自动化前沿技术

自动化的前沿技术模糊控制——其实我很清楚最优控制---“没有更好只有最好”自适应控制——以变制变鲁棒控制——以静制动线性控制理论纵横非线性控制理论的发展PID控制——简而优秀预测控制——未卜先知故障诊断——神医妙手人工智能——智慧之巅专家系统——身边的专家推理控制——经验的作用集散控制系统（DCS）

模糊控制

模糊控制是以模糊集合理论为基础的一种新兴的控制手段，它是模糊系统理论和模糊技术与自动控制技术相结合的产物。自从这门科学诞生以来，它产生了许多探索性甚至是突破性的研究与应用成果，同时，这一方法也逐步成为了人们思考问题的重要方法论。

1965年美国的控制论专家L.A.Zadeh教授创立了模糊集合论，从而为描述，研究和处理模糊性现象提供了一种新的工具。一种利用模糊集合的理论来建立系统模型，设计控制器的新型方法——模糊控制也随之问世了。模糊控制的核心就是利用模糊集合理论，把人的控制策略的自然语言转化为计算机能够接受的算法语言所描述的控制算法，这种方法不仅能实现控制，而且能模拟人的思维方式对一些无法构造数学模型的被控对象进行有效的控制。

模糊控制作为智能领域中最具有实际意义的一种控制方法，已经在工业控制领域，家用电器自动化领域和其他很多行业中解决了传统控制方法无法或者是难以解决的问题，取得了令人瞩目的成效。最优控制

最优控制问题研究的主要内容是：怎样选择控制规律才能使控制系统的性能和品质在某种意义下为最优，求解最优控制问题的方法，目前主要的就是上述的两种方法，另外可能还会用到一些数值解法。用这些方法已经成功的解决了许多动态控制问题，如最小时间控制，最少燃料控制和最佳调节器等。最优控制已经在航天，航海，导弹，电力系统，控制装置，生产设备和生产过程中得到了比较成功的应用，而且在经济系统和社会系统中也得到了广泛的应用。

最优控制问题有四个关键点：（1）受控对象为动态系统。（2）初始与终端条件（时间和状态）。（3）性能指标。（4）容许控制。而最优控制问题的实质就是要找出容许的控制作用或控制规律，使动态系统（受控对象）从初始状态转移到某种要求的终端状态，并且保证某种要求的性能指标达到最小值或者是最大值。

时至今日，最优控制理论的研究，无论在深度或是广度上，都有了较大的进展。然而，随着人们对客观世界认识的不断深化，又提出了一系列有待解决的新问题。可以毫不夸张地说，最优控制理论依旧是极其活跃的科学领域之一。自适应控制

在日常生活中，所谓自适应是指生物能改变自己的习性以适应新的环境的一种特征。因此，直观地讲，自适应控制器应当是这样一种控制器，它能修正自己的特性以适应对象和扰动的动态特性的变化。

自适应控制的研究对象是具有一定程度不确定性的系统，这里所谓的“不确定性”是指描述被控对象及其环境的数学模型不是完全确定的，其中包含一些未知因素和随机因素。

任何一个实际系统都具有不同程度的不确定性，这些不确定性有时表现在系统内部，有时表现在系统的外部。从系统内部来讲，描述被控对象的数学模型的结构和参数，设计者事先并不一定能准确知道。作为外部环境对系统的影响，可以等效地用许多扰动来表示。这些扰动通常是不可预测的。此外，还有一些测量时产生的不确定因素进入系统。面对这些客观存在的各式各样的不确定性，如何设计适当的控制作用，使得某一指定的性能指标达到并保持最优或者近似最优，这就是自适应控制所要研究解决的问题。鲁棒控制

鲁棒控制（RobustControl）方面的研究始于20世纪50年代。在过去的50年中，鲁棒控制一直是国际自控界的研究热点。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。

鲁棒控制方法，是对时间域或频率域来说，一般要假设过程动态特性的信息和它的变化范围。一些算法不需要精确的过程模型，但需要一些离线辨识。

一般鲁棒控制系统的设计是以一些最差的情况为基础，因此一般系统并不工作在最优状态。常用的设计方法有：INA方法，同时

镇定，完整性控制器设计，鲁棒控制，

鲁棒PID控制以及鲁棒极点配置，鲁棒观测器等。

鲁棒控制方法适用于稳定性和可靠性作为首要目标的应用，同时过程的动态特性已知且不确定因素的变化范围可以预估。飞机和空间飞行器的控制是这类系统的例子。线性控制理论

线性控制理论是系统与控制理论中最为成熟和最为基础的一个组成分支，是现代控制理论的基石。系统与控制理论的其他分支，都不同程度地受到线性控制理论的概念、方法和结果的影响和推动。

严格地说，一切实际的系统都是非线性的，真正的线性系统在现实世界是不存在的。但是，很大一部分实际系统，它们的某些主要关系特性，在一定的范围内，可以充分精确地用线性系统来加以近似地代表。并且，实际系统与理想化了的线性系统间的差别，对于所研究的问题而言已经小到无关紧要的程度而可予以忽略不计。因此，从这个意义上说，线性系统或者可线性化的系统又是大量存在的，而这正是研究线性系统的实际背景。

简单说，线性系统理论主要研究线性系统状态的运动规律和改变这种运动规律的可能性方法，建立和揭示系统结构、参数、行为和性能间的确定的和定量的关系。在对系统进行研究的过程中，建立合理的系统数学模型是首要的前提，对于线性系统，常用的模型有时间域模型和频率域模型，时间域模型比较直观，而频率域模型则是一个更强大的工具，而者建立的基本途径一般都通过解析法和实验法。

非线性控制理论

对非线性控制系统的研究，到上个世纪四十年代，已取得一些明显的进展。主要的分析方法有：相平面法、李亚普诺夫法和描述函数法等。这些方法都已经被广泛用来解决实际的非线性系统问题。但是这些方法都有一定的局限性，都不能成为分析非线性系统的通用方法。例如，用相平面法虽然能够获得系统的全部特征，如稳定性、过渡过程等，但大于三阶的系统无法应用。李亚普诺夫法则仅限于分析系统的绝对稳定性问题，而且要求非线性元件的特性满足一定条件。虽然这些年来，国内外有不少学者一直在这方面进行研究，也研究出一些新的方法，如频率域的波波夫判据，广义圆判据，输入输出稳定性理论等。但总的来说，非线性控制系统理论目前仍处于发展阶段，远非完善，很多问题都还有待研究解决，领域十分宽。

非线性控制理论作为很有前途的控制理论，将成为二十一世纪的控制理论的主旋律，将为我们人类社会提供更先进的控制系统，使自动化水平有更大的飞越。PID控制——简而优秀

PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。

PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。其输入e(t)与输出u(t)的关系为:

因此它的传递函数为：

它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（Kp，Ki和Kd）即可。在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。

PID控制器是最简单的有时却是最好的控制器预测控制

预测控制是近年来发展起来的一类新型的计算机控制算法。由于它采用多步测试、滚动优化和反馈校正等控制策略，因而控制效果好，适用于控制不易建立精确数字模型且比较复杂的工业生产过程，所以它一出现就受到国内外工程界的重视，并已在石油、化工、电力、冶金、机械等工业部门的控制系统得到了成功的应用。

下面以模型算法控制为例子来说明预测控制的基本原理:

由于预测控制具有适应复杂生产过程控制的特点，所以预测控制具有强大的生命力。可以预言，随着预测控制在理论和应用两方面的不断发展和完善，它必将在工业生产过程中发挥出越来越大的作用，展现出广阔的应用的前景故障诊断

现代的机械制造系统具有控制规模大、自动化程度高和柔性化强的特点。由于制造系统的结构越来越复杂，价格越来越昂贵，因此因为各种故障而导致的停机都是不可忍受的负担。故障诊断系统就能够在这个情况下满足需要，也就是能够合理制定维修计划，最大限度减少停机维修的时间，以及在故障发生之后能够迅速做出反应。因此，故障诊断系统在现在得到了迅速的发展。

故障诊断是随着生产过程的复杂化而产生的一种技术，由于和现代传感器技术、专家系统技术相结合，已经展现出了很强的生命力，必将为提高企业的生产效率和稳定性提供越来越强大的支持。人工智能

人工智能是一门边缘学科，用来模拟人的思维，已经引起了许多学科的日益重视，并且有越来越多的实用意义，而且许多不同专业背景的科学家正在人工智能领域内获得一些新的思维和新的方法。作为一个计算机科学中涉及智能计算机系统的一个分支，这些系统呈现出与人类的智能行为有关的特性。

人工智能的主要领域包括问题求解、语言处理、自动定理证明、智能数据检索等领域。这些综合概念在自然语言处理、情报检索、自动程序设计、数学证明都有重要应用。人工智能的第一个大成就是发展了能够求解难题的下棋程序。

人工智能包含的领域非常广泛，问题的求解只是其中的一个重要方面。其他的方面包括比如谓词演算、规则演绎系统、机器人问题以及专家系统等一系列问题。人工智能作为一个复杂的边缘学科，正在有着越来越广阔的前景，随着新的数学理论的完善以及计算机新的硬件的出现，人工智能必将能够更好地模拟人的思维。专家系统

专家系统(ExpertSystem)是一个基于知识的智能推理系统，它涉及到对知识获取、知识库、推理控制机制以及智能人机接口的研究，是集人工智能和领域知识于一体的系统。近些年，专家系统的迅速发展和广泛应用大大推进了各个应用领域向智能化方向发展，成为人工智能从实验室研究进入实用领域的一个里程碑。

在一个成熟的专家系统中，有几项技术是极为关键的。首先，为了便于知识在计算机中的存贮、检索、使用和修改，并进行推理和搜索，知识表示技术必须具有很高的效率，目前主要有产生式表达法、语义网络表达法、框架表达法、谓词逻辑表达法等技术，并且新的技术还在开发当中；其次，因为要在专家系统中用计算机模拟人的思维，不精确推理方法是必不可少的，针对实际需要，概率算法一度成为最重要的方法，近几年来，模糊数学的引入为这一领域的发展开辟了新的前景；最后，和知识表示技术与推理方法相关，作为人的思维搜索过程的模拟，搜索策略的好坏对系统的成败也是意义重大的，现在人们已经利用的技术有状态空间法、问题递归法、最佳优先法等。总之，人工智能系统的特殊性，决定了它是一个跨越多学科、充满活力、对基础研究的依赖性很强的一个领域，它的发展，必将向我们展示科学技术王国的更多魅力，也会令我们的生活更为美好。集散控制系统(DCS)

DCS，即所谓的分布式控制系统，或在有些资料中称之为集散系统，是相对于集中式控制系统而言的一种新型计算机控制系统，它是在集中式控制系统的基础上发展、演变而来的。在系统功能方面，DCS和集中式控制系统的区别不大，但在系统功能的实现方法上却完全不同。

DCS自1975年问世以来，已经经历了三十多年的发展历程。在这三十多年中，DCS虽然在系统的体系结构上没有发生重大改变，但是经过不断的发展和完善，其功能和性能都得到了巨大的提高。总的来说，DCS正在向着更加开放，更加标准化，更加产品化的方向发展。

进入二十一世纪以来，计算机技术突飞猛进，更多新的技术被应用到了DCS之中。PLC是一种针对顺序逻辑控制发展起来的电子设备，它主要用于代替不灵活而且笨重的继电器