems，2008，16(5):1232－1244.

［3］Han － Xiong Li，Shaocheng Tong.A hybrid adaptive fuzzy control for a class of nonlinear MIMOsystems［J］.IEEE Transactions on Fuzzy Systems，2003，11(1):24 －34.

［4］Acampora G，Loia V.Fuzzy control interoperability and scalability for adaptive domotic framework ［J］.IEEE Transactions on Industrial Informatics，2005，11(1):97－111.

［5］張銘鈞.智能控制技術［M］.哈爾濱:哈爾濱工程大學出版社，2008.

［6］王耀南.智能控制理論及應用［M］.北京:機械工業(yè)出版社，2008.

［7］師黎，陳鐵軍，李曉媛，等.智能控制實驗與綜合設計指導［M］.北京:清華大學出版社，2008.

［8］韓力群，王志新，葉斌.智能控制理論及應用［M］.北京:機械工業(yè)出版社，2008.