第九章-智能控制技术基础(一)

第九章智能控制技术基础（一）2010年11月15日9.1绪论

传统控制理论是经典控制和现代控制理论的统称，其主要特征是基于模型的控制。许多复杂的被控对象常表现为高度的非线性、强噪声干扰、动态突变性以及分散的传感元件与执行元件、分层和分散的决策机构、复杂的信息结构等。这些复杂性都难以用微分方程或差分方程等精确的数学模型描述。除了复杂性外，往往还存在着同样难以用精确数学方法描述的不确定性。基于精确模型的传统控制难以解决上述复杂对象的控制问题。9.1绪论

智能控制是人工智能与控制理论交叉的产物，是传统控制理论发展的高级阶段。智能控制理论的创立和发展是对计算机科学、人工智能、知识工程、模式识别、系统论、信息论、控制论、模糊集合论、人工神经网络、进化论等多种前沿学科、先进技术和科学方法的高度综合集成。本章主要介绍智能控制的基本概念和应用。1.智能控制概述“智能控制”这个术语早在1967年由Leondes等人提出。1971年，傅京生(King-SunFu)通过对含有拟人控制器的控制系统和自主机器人诸方面的研究，以“智能控制”这个词概念性地强调系统的问题求解和决策能力。他把智能控制(IC)概括为自动控制(AC)和人工智能(A1)的交集。图9.1智能控制的二元交集论示意图1.智能控制概述傅京生主要强调人工智能中“仿人”的概念与自动控制的结合。以后，萨里迪斯等人从机器智能的角度出发，对傅的二元交集论进行了扩展，引入运筹学并以其作为另一个集合，提出三元交集的智能控制概念。

图9.2智能控制的三元交集论示意图可以看出，三元交集除“智能”与“控制”外，还强调了更高层次控制中调度、规划和管理的作用。⒉智能控制的应用对象智能控制是控制理论发展的高级阶段，它主要用来解决那些用传统方法难以解决的复杂系统的控制问题。例如：•智能机器人系统•计算机集成制造系统•复杂的工业过程控制系统•航天航空控制系统•社会经济管理系统•交通运输系统•环保及能源系统等智能控制的应用对象具备以下一些特点：⑴不确定性的模型

模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。传统方法难以对它们进行控制。⑵高度的非线性

对于具有高度非线性的控制对象，非线性控制理论还很不成熟，而且方法比较复杂。（传统控制理论中的线性系统理论较成熟）⑶复杂的任务要求传统的控制系统中，或者是要求输出量为定值，或者要求输出量跟随期望的运动轨迹，控制任务要求较单一。若控制任务较复杂，如，除了实现对各被控物理量定值调节外，还要求实现整个系统的自动启停、故障的自动诊断及紧急情况的自动处理等功能。智能系统具备一定智能行为的系统。具体地说，若对于—个问题的激励输入，系统具备一定的智能行为，它能够产生合适的求解问题的响应，这样的系统便称为智能系统。

智能控制系统是实现某种控制任务的—种智能系统智能行为也是一种从输入到输出的映射关系．这种映射关系并不能用数学的方法精确地加以描述，因此它可看成是—种不依赖于模型的自适应估计。⒈智能控制系统的结构图9.3智能控制系统的结构图在该系统中，广义对象包括通常意义下的控制对象和所处的外部环境。传感器则包括关节位置的传感器、力传感器，还可能包括触觉传感器、视觉传感器等感知信息处理将传感器得到的原始信息加以处理。认知部分主要接收和储存知识、经验和数据，并对它们进行分析、推理，作出行动的决策，送至规划和控制部分。通讯接口除建立人—机之间的联系外，也建立系统中各模块之间的联系。规划和控制是整个系统的核心，它根据给定的任务要求、反馈的信息及经验知识，进行自动搜索、推理决策、动作规划⒉智能控制系统的主要功能与特点传统控制研究的主要目标是被控对象而智能控制研究的主要目标是控制器本身。与传统控制器相比，智能控制器不再是纯粹的解析型数学模型，而是数学模型和知识系统相结合的广义模型智能控制常具有以下一种或几种基本特点：⑴分层递阶的组织结构

智能控制系统的组织结构体现了“智能递增、精度递减”的原理。其协调层次越高，所体现的智能也越高。⑵多模态控制

智能控制系统常采用具有开、闭环控制结合，定性决策与定量控制结合，数学模型和非数学广义模型结合的多模态控制。⑶自学习能力一个系统，如果能对一个过程或其环境的未知特征所固有的信息进行学习，并将得到的经验用于进一步的估计、分类、决策或控制，从而使系统的性能得到改善，那么就称该系统为学习控制系统。学习控制系统是智能控制系统的一种，智能控制系统的学习功能可能有低有高，低层次的学习功能主要包括对控制对象参数的学习，高层次的学习功能则包括知识的更新和遗忘。⑷自适应能力

智能控制系统中的智能行为实质上是一种从输入到输出之间的映射关系，它可看成是不依赖模型的自适应估计。因此它具有很好的适应性能。当系统的输入不是已经学习过的例子时，由于系统具有插补功能，从而可给出合适的输出，甚至当系统中某些部分出现故障时，系统也能够正常的工作。如果系统具有更高程度的智能，它还能自动找出故障甚至具备自修复的功能，从而体现了更强的适应性。⑸自组织能力

具有自组织能力的智能控制系统对于复杂的任务和分散的传感信息具有自行组织和协调的功能。该组织功能也表现为系统具有相应的主动性和灵活性，即智能控制器可以在任务要求的范围内自行决策，主动地采取行动。而当出现多目标冲突时，在一定的限制下，控制器可自行裁决。在进行模糊控制器的具体设计之前，需要了解一些与模糊控制器相关的基本数学概念。9.2.2模糊数学基础模糊数学是研究和处理模糊性现象的数学方法。模糊集（也称模糊集合）是模糊数学的基础。本课程着重介绍模糊集的基本概念及简单的应用。9.2.2模糊数学基础

1965年，美国加利福尼亚大学，控制论专家，扎德教授，Zadeh，在《信息与控制杂志》上发表了一篇开创性论文《模糊集合》，这标志着模糊数学的诞生。

扎德是世界公认的系统理论及其应用领域最有贡献的人之一，被誉为“模糊集之父”9.2.2模糊数学基础

与其他学科一样，模糊数学也是因实践的需要而产生的。在日常生活中，模糊概念（或现象）处处存在。例如：厚、薄、快、慢、大、小、长、短、轻、重、高、低、稀、愁、贵、便宜、强、弱、软、硬、钝、锐、深、钱、美、丑、白天、黑夜、早晨、中午、傍晚、黎明、黄昏、多云、晴天、阴天、雨天、中雨、暴雨、大暴雨等。9.2.2模糊数学基础在科学技术、经济管理领域中，模糊概念（或现象）也无处不在，例如：感冒、胃病、心脏病、动物、植物、微生物、通货膨胀、经济繁荣、贫困、温饱、小康、富有等。当代科技发展的趋势之一，就是各个学科领域都要求定量化、数学化。当然也迫切要求将模糊概念（或现象）定量化、数学化，这就促使人们必须寻找一种研究和处理模糊概念（或现象的数学方法）9.2.2模糊数学基础

众所周知，经典数学是以精确性为特征的，然而，与精确性相悖的模糊性并不完全是消极的、没有价值的。甚至可以说，有时模糊性比精确性还要好。例如：要你去车站接一个“大胡子、高个子、长头发、戴宽边黑色眼镜的中年男士”。尽管这里只提供了一个精确信息——男性，但其他信息——大胡子、高个子、长头发、戴宽边黑色眼镜、中年等都是模糊概念。但是，你将这些模糊概念经过头脑的综合分析判断，就可以找到这个人。9.2.2模糊数学基础

如果这个问题用计算机精确地处理，那么就要求将此人的准确年龄与身高，胡子、头发的准确长度与根数，眼镜的变宽厘米数、属于黑色系列的哪一种等，一一输入到计算机，才可以找到这个人。如果这个人的头发中途掉了一根的话，计算机就找不到这个人了。由此可见，有时太精确了未必一定是好事。——水至清则无鱼9.2.2模糊数学基础

模糊数学绝对不是把数学变成模模糊糊的东西，它也有数学的共性：条理分明，一丝不苟。即使描述模糊的概念（或现象），也会描述得清清楚楚。由扎德教授创立的模糊数学是继经典数学、统计数学之后，数学的一个新的发展方向。统计数学将数学的应用范围从必然现象领域扩大到偶然现象领域。（概率论与数理统计）模糊数学则把数学的应用范围从精确现象领域扩大到模糊现象领域。9.2.2模糊数学基础人们所遇到的各种量大体上可分为两大类：•确定性——经典数学•不确定性——统计数学、模糊数学为了弄清两种不确定性，先了解两种不确定性之间的区别：•随机性的不确定性，即概率的不确定性如，“明天有雨”、“掷一骰子出现6点”等，它们的发生是一种偶然现象，具有不确定性。在这里，事件本身是确定的，而事件的发生不确定。只要时间过去，到了明天，“明天有雨”是否发生就变成确定的了。“掷一骰子出现6点”，只要实际做一次实验，它就变成确定的了。9.2.2模糊数学基础为了弄清两种不确定性，先了解两种不确定性之间的区别：•模糊性的不确定性即使时间过去了，或者实际做了一次实验，它们仍然是不确定的。这主要是因为事件本身，如“青年人”、“高个子”等是不确定的，具有模糊性，是由概念、语言的模糊性产生的。9.2.2模糊数学基础模糊数学在实际中的应用几乎涉及国民经济的各个领域，尤其在科学技术、经济管理、社会科学方面得到了广泛而又成功的应用。

比如，在生物学发展史上，由于科学技术的不断进步，人们发现在动物与植物之间存在着“中介状态”，于是又分成一类微生物。即使将生物分成三类后，又发现还存在着“中介状态”，于是又有人主张将生物分为五类、六类。这一现象用模糊集合就可得到合理的解释。9.2.2模糊数学基础模糊数学在实际中的应用几乎涉及国民经济的各个领域，尤其在科学技术、经济管理、社会科学方面得到了广泛而又成功的应用。

再如，对某个领域的经济发展水平的评价，往往划分为富裕型、小康型、温饱型、贫困型，这些都是模糊的，只有通过模糊数学模型才能得到合乎实际的评价。9.2.2模糊数学基础特别值得一提的是，模糊理论在智能计算机的开发与应用上起到了重要作用。20世纪80年代以来，空调器、电冰箱、洗衣机、洗碗机等家用电器中已广泛采用了模糊控制技术。我国于20世纪90年代初在杭州生产了第一台模糊控制洗衣机。日本在这方面已走在世界前列。由此看来，模糊数学已逐步进入寻常百姓家了。9.2.2模糊数学基础9.2.2模糊数学基础⒈模糊集合在人类的思维中，有许多概念是模糊的，如大、小、冷、热等，都没有明确的内涵和外延，只能用模糊集合来描述；有的概念具有清晰的内涵和外延，如男人和女人。我们把前者叫做模糊集合，而后者叫做普通集合(或经典集合)。一般而言，在不同程度上具有某种特定属性的所有元素的总和叫做模糊集合。人们把元素对模糊集合的归属程度用隶属度函数来表示，它是模糊数学中最基本和最重要的概念，其定义为：用于描述模糊集合，并在[0，1]闭区间连续取值的特征函数叫隶属函数，隶属函数用μA(x)表示，其中A表示模糊集合，而x是A的元素，隶属函数满足条件：0≤μA(x)≤1经典集合具有两条最基本的属性：（1）元素彼此相异（2）范围界限分明一个元素x与集合A的关系：要么x属于A，要么x不属于A二者必居其一。

例如，设论域U={某班学生}，把某班男生组成的集合记为A，即A={男生}。那么，这个班的每个学生之间彼此不相同，而且可以判明每个学生是否属于A。如果以某班“高个子”学生为元素，就不能组成一个经典集合，因为“高个子”没有分明界限。“高个子”集合需要由模糊集合描述。模糊子集的概念：经典集合A可由其特征函数：μA(x)：U→{0，1}唯一确定。μA(x)表明，x对A的隶属程度，不过仅有两种状态：（1）一个元素x属于A（2）一个元素x不属于A它确切地、数量地描述了“非此即彼”现象模糊子集的概念：但现实世界并非完全如此。比如，在生物学发展的历史上，曾把所有生物分为动物与植物两大类。牛、羊、鸡、犬划分为动物，这是无疑的。而又一些生物，如猪笼草、捕蝇草、茅膏菜等，一方面能捕食昆虫，分泌液体消化昆虫，像动物一样；另一方面又长有叶片，能进行光合作用，自制养料，像植物一样。类似这样的生物并不完全是“非动物即植物”，因此，不能简单地一刀切。可见，在动物与植物之间存在“中介状态”。模糊子集的直观描述直观上描述这种“中介状态”。设论域U，取具有单位长度的线段，把U上的模糊集合记为A。

•

若元素x（线段）位于A（圆圈）内部，记为1；•若元素x（线段）位于A（圆圈）外部，记为0；•若元素x（线段）部分在A内，又部分在A外，则表示隶属的“中介状态”。元素x位于A内部的长度则表示了x对于A的隶属程度。为了描述这种“中介状态”，必须把元素对集合的绝对隶属关系（要么属于A，要么不属于A）扩展为各种不同程度的隶属关系。模糊子集的直观描述这就需要将经典集合的特征函数μA(x)的值域{0，1}扩展到闭区间[0，1]上来。这样一来，经典集合的特征函数就扩展为模糊集合的隶属函数了。模糊子集的定义

Zadeh于1965年曾给出下列定义：设给给定论域U，μA(x)为U到[0、1]闭区间的任一映射，μA(x)：U→[0，1]

x→μA(x)就可确定U的一个模糊集合A，μA称为模糊集合A的隶属函数。

x∈U

，μA(x)称为元素x对A的隶属度，即x隶属于A的程度。模糊子集的定义

使μA(x)=0.5的点x称为A的过渡点，此时该点最具模糊性。由上述定义可以看出，模糊子集A是由隶属函数μA唯一确定得，以后总是把模糊子集A与隶属函数μA看成是等同的。

还应指出，隶属程度的思想是模糊数学的基本思想。模糊子集的定义当μA的值域为{0,1}时，模糊子集A就是经典子集，而μA就是它的特征函数。可见，经典子集是模糊子集的特殊情形。模糊子集简称为模糊集隶属程度简称为隶属度例1：由于人种、地理环境等条件不同，人们对个子高矮的理解也不同。设论域U={x1(140),x2(150),x3(160),x4(170),x5(180),x6(140)}（单位：cm）表示人的身高，那么“高个子”（A），“中等个子”（B），“矮个子”（C），就是U上的三个模糊集。例2：设论域U=[0,200]（单位：岁）表示人的年龄，扎德给出“年轻”（Y）与“年老”（Q）两个模糊集，其隶属函数（见板书）不难计算出，Y(30)=0.5,Y(35)=0.2Q(55)=0.5,Q(60)=0.8.这表明，30岁的年龄属于“年轻”的程度为50%,并称点x=30是“年轻”的过渡点；60岁属于“年轻”的程度为80%,点x=55是“年老”的过渡点。模糊集合的表示法模糊集合可用下面两种方法表示。⑴有限论域

若给定论域U，且论域U={x1，x2，…，xn}，则U上的模糊集合A可表示为：A=

其中，μA

(xi

)(i=1,2,…,n),为隶属度，xi为论域中的元素。当隶属度为0时，该项可以略去不写。例论域U={a，b，c，d}，则U上的模糊集合A可表示为：A=1/a+0.9/b+0.4/c+0.2/d

注意，与普通集合一样，上式不是分式求和，仅是一种表示法的符号，其分母表示论域U中的元素，分子表示相应元素的隶属度，隶属度为0的那一项可以省略。如例1可用有限论域法表示（见板书）⑵无限论域在论域是无限的情况下，上面的记法就不行了，取一连续实数区间，这时U的模糊集合A可以用实函数来表示：A=

其中：积分号不是高等数学中的积分意义，也不是求和号，而是表示各个元素与隶属度对应的一个总括形式。如例2可用无限论域法表示（见板书）隶属函数的确定

应用模糊数学方法的关键在于建立符合实际的隶属函数，如关于“青年”的问题，教材上给出的隶属度与例1就不同。例如青年是一个集合，如果用模糊集合A表示，并且有：μA(x)=则这时的隶属度函数如图图9.5青年的隶属函数

然而如何建立符合实际的隶属函数，这是至今尚未完全解决的问题。我国学者汪培庄教授提出的随机集落影理论对于相当一部分模糊集的隶属函数的客观实在性给出了满意的解释。基于这一理论的模糊统计方法是确定一类模糊集的隶属度的有效方法。本课程介绍一些确定隶属度与隶属函数所常用的方法。隶属函数的确定方法模糊统计方法指派方法指派方法普遍被认为是一种主观的方法，它可以把人们的实践经验考虑进去。若模糊集定义在实数域上，则模糊集的隶属函数便称为模糊分布。所谓指派方法，指根据问题的性质套用现成的某些形式的模糊分布，然后根据测量数据确定分布中所含的参数。隶属函数的确定方法2.指派方法一般有关模糊数学的教材中都会列出常用的模糊分布表。但这些方法所给出的隶属函数只是近似的，因此需要在实践中不断地通过学习，加以修改，使之逐步完善。例3：自然界的模糊集自然界是由生物与非生物组成的，一切具有生命、能表现出各种生命现象——新陈代谢、生长发育和繁殖、感应性和适应性、遗传变异——的都是生物。自古以来，人们把生物划分为动物和植物两大类，记A=“动物”，B=“植物”，在自然界中取一些生物构成论域U={u1(牛),u2(羊),u3(稻),u4(麦),u5(海绵),u6(海葵),u7(粘菌),u8(衣藻),u9(眼虫藻),u10(小麦杆病菌),u11(稻瘟病菌),u12(蘑菇),u13(木耳)}则A、B表示（见板书）由上述模糊集运算可以看出，u7(粘菌),u8(衣藻),u9(眼虫藻),既不能划归动物，也不能划归植物，它们就是微生物。因此，有了模糊集的概念之后，生物学发展史在分类中存在的矛盾现象，得到了合乎情理的解释。模糊集合的运算是由其隶属函数的运算来刻划的，包括空集、子集、并集等⑴并集模糊集A和B的并集C，其隶属函数可表示为μC

(x)=max[μA

(x),μB

(x)]，

x∈U，即C=A∪B

μC

(x)=max[μA

(x),μB

(x)]=μA

(x)∨μB

(x)⑵交集模糊集A和B的交集C，其隶属函数可表示为μC

(x)=min[μA

(x),μB

(x)]，

x∈U，即C=A∩BμC

(x)=min[μA

(x),μB

(x)]=μA

(x)∧μB

(x)例4：经济管理中的模糊集在经济领域还没有引进模糊集时，人们只好把本来相互衔接的属性，如繁荣、衰退、萧条等分割开来。某些经济学家用GNP持续下降6个月来规定“经济衰退”。这样一来，奇怪的现象就出现了：如果GNP从元旦开始持续下降，而今天正好是7月1日，那么，昨天经济形势还挺好，今天突然变成衰退。事实上，“经济衰退”是一个模糊概念，现在引进模糊集，在论域U={GNP}上定义一个模糊集A=“经济衰退”，采用指派方法，选择A的隶属函数（见板书）⒉模糊关系精确的关系表示二个或二个以上集合元素之间关联、交互或互联是否存在，而模糊关系表示二个或二个以上集合元素之间关联、交互或互联存在或不存在的程度。令X和Y是两个论域，则模糊关系R(X，Y)是X×Y空间中的模糊集和，可表示为

R(X，Y)={((x,y),μR

(x,y))|(x,y)∈X×Y}

这就称作X×Y中的模糊关系。9.2基于模糊推理的智能控制

从1956年美国著名控制论学者L.A.Zadeh发表开创性论文，首次提出一种完全不同于传统数学与控制理论的模糊集合理论，到1986年世界上第一块基于模糊逻辑的人工智能芯片在贝尔实验室研制成功，再到日本第一台模糊控制洗衣机的投入使用，模糊控制表现出了强劲的发展动力，越来越受到工程技术人员和学者的青睐，为将人的控制经验以及推理过程纳入自动控制策略之中提供了一条简捷的途径。9.2基于模糊推理的智能控制自20世纪60年代以来，现代控制理论在工业生产过程、军事科学以及航空航天等许多方面都取得了成功的应用。例如：极小值原理可以用来解决某些最优控制问题；利用卡尔曼滤波器可以对具有有色噪声的系统进行状态估计；预测控制理论可以对大滞后过程进行有效的控制。但是，它们都有一个基本的要求：需要建立被控对象的精确数学模型。9.2基于模糊推理的智能控制随着科学技术的迅猛发展，各个领域对自动控制系统控制精度、响应速度、系统稳定性与适应能力的要求越来越高，所研究的系统也日益复杂多变。然而由于一系列原因，诸如被控对象或过程的非线性、时变性、多参数间的强烈耦合、较大的随机干扰、过程机理错综复杂、各种不确定性以及现场测量手段不完善等，难以建立被控对象的精确模型。虽然常规自适应控制技术可以解决一些问题，但范围是有限的。9.2基于模糊推理的智能控制与此相反，对于那些难以建立数学模型进行自动控制的复杂被控对象，有经验的操作人员进行手动控制，却可以收到令人满意的效果。在这样的事实面前，人们又重新研究和考虑人的控制行为有什么特点，能否对于无法构造数学模型的对象，让计算机模拟人的思维方式，进行控制决策。通过研究发现，操作人员是通过不断学习、积累操作经验来实现对被控对象进行控制的，而这些经验信息通常是以自然语言的形式表达，其特点是定性的描述，所以又有模糊性。9.2基于模糊推理的智能控制基于此，人们探索出一套新的控制思想，即将人的手动控制决策用语言加以描述，总结成一系列条件语言，及控制规则。例如：若炉温偏高，则减少燃料；若水池水位偏低，则加大进水流量等，再用计算机的程序来实现控制规则。这样，计算机就起到了控制器的作用，取代了人来对被控对象进行自动控制。这种控制属于语言控制。由于自然语言具有模糊性，因此这种语言控制也称模糊语言控制，或简称模糊控制。实现这种控制策略的控制器称为模糊控制器。9.2基于模糊推理的智能控制

1974年英国马丹尼首先设计了模糊控制器，并用于锅炉和蒸汽机的控制，取得了成功。模糊语言控制器、模糊控制论、模糊自动控制等概念，就从此开始诞生了模糊控制实际上是一种非线性控制，从属于智能控制的范畴。模糊控制不要求知道被控对象的精确数学模型。例如，一个不懂控制论的小孩就可以毫不费力地在手指上竖起一根竹竿，使它不倒。模糊控制鲁棒性强（即抗干扰能力强），根据实际系统的输入输出结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。9.2.1模糊控制系统的基本原理图9.4模糊控制原理框图模糊控制基本原理如下图所示：模糊控制的基本原理它的核心部分为模糊控制器，如图中虚线框中部分所示。模糊控制器的控制规律由计算机的程序实现。实现模糊控制算法的过程是这样的：微机经中断采样获取被控制量的精确值然后将此量与给定值比较得到误差信号(在此取单位反馈)。一般选误差信号作为模糊控制器的一个输入量。把误差信号的精确量进行模糊量化变成模糊量，误差e的模糊量可用相应的模糊语言表示。至此，得到了误差E的模糊语言集合的一个子集E(E实际上是一个模糊向量)。再由E和模糊控制规则R(模糊关系)根据推理的合成规则进行模糊决策，得到模糊控制量U。模糊控制器有三个主要的功能模块。

(1)模糊化(Fuzzification)

模糊化是将模糊控制器输入量的确定值转换为相应模糊语言变量值的过程，此变量值均由对应的隶属度来定义。

(2)模糊推理(FuzzyInference)文献《模糊控制的设计及应用》，何平，北京：科学出版社，1997,介绍了20多条模糊控制规则。通常使用模糊推理。模糊推理：如果有模糊集A，则由模糊集B基于模糊变换推出新的模糊命题作为结论的过程叫做模糊推理。

(3)清晰化(Defuzzification)

清晰化是将模糊推理后得到的模糊集转换为用作控制的数字值的过程。9.2.3模糊控制器的设计模糊控制器的设计包括以下几项内容：⑴根据本次采样得到的系统的输出值，计算所选择的系统的输入变量；⑵将输入变量的精确值变为模糊量⑶根据输入变量(模糊量)及模糊控制规则，按模糊推理合成规则计算控制量(模糊虽)；⑷由上述得到的控制量(模糊量)计算精确的控制量。模糊控制器的设计也包括几个主要部分⒈精确量的模糊化⒉模糊控制算法设计⒊