《智能控制》导论

1、智能控制技术在玻璃熔炉控制中的应用刖言智能控制作为一门新兴的、跨学科的技术科学得到了迅速的发展和取得了令人瞩目的 成果。综观智能控制的发展历程，我们可以满怀信心地说，有众多学科发展成果的强有力 的支持，有十分广阔的应用领域，智能控制必将取得长足的进展，并将控制科学推向一个 崭新的阶段。人们对控制技术已开始走向智能化发展阶段这一大趋势是不会动摇和怀疑的，在这一 点上控制界已经形成共识。可以说，智能控制是人类将自身的智力用于改造客观世界的必 然产物。正因为它在理论上还不够完善，对它在理论上和实际应用的研究才更具挑战性、 更有吸引力。因此，智能控制的发展要进行基本理论、基本方法研究以及开展人工智能技

2、 术与自动控制理论的对照研究，扩展人工智能技术在控制理论中应用的新领域。将智能控 制技术应用到自然科学和社会科学的各个领域，将人工智能方法用于过程系统建模、优 化、控制、故障诊断，生产计划和调度等。近年来，智能控制技术在国内外已有了较大的发展，己进人工程化、实用化的阶段。 但作为一门新兴助理论技术，它还处在一个发展时期。然而，随着人工智能技术、计算机 技术的迅速发展，智能控制必将迎来它的发展新时期。智能控制与传统控制在理论基础、实现方法和系统规模上有着本质的区别，但它们也 不是互相排斥的。通常情况下，传统控制往往包含在智能控制之中，用来解决系统底层 （执行层）的控制问题，而在系统的中层（协调层

3、）和高层（决策层）则采用智能控制， 这样既能提高系统的智能化程度，又能保证系统的控制精度，同时使系统结构更加合理， 达到互补的效果。传统控制：基于数学模型的定量方法（含经典控制理论和现代控制理论）有完善的理 论体系：以反馈控制理论为核心，线性定常系统为主要对象；有效的分析与综合方法：时 域法、频域法、根轨迹法、状态空间法；有严格的性能指标体系：稳态误差（精度）、动 态性能、系统稳定性、可控、可规测性；应用：在单机自动化、不太复杂的过程控制及系 统工程领域得到广泛成功的应用。智能控制：基于知识和经验的直觉推理方法尚无完善的理论体系：二元论、多元论、 知识挖掘与学习、信息融合、认知心理学等；实现方

4、法多样性：分级递阶智能控制（运筹 学）、模糊控制（模糊数学）、神经元网络、进化论及遗传算法、专家系统、大系统智能 控制、分层智能控制、分布式问题求解、认知心理学等；无严格的性能指标体系：以控制 的目的和行为来评价系统性能，而无统一的性能指标体系；应用：应用极为广泛，可涉及 自然科学和社会科学的各个领域，是控制界当前的研究热点和今后的发展方向。1、主要方法：（1）专家控制（2）模糊控制（3）神经网络控制（4）分级递阶智能控 制：分级递阶智能控制由J.S.Albus在1981年提出。现在大多数控制技术都需要对过程及其环境有较深的了解，一般用拉普拉斯变换或动 态微分方程来描述过程动态特性。然而在过程

5、控制领域，许多系统过于复杂，或者其内在 规律难以了解，因此很难得到过程的定量知识，这通常称为“黑箱”问题。在许多情况下，我们可能掌握了一些过程知识但是不知道这些知识是否精确。例如在 对燃烧控制的过程控制中，经常碰到进料的波动，燃料类型和热值的改变，下游需求不可 预测的变化以及产品配方、批次和负荷等频繁的切换。这些就导致一个问题：即无法确定 所掌握的过程知识的精确程度。这种现象通常被叫做“灰箱”问题。如果能掌握过程的大量知识，那就是一个“白箱”问题。在这种情况下，基于对过程 的了解，利用成熟的控制方法及工具设计控制器就容易多了。事实上大多数工业过程都是灰箱问题。玻璃窑炉的控制是很复杂的，包括了温

6、度、压力、液位、物料控制。比如温度控制， 在连续作业的窑炉中，玻璃熔制的各个阶段在窑池纵长方向上的不同区域依次进行的，玻 璃的熔化、澄清、冷却、成型等的各个区域要有相应的温度条件，并力求保持稳定。尽可 能是池窑中的玻璃温度不随时间变化。但是由于温度控制本身的特点，做到这点很不容 易。（1）温度具有时变性：玻璃料的加热过程通常要比放热过程快的多，由于温度经常上 下波动，过程对象的时间常数会有很大的变化。在时间常数和滞后时间变化的情况下，用 PID来控制会很容易产生振荡或控制作用缓慢。在一定的操作范围内，可以通过调整PID 的参数实现对过程的控制。但是一旦过程动态特性发生改变，PID就有可能失控。

7、（2）控制的非线性：燃料控制阀的不灵敏区和阀门的摩擦造成了温度回路的非线性。 PID或基于模型的控制器能在其线性范围内正常工作，但是到了非线性区域就失控了。（3）多区域的温度控制。玻璃窑炉的蓄热室、小炉、窑池、供料槽等需要有不同的温 度点，需要控制多个区域的温度。由于各区域之间相互影响，使用单输入单输出（SISO） 控制器很难有效地控制这种多输入多输出（MIMO）的过程。（4）负荷变化大。由于环境温度的变化和加料时产生的温度冲击，使得熔炉的温度负 荷波动很大。此时，通常需要施加前馈控制作用。但是由于进料量的控制不容易精确掌握，使得进料量波动较大，并且进料为固体物质，很难直接检测流量。因此，很难

8、实施前 馈控制。（5）燃料波动，池炉使用的燃料为水煤气或重油等，因燃料流量波动而产生的热值变 化给温度控制回路带来了很大的扰动。（6）多输入单输出（MISO）。蓄热室、小炉、窑池的温度变化集中体现在供料槽的温 度变化，而供料槽的温度变化应尽可能小，才能保证吹制玻璃成品的稳定，当其他区域温 度发生较大变化时，像PID这样的固定参数的控制器就需要重新整定控制器参数。由于以上和其他更多的温度扰动，使用二型或三型仪表的单回路PID控制器的控制效 果不够理想。如果温度控制不好往往造成成品的废品率上升，造成巨大的损失，由于温度 时间常数的的滞后很大，一旦供料槽温度不理想，甚至造成整小时产量为零。为了解决以

9、上问题，可以采用一种称为无模型自适应控制专利技术（Model-Free Adaptive Process Control，MFA）。该技术由美国一家自动控制公司开发。对于传统的自适应控制方法，如果不能获得过程的定量信息，一般需要采用某种辨识 机制，以在线或离线的方式获得系统的动态特性。基于辨识的控制方法不适用于过程控制 的主要原因是控制和辨识是一对矛盾体，并产生一些难以解决的问题：a）需要离线学习；b） 辨识所需的不断的激励信号与系统平稳运行的矛盾；c）模型收敛和局部最小值问题；d）系 统稳定性问题。因为过程动态特性的变化不能被察觉，因此通常需要施加激励信号来进行 有效的过程辨识。然而，实际生

10、产过程很难容许这样做。MFA控制系统中没有辨识环节因此可以避免上述问题。一旦运行，MFA控制器就可立刻 接管控制。MFA控制器中刷新权值的算法是基于一个单一的目标，即缩小设定值和过程变 量之间的偏差。这意味着当过程处于稳定状态，偏差接近零时，不需要对MFA控制器的权 值进行修改。MFA无需使用者对控制器进行设计，只要选择相应的控制器并简单地设定控制器参数 就可以将MFA控制器投入使用。这是无模型自适应控制器与其它基于模型的先进控制器的 一个主要区别。MFA控制器结构如图显示了一个单输入单输出MFA控制器的基本结构。该控制器在设计上采用了一个 多层感知器结构的人工神经网络（ANN），有一个输入层

11、、一个具有N个神经元的隐含层和 一个单个神经元的输出层。在这个神经网络中有一组可以根据需要而改变的权重因子（Wj和hi），从而对控制器 的行为进行调整。更新权重因子的算法是以缩小设定值与过程变量之间的偏差为目标。由 于其效果与控制目标是一致的，因此，采用权重因子能帮助控制器在过程动态特性发生变 化的时候减小偏差。SISOMFA控制器结 构此外，基于人工神经网络的MFA控制器保存了一部分历史数据，为了解过程动态特性 提供有价值的信息。相比之下，数字式PID控制器只保留当前的和之前的2个采样数据。 在这一点上，PID控制器几乎没有任何记忆能力，而MFA拥有一个“聪明”的控制器所必 需的记忆能力。与

12、其它基于模型的控制技术相比，MFA控制器功能强且简单易用。使用者无需建立数 学模型、无需进行辨识过程、无需做控制器设计，即使过程的动态特性有很大变化，也不 必重新整定控制器参数。并可方便地选择其中的某个控制器来解决工业领域中常见的非线 性、时变、大滞后、严重耦合、变结构、约束条件苛刻等复杂控制问题。并可以与各种 DCS、PLC和控制器相连，也可以通过OPC、DDE或API接口与流行的HMI/SCADA软件相 连。五、智能控制发展前景之我见智能控制研究的数学工具：传统的控制理论主要采用微分方程、状态方程以及各种变换等作为研究的数学工具。 它本质上是数值计算方法。而人工智能则主要采用符号处理，所谓

13、词逻辑等作为研究的数 学工具。两者有着根本的区别。智能控制研究的数学工具则是上述两个方面的交叉和结 合，它主要有以下几种形式：（1）符号推理与数值计算的结合例如专家控制，它的上层是专家系统，采用人工智能中的符号推理方法。下层是传统 的控制系统，采用的仍是数值计算方法。因此整个智能控制系统的数学研究工具是这两种 方法的结合。（2）离散事件系统与连续时间系统分析的结合计算机集成制造系统(CIMS)和智能机器人使属于这样的情况，它们是典型的智能控制 系统。例如在CIMS中，上层任务的分配和调度、零件的加工和传输等均可用离散事件系统 理论来进行分析和设计；下层的控制，如机床及机器人的控制，则采用常规的

14、连续时间系 统分析方法。介于两者之间的方法A、神经元网络。它通过许多简单的关系来实现复杂的函数关系。它本质上是非线性的 动力学系统，但它并不依赖于模型。B、模糊集合论。它形式上是利用规则进行逻辑推理，但其逻辑取值可在0与1之间连 续变化，采用数值的方法而非符号的方法进行处理。四、智能控制应用举例杨树子，丁洪.智能制造技术与智能制造系统的发展与研究.中国机械工程，1992,3(2)： 15 19CIMS主题专家编著.计算机集成制造技术与系统发展趋势.北京：科学出版社，1994： 112孙增圻.智能控制理论与技术.北京：清华大学出版社，1997： 115彭炎午.计算机数控(CNC)系统.西安：西北工业大学出版社，1988： 142张佩珩，安学军，高文学.面向机群互连网络的智能网卡设计.计算机工程与应用.2003 年第28期第39卷旬刊李圣怡，范大鹏等.智能制造技术基础一一智能控制理论、方法及应用.国防科技大学 出版社出版.1995年10月第1版，1-7易继锴等 智能控制技术.北京工业大学出版社.1999年09月第1版.1999.9，9