控制理论及智能控制论的发展与现状

控制理论及智能控制论的发展与现状【摘 要】控制论涉及面很广，研究许多不同领域对象的控制问题，也用了各种比较高深的数学工具，文章拟以通俗的语言，简明的介绍了控制理论及其智能控制论的基本思想、基本问题和主要方法，系统的叙述了控制论和智能控制论的发展历程并讨论了其未来的发展前景。关键词：控制论；智能控制论；神经网络；系统辨识1 引言控制理论经过数十年世界范围的发展，研究成果十分丰富，其中一些研究经过不断发展完善已经成为成熟的独立学科，还有一些研究经过一段时间的繁荣昌盛，大大促进了控制理论的发展，完成了历史的使命，现在看其本身的理论及应用价值却是有限的。当前，控制理论已渗透到几乎所有工程技术领域，新的问题、专题及学科分支大量涌现，五彩缤纷。但也会使人有目不暇接，无所适从之感。当前，高新技术的发展提出了形形色色的新问题，难度大，急待解决.面对这些新问题，现有的控制理论常常显得无能为力，使得一些问题甚至等不及理论上的准备及指点，已在实际中用各种技术手段着手加以解决。在这样的形势下，本文对控制理论的发展及现状进行了系统性的分析与探讨，了解主线索及脉络，以便在对未来的发展做探索时能有所帮助。2 “控制理论”产生的历史背景及其核心内容在20世纪中叶，各学科正处于交叉渗透时期，而且各门学科的边缘区域及其交叉点，正是等待开垦的科学领域。恰如控制论创始人维纳（N.Wiener）所讲的：“在科学发展上可以得到最大收获的领域是各种建立起来的部门之间的被忽视的无人区。”正是基于这种思想，维纳与信息论创始人申农、计算机创始人图灵以及神经学家等进行多次讨论、交流、合作，于1948年发表了控制论关于在动物和机器中控制和通讯科学的著作。论述了控制论的一般方法，推广了反馈的概念，为控制理论这门学科奠定了坚实的基础。从维纳的控制论中，可以总结出3个最基本而又重要的概念：信息、反馈和控制，此即为控制论的三要素。反馈的概念是于1920年首先出现在贝尔电话实验室的文献中，后经维纳的引入，逐渐推广在工程、生物、心理和其他社会科学领域。事实上，一切机械控制系统、一切生命系统以及那些以生命系统为基础的社会系统都是与反馈机制密不可分的。反馈的本质是系统的输出及送回输入端，并由此对系统状态产生具有制约作用的影响。理解反馈的概念必然注意三点：一是反馈存在于系统之中，某个反馈机制必与某个系统相对应；二是反馈系统的流向与系统主信息的流向相反，即由输出回到输入，构成新生环系统；三是反馈的效果是对系统的状态产生影响。任何系统只有通过反馈，才能实现控制。任何要求只有开放，与外界有信息交换，才可能有序。任何系统都是有结构的，系统的整体功能不等于各孤立部分功能之和。我们对这三个问题要有全面的理解：定义处在一定相互联系之中、与环境发生关系的各个组成部分的整体，即为系统；组成系统的各单元、因子等，即为要素；系统内部各个要素的组织形式，即为结构；系统在一定环境中所发挥的作用，即为功能。系统的整体功能，不仅有各部分的功能，还有各个部分相互联系形成新结构而产生的新的功能。这就是系统科学的三大原理：反馈原理、有序原理、整体原理。控制论、信息论、系统论共同处在系统科学中，是共同发展的。它们的创立是物理学与生物学等多学科交叉、结合、渗透的产物，它们进一步揭示出自然、社会、思维领域中许多现象的一致性。只是由于当时科技水平的局限性，控制论只在工程设计中，主要解决线性定常系统的单输入、单输出问题，反馈信号也只是一种信号数值的大小，而反馈形式只是单一的负反馈的模式。这时的控制论被称作“经典控制论”（第一控制论），但对解决当时的系统控制问题是非常有效的，也是相当广泛的，其突出的成就是导致自动化技术的诞生和发展。从维纳开创的“经典控制论”到“现代控制论”，标志着人类对现实世界的认识能力和改造能力的进一步提高，是人类对控制技术认识上的一次飞跃。3 “现代控制论”（Modern Control Theory）的进一步发展3.1 现代控制论的发展过程20世纪6070年代，由于计算机的飞速发展，推动了空间技术的发展。这时，维纳创立的“经典控制论”面临着新的挑战。因为航天技术及其他生产技术的发展，一方面使控制对象变得更加复杂，另一方面对控制的要求提出了更加苛刻的条件。例如非线性的、时变的或者分布参数的系统有关控制问题，对系统本身或其周围环境的不确定因素的适应控制问题，多输入多输出系统的分析和综合问题，以及实现控制的某种目的函数意义下的最优化问题等等，都不是依靠“经典控制论”所能解决的。面对这些挑战，控制理论必须向前发展。而在这个时期，现代科学技术的进步，特别是现代数学和计算机技术的成就恰好为控制理论的发展提供了强有力的工具。正是在这种历史背景下，“现代控制论”应运而生。20世纪60年代初，卡尔曼（Kalman）首先提出了使用状态空间方法分析与综合复杂系统的问题，提出了系统的能控性、能观性、稳定性以及滤波等问题，并指出对于多变量系统，只有用状态变量的描述方法，才能完全表达动力学性质，才能确切描述系统的内在特性。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的确立，标志着现代控制理论的形成。对于“现代控制论”来说，首先遇到的问题是将实际系统抽象为数学模型，有了数学模型，才能有效地去研究系统的各个方面。许多机电系统、经济系统、管理系统等都可近似认为是线性系统。线性系统和力学中的质点一样，是一个理想模型，这是研究复杂事物通用的、主要的方法。“现代控制论”从自然和社会现象中抽象出理想模型，用状态空间方法表示，然后再做理论上的探讨。以“双机拖动”系统为例，从抽象出数学模型入手，直到工程设计，从而可以获得一个清晰、完整的设计思路的设计方法。这个系统为“获取反馈”，必须根据系统的能控性与能观性，设计观测器，即用观测器作“状态估计”。在此基础上再进一步研究遇到外界干扰的影响。通过这种设计才可获得一个清楚的、完整的、较为系统的概念。在“现代控制论”中，线性系统理论是其数学基础。线性系统理论包括了矩阵论，是一门严谨的数学学科。我们学习数学，要掌握“方法论”，要逐步学会如何列出数学表达式，并且从中理解其物理实质。数学运算是逻辑思维与一些具体运算知识和技能相结合在处理数量关系时的表现。数学是一个层次、一个层次地抽象，与此同时，其内涵也是一次比一次更加广泛深刻。现代控制理论是建立在状态空间法基础上的一种控制理论，是自动控制理论的一个主要组成部分。在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定的性能指标的最优控制系统提供了可能性。现代控制理论的名称是在1960年以后开始出现的，用以区别当时已经相当成熟并在后来被称为经典控制理论的那些方法。现代控制理论已在航空航天技术、军事技术、通信系统、生产过程等方面得到广泛的应用。现代控制理论的某些概念和方法，还被应用于人口控制、交通管理、生态系统、经济系统等的研究中。3.2 现代控制理论的学科内容现代控制理论所包含的学科内容十分广泛,主要的方面有:线性系统理论、非线性系统理论、最优控制理论、随机控制理论和适应控制理论。(1) 线性系统理论 它是现代控制理论中最为基本和比较成熟的一个分支，着重于研究线性系统中状态的控制和观测问题，其基本的分析和综合方法是状态空间法。按所采用的数学工具，线性系统理论通常分成为三个学派：基于几何概念和方法的几何理论，代表人物是W.M.旺纳姆;基于抽象代数方法的代数理论,代表人物是R.E.卡尔曼；基于复变量方法的频域理论，代表人物是H.H.罗森布罗克。(2) 非线性系统理论 非线性系统的分析和综合理论尚不完善。研究领域主要还限于系统的运动稳定性、双线性系统的控制和观测问题、非线性反馈问题等。更一般的非线性系统理论还有待建立。从70年代中期以来，由微分几何理论得出的某些方法对分析某些类型的非线性系统提供了有力的理论工具。(3) 最优控制理论 最优控制理论是设计最优控制系统的理论基础，主要研究受控系统在指定性能指标实现最优时的控制规律及其综合方法。在最优控制理论中，用于综合最优控制系统的主要方法有极大值原理和动态规划。最优控制理论的研究范围正在不断扩大，诸如大系统的最优控制、分布参数系统的最优控制等。(4) 随机控制理论 随机控制理论的目标是解决随机控制系统的分析和综合问题。维纳滤波理论和卡尔曼-布什滤波理论是随机控制理论的基础之一。随机控制理论的一个主要组成部分是随机最优控制，这类随机控制问题的求解有赖于动态规划的概念和方法。(5) 适应控制理论 适应控制系统是在模仿生物适应能力的思想基础上建立的一类可自动调整本身特性的控制系统。适应控制系统的研究常可归结为如下的三个基本问题：识别受控对象的动态特性；在识别对象的基础上选择决策；在决策的基础上做出反应或动作。3.3 现代控制理论的研究现状为了适应更为广泛、更加复杂的控制要求，弥补经典控制理论之不足，一种建立在线性代数，概率论，随机过程理论等数学工具基础上的现代控制理论（第二代控制理论）迅速发展起来，迎来了自动控制理论的第二个发展阶段。这种理论所采用有时域法和状态空间方法，不仅能提供系统的外部信息，而且可以提供系统的内部信息。同时具有解决线性和非线性系统，定常和时变系统、单变量和多变量系统的通用特点，而他的繁琐的数学计算，由于电子计算机的迅速发展和应用也得到了很好的解决。因此，它得以迅速的发展和广泛的应用。有人曾把状态空间法的应用，极大值原理和卡尔曼滤波技术的提出（或加上贝尔曼的动态规划）作为现代控制理论的起点，这种高度的概括，说明了现代控制理论的基本特点：即分析系统的内在特性，控制参数导优和系统的抗干扰能力问题。概括地说，它大致包括以下五个方面的基本内容：(1) 最优控制问题最优控制问题是系统如何按照一定的目标来确定一系统的控制函数，它是基于对系统的全部状态的观测而得的。也就是所谓的观测器设计问题，当系统状态不能全部直接观测时就需为系统设计一个状态观测器，它涉及到控制系统的能控性和能观性，在这些状态运动的基础上确定系统的最优控制规律，可见，系统状态运动的能观性和能控性是最优控制系统的先决条件。(2) 最优估计问题最优估计问题是指如何从系统受到的随机干扰的输出系统的状态运动。由于系统受到干扰（随机干扰），要根据输出来求出系统的状态，就涉及到利用统计数学的工具来尽可能地消除干扰的影响。这样就产生了对系统的预测、滤波和平滑处理问题。预测是相当多一类最优控制问题的先决条件，滤波则可以从被干扰的信息和干扰分布在不同频段或少量重叠的情况，维纳滤波为信息的干扰噪声混杂在相同频段提供了解决方法，而卡尔曼滤波则把这种方法扩大到各种不平稳过程，平滑处理是用更多的量测数据，包括后来的数据来估计前某一时刻（时间点）上的信息，这种以牺牲时间来换取估计精度的作法在某些场合不仅是合适的，而且是必要的。(3) 随机最优控制随机最优控制是为一个承受随机干扰的系统，为使其达到希望的目标而确定一个控数。一般实际系统都要不同程度地受到许多噪声的干扰，在这种情况下的最优控制问题就成为随机最优控制。(4) 动态系统辨识在设计一个控制系统时，特别是设计一个最优控制系统，都必须建立系统的数学模型。在设计过程中，如果系统受到动态干扰（包括测量干扰），如何消除干扰的影响，确定系统的最合适的数学模型，称为动态系统辨识。当需要同时确定系统的结构和参数时，即是系统的动态辨识问题。(5) 自适应控制自适应控制是利用各种直接或间接的辨识系统动态特征的方法来得到一个数学模型，该模型可以随时调整控制律以得到对系统的最优控制。它具有上述四个特点的综合特性，可以根据不同的环境和需要，有不同的控制规律，如：自寻优控制，模型参考适应控制，参考模型可变的适应控制等。现代控制理论的理论和应用的研究都远比经典控制理论更为广泛和深入，其理论和技术不仅使控制理论自身有了长足的发展，而且已形成了几个分支学科，如线性系统理论，最优控制理论、自适应控制、动态系统辨识等。有些分支已与相邻学科进行了相互交叉和相互渗透，如滤波技术和适应滤波。自学习理论和人工智能，系统辨识和建模理论，系统工程和大系统理论等。我们同样看到，现代控制理论的主要分析方法和工具仍然是以数学解析模型进行描述的领域，就大大的限制了现代控制理论的应用。遗憾的是，更为广泛的需要进行控制的系统往往是不具备或不完全具备使用数学模型进行准确有效地对系统特征进行描述的。同样很多系统的数学模型是很不精确或者是很难有效的。而对这样的挑战，人们进行了广泛深入的研究，并且与迅速发展的其它的学科（如电子计算机，人工智能等）相互交叉与渗透，互为启发，相互补充，开创了控制理论发展的第三个阶段:智能控制。4 智能控制论4.1 智能控制论的发展智能控制理论是控制理论发展的一个崭新阶段，是控制系统分析、综合、设计和应用实践的需要，也是人工智能与控制理论，以及控制论和工程控制论等学科发展的必然结果，这反映了现代科学技术发展的一个规律不同学科之间的相互汉透，相互启发，相互结合，将产生内涵更为深入，具有更为广泛指导意义的新的理论体系和科技成果。6070年代，由于人工智能学科的发展，在进行有关“学习系统”和“学习方法”研究的基础上，付京逊(KSFu)教授在研究控制系统经过对环境的学习而进行的自动控制的“学习控制(Learning Control)”系统时，首先采用“智能控制(Intellingent Control)”的术语，主要是指旨在具有问题求解和高层决策功能的一些学习控制系统，如拟人控制系统，自主机器人控制系统，“人机”结合控制系统等。在工程控制论的领域中，主要研究了自适应控制系统，包括模型参考自适应系统，自校正控制系统以及自寻优控制系统等。在系统设计技术实现和工程应用方面都取得了一定的进展。进入八十年代以后，微处理器和计算机的发展从技术上取得了突破性进展，为实用的智能控制器的研制以及智能控制系统的开发提供了先进、可靠、价格低廉的技术工具，为人工智能知识工程关于知识表达，知识推理方法，特别是专家系统设计与建造方面的技术进展，为智能控制系统的研制和开发准备了新的条件和途经。专家系统技术开始步入控制领域，出现了“专家控制系统(Expert Control System)并在工业过程控制，电力系统，航空，航天和军事方面取得了应用成果。特别是80年代中后期以来，人工智能人工神经网络根据生物科学心理学，脑科学的科研成果，利用工程和物理方法，直接模拟人的智能结构和活动的学科领域由于微电子技术突破了计算机硬件开销的限制而异军突起，重又成为一个十分活跃的拟人智能的研究，应用开发领域。这样为智能控制方法增添了新的内容。徐序彦教授(XYTu)在上述的理论和技术基础上，提出创立一门新的边缘学科“智能控制论(Intelligent Cybernetics)”。可以说智能控制论的创建是控制论发展和演变的必然结果。4.2 智能控制论的基本设想、内容及方法智能控制论的基本设想为：(图4-1)。控 制 论工程控制论经济控制论社会控制论生物控制论大系统控制论智能控制论图4-1 智能控制论的历史来源其中，大系统控制论是研究各种大系统控制过程的共同规律，原理和方法。智能控制论(Intelligent Cybernetics)是研究各种智能控制系统的共同规律，原理和方法。智能控制论是控制论向智能水平的深度发展的分支学科。智能控制论的科学体系内容十分丰富，它主要包括：智能控制理论(Intelligent Control Theory)，智能管理论(Intelligent Managerent Theory)，智能调节理论(Intelligent Regulation Theory)，智能指挥理论(Intelligent Comand Theory)，智能决策理论(Intelligent Decision Theory)等。智能控制论的学科内容是研究各种智能控制系统(工程的、生物的、经济的、社会的)的共同规律，原理和方法，其中包括两方面的基本内容:一是智能系统的原理分析，二是智能控制系统设计(图4-2)。智能控制论智能控制原理分析智能控制模型智能控制系统设计自最优控制自适宜控制自学习控制自镇定控制自识别控制自规划控制自协同控制自修复控制自组织控制自繁殖控制图4-2 智能控制论的基本内容智能控制论中，采用智能控制系统的“广义模型化”方法，所谓“广义模型化”方法是包括知识模型，数学模型，神经网络模型的综合，统一的系统模型化方法，以及基于这些模型的广义模型分析方法(图4-3)。推理解析推理映射解析方法推理方法映射方法数学模型知识模型神经模型广义模型图4-3 智能控制论广义模型化方法基于这些分析方法，可以设计出具有各种拟人智能的控制系统，对于一个简单的智能控制系统，可采用上述方法的一种或两种，而对于较为复杂的智能控制系统，则需要采用上述分析方法相互结合，实现广义模型化进行分析设计。目前在智能控制的理论和方法研究中，基本是沿着这一思路进行分析和设计的，一般都使用定性和定量相结合的模型，采用基于知识的定性描述方法与数学解析方法相结合，或采用基于学习的神经网络的集成描述方法与数学解析方法相结合，如萨里迪斯(GNSaridis)的分级递阶智能控制，Astrom等人的专家控制，徐序彦的专家控制系统，Vilia的知识基/解析混合多层智能控制，周其鉴、陈民镛等人的基于神经网络的仿人智能控制，CCLee的模糊控制器等以及大量的成功的试验和应用。智能控制理论是分析智能控制系统原理及设计的基本理论，是智能控制论的重要分支，也是上述方法的总结，归纳和创新。在使用智能控制理论进行分析设计时应采用智能控制论的思想方法。充分运用智能控制论所提供的研究思想和工具。4.3 智能控制论的分类智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。智能控制与传统控制的主要区别在于传统的控制方法必须依赖于被控制对象的模型，而智能控制可以解决非模型化系统的控制问题。目前,根据智能控制发展的不同历史阶段和不同的理论基础可以分为四大类：(1)基于专家系统的智能控制；(2)分层递阶智能控制；(3)模糊逻辑控制；(4)神经网络控制。早期的智能控制（如基于专家系统的智能控制）是以傅京逊教授为代表提出的二元论（人工智能+控制论）和以Saridis为代表提出的由执行级、协调级和组织级构成的分层递阶智能控制。由于人工智能技术在实时性等方面没有取得突破性进展，基于符号逻辑推理技术为主的智能控制技术难以得到广泛应用。80年代后,智能控制技术得到迅速发展。它主要得益于模糊逻辑控制和神经网络控制理论的不断成熟。此外，90年代以来,智能控制的集成技术研究取得了重大进展，如模糊神经网络、模糊专家系统、传统PID控制器与智能控制的结合等。这些都为智能控制技术的应用提供广阔的前景。4.3.1 模糊逻辑控制模糊逻辑控制论于1965年由扎德教授首先提出。它的主要思想是吸取人类思维具有模糊性的特点，通过模糊逻辑推理来实现对众多不确定性系统的有效控制。如果说，传统的控制是从被控对象的数学结构上去考虑进行控制的，那么，模糊控制是从人类智能活动的角度和基础上去考虑实施控制的，其设计的核心是模糊控制规则和隶属度函数的确定。经典的模糊逻辑控制器的隶属度函数、控制规则都是根据经验预先总结出来的。控制过程中没有对规则进行修正功能，不具备学习和适应能力。但仍然在许多场合，炉窑控制、化工过程控制、水处理、家电等得到广泛的应用。同时，多种改进的或复合的模糊控制器也不断涌现，如模糊PID调节器、模糊专家控制器、模糊自适应控制器、模糊神经网络控制器等。此外，模糊系统建模、模糊控制器的稳定性分析、模糊控制器的鲁棒性设计等一些热点和难点问题也都取得了进展。模糊控制已经进入一个新阶段。4.3.2 神经网络控制神经元的数学模型是1943年由McCmloch和Pitts两位科学家首先提出的。神经网络理论的发展经受了不平凡的历程，其真正的发展期应该是在80年代以后。尤其在1986年发表了感知器网络的学习算法后,神经网络的应用前景更加开阔。同时，它也为神经网络控制创造了必要的条件。神经网络控制是模拟人脑的结构和工作机理对系统实现控制。神经网络的主要特点是具有学习能力、并行计算能力和非线性映射能力。充分利用神经网络的这些能力来解决众多非线性、强耦合和不确定性系统的控制问题是神经控制论研究的主要课题。神经网络模型的种类繁多，但在神经控制论中得到广泛应用的神经网络模型并不富有。目前主要有：多层前向传波网络(MLP)、小脑模型(CMAC)、回归神经网络、径向基网络(RBF)等。4.3.3 学习控制学习控制的作用是为了解决主要由于对象的非线性和系统建模不良所造成的不确定性问题，即努力降低这种缺乏必要的先验知识给系统控制带来的困难。它与自适应控制的最大区别在于学习控制强调记忆。学习控制要求把过去的经验与过去的控制条件相联系，能针对一定的控制局势来调用适当的控制经验。学习控制目前主要有3大研究方向：(1)基于模式识别的学习控制,如再励学习、Bayes学习、VC学习、随机逼近等。(2)基于迭代的学习控制。主要针对周期性作业的非线性控制系统，如机械手作业控制。(3)连接主义学习控制。主要基于人工神经网络技术。(4)进化计算。进化计算是模拟自然进化过程的一种随机性全局优化方法。遗传算法、进化策略等的优化算法在全局性、鲁棒性、并行性等方面表现出为学习控制算法优化提供了有力的工具。智能控制技术覆盖的领域相当广泛，本文仅将智能控制技术的一些热点作了分析和概述。我们认为智能控制技术至少应该包括模糊控制论、神经控制论、专家控制系统和一些新颖的智能控制理论和方法等。4.4 智能控制的现状与发展趋势经过八十年代的孕育发展，特别是近几年来的研究和实践，国际上已认识到采用智能控制是解决复杂系统控制问题的主要途径，并已纷纷付诸行动。在目前发表的工程类文献中，从现代控制理论向智能化发展的研究越来越多。如带有智能功能的传统控制（自适应控制、鲁棒控制等），基于传感器或行为的智能反馈控制，学习控制和循环控制，故障诊断及容错控制，以生产调度管理控制为背景的离散事件系统研究，机器人班组自组织协调控制，自主控制，以及控制系统的智能化设计等等。另外，用人工智能方法解决控制问题的研究也日益增多，如：决策论，带有专家系统的监控、预警及调度系统，用神经元网络实现控制的系统，基于符号表示、模糊逻辑等设计的控制系统，模式识别与特征提取，智能机的应用等。特别是近年来对现场人工智能的研究，更在将人工智能的研究成果用于智能控制的道路上大大前