《控制科学与技术的发展及其思考.docx》由会员分享，可在线阅读，更多相关《控制科学与技术的发展及其思考.docx（17页珍藏版）》请在课桌文档上搜索。
1、掌握科学与技术的进展及其思索1掌握科学与技术的进展状况掌握科学与技术在20世纪的人类科技进步中起到了举足轻重的作用，为了解决当今社会的很多挑战性问题产生了乐观的影响，供应了科学的思想方法论；为很多产业领域实现自动化奠定了理论基础，供应了先进的生产技术和先进的掌握仪器及装备。特殊是数字计算机的广泛使用，为掌握科学与技术开拓了更广泛的应用领域。回顾近百年来的工程技术的进展，可以看到，20世纪的掌握科学与技术是在实践的重大需求驱动下快速进展的，他经受了若干重要的进展时期，如20世纪初的Lyapunov稳定理论和PID掌握律概念；20年月的反馈放大器；30年月的NyqUiSt与Bode图；40年月维纳
2、的掌握论；50年月贝尔曼动态规划理论和庞特里亚金极大值原理；60年月卡尔曼滤波器、系统状态空间法、系统能控性和能观性；70年月的自校正掌握和自适应掌握；80年月针对系统不确定状况的鲁棒掌握；90年月基于智能信息处理的智能掌握理论。中国掌握学科界的很多学者为掌握理论和技术的进展也做出重要的贡献。随着计算机科学、网络和智能信息处理技术的进步，以及社会生产力进展的剧烈需求，在如何解决日益增加的简单系统、网络系统、多传感器信息融合、生物、基因、量子计算、社会经济与生态等重大问题上,掌握科学和自动化领域的争论者们在21世纪初面临着更重大的、更为迫切的挑战。近30年来，掌握科学在非线性系统掌握、分布参数系
3、统掌握、系统辨识、随机与自适应掌握、鲁棒掌握、离散大事系统和混合系统、智能掌握等争论方向上取得了很多重要进展。在21世纪初的十几年,这些方向仍将是掌握科学进展的主要争论方向，它们之间的交叉与结合，将形成很多应用性更强的重要争论方向。非线性掌握是掌握理论中一个重要的争论分支，目前在该方向的一些争论成果已应用于机器人、直升飞机与电力系统掌握等实际掌握工程中。可以预见，非线性掌握理论的进一步进展，将对多机器人系统协调操作与大型网络稳定平安为背景的非线性系统的掌握工程等产生重大影响。混沌系统作为非线性系统的重要组成部分，在混沌生成、混沌抑制、混沌同步化、混沌通讯应用以及混沌信息编码等方面已经取得一些突
4、破性的进展。这些争论成果将对简单系统的深化争论供应了有意义的借鉴。自20世纪70年月开头，国内外学者开头重视分布参数系统的争论。分布参数系统是无穷维系统，一般由偏微分方程、积分方程、泛函微分方程或抽象空间中的微分方程所描述。我们我国学者在瘦长体弹性振动系统的建模和振动掌握、振动系统的谱分析、能控性和反馈镇静、一般无穷维系统的极大值原理、人口系统掌握、人口猜测和掌握等方面都做出了重要贡献。由于实际系统的简单性，人们往往很难(或不行能)从基本的物理定律动身直接推导出系统的数学模型，这就需要采用可以测量的系统输入和输出数据，来构造系统内结构及参数的估量，并争论估量的牢靠性和精度等问题，这就是系统辨识
5、的任务。20世纪90年月，线性系统辨识理论趋于成熟，而非线性系统的辨识仍处于进展阶段。近10年来，系统辨识领域有3个热点争论方向：基于鲁棒掌握的数学模型要求的鲁棒辨识，基于特殊信号驱动下的系统辨识和基于智能信息处理的非线性系统辨识。当实际系统受到的外界干扰和系统模型误差被看作为随机噪声时，我们把这类系统称为随机系统。近年来，在非线性滤波、随机极大值原理、随机最优掌握综合等方面已有新的进展。人们为了寻求能够实际应用并且性能良好的掌握算法，由分别思想和必定等价思想进展了自适应掌握的理论和方法。在科学争论和工程实践中，自适应算法已经成为一种特别有效的重要方法。一般地，系统的数学模型与实际系统存在着参
6、数或结构等方面的差异，而我们设计的掌握律大多都是基于系统的数学模型，为了保证明际系统对外界干扰、系统的不确定性等有尽可能小的敏感性，导致了争论系统鲁棒掌握问题。近年来，对非线性系统的鲁棒适应掌握16的争论已成为一个热点方向。人工神经网方法、滑动模(sliding-mode)方法及鲁棒掌握方法的结合可以设计出对一大类连续时间非线性系统稳定的自适应掌握律1刀。20世纪80年月消失的H8设计方法和变结构掌握（滑摸掌握）推动了鲁棒掌握理论的进展。现在，系统H8范数已成为系统的重要性能指标。如何有效采用过程信息来降低系统的不确定性，是鲁棒掌握争论的重要内容。由于很多掌握问题可归结为线性矩阵不等式（LMI
7、）的争论，20世纪90年月中期消失了关于LMI的掌握软件工具。近几年，非线性系统、时滞饱和系统、时滞故障系统的鲁棒综合掌握问题已经成为新的热点争论方向，而且已经有不少应用实例，例如，核反应堆的温度跟踪鲁棒掌握、导弹系统的鲁棒自适应最优跟踪设计、机器人操作的鲁棒神经掌握。系统的状态随离散大事发生而瞬时转变，不能用通常的动态方程来描述，一般称这类系统为离散大事动态系统（DEDS）。对它的争论始于20世纪80年月初。目前已进展了多种处理离散大事系统的方法和模型，例如有限状态马尔科夫链、Petri网、排队网络、自动机理论、扰动分析法、极大代数法等。其理论已经应用于柔性制造系统、计算机通信系统、交通系统
8、等。离散大事系统的争论虽然取得较大进展，但还没有一套完整的理论体系来评价离散时间系统模型与实际对象的差异。离散大事动态系统自然延长就是混合动态系统。包含离散大事动态系统（DEDS）和连续变量动态系统（CVDS）、两者又相互耦合作用的系统称为混合动态系统（HDS）。关于混合系统最早的文献消失在1966年。1979年瑞典人Cellier首先引入混合系统结构的概念，把系统分为离散、连续和接口3个部分。1989年Golli针对计算机磁盘驱动器模型引入混合系统的概念，把连续部分和接口部分结合起来进行争论。虽然混合系统的争论取得了一些成果,但仍处于进展阶段,其理论和应用争论仍是将来几年的争论热点。最近，混
9、合系统的离散监督掌握、离散时间混合系统的最优掌握有了一些新的突破，并且混合掌握理论已逐步应用于电力系统的电压平安掌握和机器人协调掌握等领域。现代工程技术、生态或社会环境等领域的争论对象往往是特别简单的系统，对这类系统难以用常规的数学方法来建立精确的数学模型，需要用学习、推理或统计意义上的模型来描述实际系统，这就导致了智能掌握的争论。智能掌握的主要目标是使掌握系统具有学习和适应力量。现在，智能掌握理论虽然取得了不少争论成果，但智能掌握的理论体系还不够成熟。最近，基于模糊推理的系统建模、神经网络模型参考自适应掌握、神经网络内模掌握、神经网络非线性猜测掌握、混沌神经网络掌握等方面已有不少重要争论成果
10、。智能掌握理论有着广泛的应用，例如，基于神经动态规划的直升机的镇静掌握和航天轨道操作器的基于学问的分层掌握等。模糊推理、神经网络和遗传算法均具有模拟人类思维结构的方式的特点，将三者结合是智能掌握争论的主要方向之一。2传统与现代掌握理论的局限性传统掌握器都是基于系统的数学模型建立的，因此，掌握系统的性能好坏很大程度上取决于模型的精确性，这正是传统掌握的本质。现代掌握理论可以解决多输入、多输出（MIMO）掌握系统地分析和掌握设计问题,但其分析与综合方法也都是在取得掌握对象数学模型基础上进行的，而数学模型的精确程度对掌握系统性能的影响很大，往往由于某种缘由，对象参数发生变化使数学模型不能精确地反映对
11、象特性，从而无法达到期望的掌握指标，为解决这个问题，自适应掌握、鲁棒掌握的争论便成为掌握理论的争论热点。20世纪80年月由加拿高校者Zames等人创始的H8掌握理论是鲁棒掌握理论的重要进展。但这些方法本质上还是没有摆脱基于数学模型的定量化思想。传统掌握，包括经典反馈掌握、现代掌握理论等，在应用中遇到不少难题。机理建模所不行避开的模型误差将导致估量器工作效果时好时坏，难以设计牢靠、稳定的掌握系统。2.1传统掌握理论面临的问题1）掌握对象的简单性传统掌握理论的思想是建立在精确数学模型基础上的，然而对实际应用中的非线性、时变性、不确定性和不完全性的系统，一般无法获得精确的数学模型。对含有对象简单性和
12、不确定性的掌握过程，很难用传统数学建模方法来解决建模问题。2）掌握方法和手段单一性在争论一个实际的掌握对象时，为了得到理论上性能良好的掌握器，常常提出一些比较苛刻的假设，然而这些假设在应用中往往与实际状况不相吻合。依据现有的理论和技术描述简单的掌握过程会消失片面性、单一性，建立的模型有可能与实际过程相差甚远。传统的掌握对象往往局限于单一的、有确定的物理规律的系统。对于复合型系统，传统的掌握方法就显得力不从心。3）无法满足掌握性能的高要求通常，掌握系统需要具有所期望的掌握精度、稳定性及动态性能。为了提高系统性能，传统掌握系统可能变得相当简单，从而使得系统的牢靠性与其它系统性能成为不行调和的冲突。
13、掌握系统能够处理数值的、符号的、定性的、定量的、确定的和模糊信息等各类信息，即要求掌握系统具有多层次的信息处理结构。传统的掌握方法是很难做到这一点的。2.2现代掌握理论面临的问题1）掌握对象与掌握对象所处的环境的变化随着计算机网络技术普及与进展，基于网络的远程掌握受到人们的关注。在网络环境下存在延时、数据的丢失、数据时序或序的变化及数据的非等间隔采样，使得网络环境的空地变得特别简单和困难。同时，网络自身的平安与掌握也是一个特别重要和特别麻烦的问题。不同性质、不同掌握对象组合而成的混杂系统还缺乏理论支持和相应的技术手段。多任务、多机器人的协调掌握问题。2）理论问题由于简单系统的建模、稳定性与系统
14、设计缺乏理论支撑和指导，有必要综合应用其他学科，如数学、信息科学、系统科学与认知科学的最新进展来建立一个解决简单性问题的完整理论。3）掌握要求具有多种信息或传感信息的综合力量；具有自学习和自适应力量，能够自主调整掌握机构；高牢靠性；掌握系统本身应当具有良好的掌握特性;在消失故障和意外时，能及早进行自我故障诊断及排解。现代掌握系统应当具有良好的容错性和鲁棒性。在一些状况下需要构造一个合理的人机协作的掌握系统。基于上述问题，掌握科学界多年来始终在探究着新的方法，寻求更加符合实际的进展轨迹。近十年来，人工智能学科新的进展给人们带来了盼望。由于得益于计算机科学技术和智能信息处理的高速进展，智能掌握渐渐
15、形成一门学科，并在实际应用中显示出强大的生命力。与此同时，很多掌握学科领域的工作者也开头熟悉到，在很多系统中，简单性不只是表现在高维性上，更多的则是表现在系统信息的模糊性、不确定性、偶然性和不完全性上。能否用人工智能的人工神经网络、模糊规律推理、启发式学问、专家系统等理论去解决难以建立精确数学模型的掌握问题始终是我们十多年来追求的目标。3智能信息处理技术和掌握科学的交融与结合随着很多简单的社会经济与生态问题和全球网络信息平安问题的消失及对很多简单系统涌现机理的争论，很多科学家对传统的掌握理论与非线性分析、随机系统、统计学习、人工智能、认知科学等学科的结合产生了极大爱好，特殊是将人工神经网络、模
16、糊规律、遗传计算、专家系统、混沌和其它常规信号信息处理相结合，在新的层次上实现掌握的自适应和反馈。20世纪70年月，傅京孙教授提出把人工智能的直觉推理方法用于机器人掌握和学习掌握系统，并将智能掌握概括为自动掌握和人工智能的结合。傅京孙、Glorioso和Sardi等人从掌握理论的角度总结了人工智能技术与自适应、自学习和自组织掌握的关系，正式提出了建立智能掌握理论的构想。1967年，LeondeS和Mendel首次正式使用智能掌握一词。1985年8月在美国纽约正EE召开的智能掌握专题争论会,标志着智能掌握作为一个新的学科分支正式被掌握界公认。智能掌握不同于经典掌握理论和现代掌握理论的处理方法，它
17、争论的主要目标不仅仅是被控对象，同时也包含掌握器本身。掌握器不再是单一的数学模型，而是数学解析和学问系统相结合的广义模型，是多种学问混合的掌握系统。阅历主义和理性主义的模型与解释在很大程度上影响着人类的认知过程。人的阅历是在多次的反馈过程中逐步积累。因此，对于智能和掌握的关系，应当合理地发挥阅历的作用，从进化的角度把智能活动看成动态进展的过程，即实现掌握系统的反馈应是动态、分层、综合的过程。智能信息处理技术为反馈供应了更聪慧的实现形式。长期以来，人们在信息处理中的认知模型和基于感知的智能化信息处理争论领域作了不少工作，取得了很大进展，但其水平距人们所期望的还相差甚远。这主要是由于所使用的方法与
18、人脑的认知信息处理过程有这种大差别，如频谱分析方法、句法分析和传统的人工智能方法等不具有开放性、动态性和敏捷性等智能信息处理方法所应有的特征，因而它们只在特殊的应用领域内取得有限的胜利。事实上，人类的很多科学成就都来自对自然界中相应事物的观看和深化争论,例如人类由鸟类的飞行得到启发从而创造了飞机。同样,对信息的加工处理和智能掌握系统的设计，自然界也给我们供应了一个特别完善的范例一一人脑。因而智能信息处理系统的争论与进展需要借助于对大脑认知功能深化全面的争论。人对外部世界的认知过程，本质上是一个多传感信息的融合过程。人脑通过对多通道信息的相互监督（Self-SUPerViSiOn）完成学习，从而
19、获得对外部事物的学问；通过对多传感信息的融合，实现对目标的识别与解释；并可以依据已有学问对各传感器实行掌握。这种前馈和反馈过程的完善结合，使人脑具有极高的智能水平，即使在噪声环境下或传感信息不行靠时，人脑也能有效地完成其智能活动。这为构造智能系统供应了完善的典范。自从人工智能形成一个学科以来，科学家们遵循着一条明确的指导思想，即争论和总结人类思维的普遍规律，并用计算机模拟它的功能实现。正如飞机并不是简洁模拟鸟而创造的，因此智能信息处理系统的争论也不应当机械照搬人脑认知模式。3.1智能掌握系统的基本功能特点1）容错性。对简单系统（如非线性、快时变、简单多变量和环境扰动等）能进行有效的全局掌握，并
20、具有较强的容错力量。2）多模态性。定性决策和定量掌握相结合的多模态组合掌握。3）全局性。从系统的功能和整体优化的角度来分析和综合系统。4）混合模型和混合计算。对象是以学问表示的非数学广义模型和以数学模型表示的混合掌握过程，人的智能在掌握中起着协调作用，系统在信息处理上既有数学运算，又有规律和学问推理。5）学习和联想记忆力量。对一个过程或未知环境所供应的信息,系统具有进行识别记忆、学习，并采用积累的阅历进一步改善系统的性能和力量。6）动态自适应性。对外界环境变化及不确定性的消失，系统具有修正或重构自身结构和参数的力量。7）组织协调力量。对于简单任务和分散的传感信息、，系统具有自组织和协调力量，体
21、现出系统的主动性和敏捷性。3.2 智能掌握的主要争论分支1）模糊规律掌握传统的掌握问题一般是基于系统的数学模型来设计掌握器，而大多数工业被控对象是具有时变、非线性等特性的简单系统，对这样的系统进行掌握，不能仅仅建立在平衡点四周的局部线性模型，需要加入一些与工业状况有关的人的掌握阅历。这种阅历通常是定性的或定量的，模糊推理掌握正是这种掌握阅历的表示方法，这种方法的优点是不需要被控过程的数学模型，因而可省去传统掌握方法的建模过程，但却过多地依靠掌握阅历。此外，由于没有被控对象的模型，在投入运行之前就很难进行稳定性、鲁棒性等系统分析。近年来，一些争论者们在模糊掌握模式中引入模糊模型的概念，消失了模糊
22、模型。模糊模型易于表达结构性学问，成为模糊掌握系统争论的关键问题。最近,模糊掌握理论胜利地应用于飞行器的优化跟踪设计和产品加工过程。2）模糊猜测掌握猜测掌握是为适应简单工业过程掌握而提出的算法，它突破了传统掌握对模型的束缚，具有易于建模、鲁棒性好的特点，对于解决大滞后对象掌握问题是一条有效的途径。模糊建模是非线性系统建模的一个重要工具，也是简单工业过程掌握中广泛使用的方法。把猜测掌握和模糊推理相结合是很有吸引力的争论方向之一。3）神经网络掌握神经网络掌握是争论和采用人脑的某些结构机理以及人的学问和阅历对系统的掌握。一般地，神经网络掌握系统的智能性、鲁棒性均较好，它能处理高维、非线性、强耦合和不
23、定性的简单工业生产过程的掌握问题。显示了神经网络在解决高度非线性和严峻不确定性系统的掌握方面具有很大潜力。虽然神经网络在采用系统定量数据方面有较强的学习力量。但它将系统掌握问题看成黑箱的映射问题，缺乏明确的物理意义，不易把掌握阅历的定性学问融入掌握过程中。近来，在神经网络自适应掌握、人工神经网络阀函数的数字设计、新的混合神经网络模型等方面都有一些重要进展，如应用于机器人操作过程神经掌握、核反应堆的载重操作过程的神经掌握。近年来，神经网络、模糊推理、各种特殊信号的有机结合，还导致了一些新的综合神经网络的消失。例如，小波神经网络、模糊神经网络和混沌神经网络的消失，为智能掌握领域开拓了新的争论方向。
24、4）基于学问的分层掌握设计对于简单掌握对象，单一地采纳传统掌握不能获得抱负的系统性能，这时需要智能的掌握策略。分层掌握恰好体现了这一思想，底层采纳传统的掌握方法，高层采纳智能策略协调底层工作，这就是基于学问的分层掌握设计。这种掌握设计理论已经应用到机器人、航天飞行器等领域。3.3 模糊推理和神经网络在掌握中应用的区分1）模糊掌握是基于规章的推理，神经网络则需要大量的数据学习样本。在有足够的系统掌握学问状况下，基于模糊规章掌握较好；假如系统有足够的各态遍历的学习样本，应用神经网络通过学习可得到满足的掌握器。2）模糊映射在系统中是集合到集合的规章映射，神经网络则是点到点的映射。模糊规律简洁表达人们
25、的掌握阅历等定性学问，而神经网络在采用系统定量数据方面有较强的学习力量。3）神经网络掌握将系统掌握问题看成黑箱的映射问题，缺乏明确的物理意义，因而掌握阅历的定性学问不易融入掌握中。模糊掌握一般把对被控对象看作是灰箱。4掌握理论的完善与掌握技术的进展自从美国科学家维纳于20世纪40年月创立掌握论以来，掌握科学已经经受了经典掌握理论和现代掌握理论两个阶段，并进入智能掌握理论这一重要进展阶段，尽管还不够成熟。在处理简单系统掌握问题时，传统掌握方法对于简单性、不确定性、突变性所带来的问题总有些力不从心。为了适应不同技术领域和社会进展对掌握科学提出的新要求，我们必需进展新的掌握模式。国内外掌握科学界都在
26、探究新的掌握理论，以解决各类简单系统的掌握问题。近年来，越来越多的学者已意识到在传统掌握中加入规律、推理和启发式学问的重要性，把传统掌握理论与模糊规律、神经网络、遗传算法等人工智能技术相结合，充分采用人的掌握学问对简单系统进行智能化掌握，渐渐形成了智能掌握理论的较完整的体系。掌握科学所面临的挑战问题。1）高度自主的简单工程系统的设计与掌握。我们面临的简单系统是一个由多个子系统构成，每个子系统本身都可能是一个简单的、具有高度自主性的系统，需要有效地协调这些子系统的行为。所设计的工程系统不仅有很高的简单度，而且同时还要能在人监督最少的状况下运行良好，表现出高度自主的行为。2）智能掌握与基于人类行为
27、的智能化信息处理。智能掌握方法是对传统掌握方法的扩展和提高，也是设定和完成掌握目标时实现高自主度所必需的，在不确定条件下的规划、大量数据的处理中，进行有效的简单过程掌握。3）简单工业系统的故障快速处理、系统重构与修复，简单环境中仿人机器人的设计和制造，社会系统中的重大事变（战斗、自然灾难、金融危机）的应急指挥和组织系统都存在着如何适应外部世界不确定性的动态变化问题。人类的行为特征充分反映了对外界环境的反应力量。争论基于人类行为特征的信息处理原理和方法，即争论系统在不确定性动态环境中的反应力量和对外界事务充分感知的力量。4）学习掌握系统。学习是自动化系统始终追求的目标。它是指系统能够依据环境或目
28、标转变其行为。学习掌握系统应能够在掌握过程发生变化时修改掌握规律。5）综合智能处理方法。目前，人们在自适应、监督与迭代式设计等方面做了大量的争论和开发工作。由于将人工智能技术引入到掌握领域中，可用来处理其它一些学习特征，如估量、聚类、重构、推理、制造、删除等功能，特殊是需要综合人工智能中的多种技术来实现上述系统功能。6）简单系统的理论体系的形成。简单系统的主要特征归纳为:系统动力学模型的不确定性、测量信息的粗糙性和不完整性、动态行为或扰动的随机性、离散层次和连续层次的混杂性、系统动力学的高度非线性、状态变量的高维性和分布性、子系统及层次多样性和个子系统间的强耦合性、部分子系统的无法建模性等。简
29、单系统掌握在规模上、简单性及敏捷性上将大大突破传统的自动掌握在概念和方法上的局限性。它要求掌握系统对被控对象的动力学模型要有学习和识别力量，对环境和扰动的变化要有适应和鲁棒力量。一般地，提高系统的智能度主要有两种途径：一是在基于古典精确规律的基础上，通过增加并行度来加快系统的演化速度，从而提高系统的智能；二是开发新的高智能的规律形式。前者，主要是考虑计算速度，这同样有两种途径，一方面在原有算法基础上开发相应的并行算法；另一方面是设计出高效且具有高并行度的新型算法。后者，主要是从系统本身动身来提高它的智能度，其主要手段是通过对人或高等动物以及自然界的争论中得到一些启示，并应用于新系统的设计中O综
30、合智能信息处理将以神经网络并行分布处理和基于专家系统等人工智能符号规律推理为两种重要的基本方式，并与模糊规律、进化计算、混沌动力学、信号处理与变换等方法综合集成，特殊是软计算（神经网络、模糊规律和概率推理）、不确定性推理与自组织及仿生计算等。5结束语20世纪以来，掌握科学与工程技术对近代世界技术文明的很多成就作出了巨大贡献，进展了很多争论方法和开创了不少交叉科学，它是现代技术科学的思想基石和方法学。掌握科学与工程技术的历史是辉煌的，但我们应当面对客观世界的现实，更加乐观地、严谨地开拓和制造将来。掌握科学在解决21世纪的社会简单问题上及跨学科问题方面具有不行替代的重要作用，也是能够供应最适当、最
31、聪慧方法的学科领域之一。今后的掌握科学方法需要以一种集成的方式来考虑系统以及相关的设计要求。将掌握科学与其它领域亲密结合，解决我们我国经济与社会进展中基础技术科学、工业、农业、能源、国防、乃至我国平安所涉及的掌握与自动化的重大基础理论问题，带动社会全面信息化和工业化的一些关键技术的进展。简单系统和智能系统的争论是21世纪掌握科学进展的主要方向，宋健院士在北京IFAC大会上所作的智能掌握一一跨越世纪的目标的报告，在肯定程度上指明白今后掌握科学进展的方向。掌握科学的进展面临着严峻问题与挑战，又存在良好进展机遇。为了解决面临的难题，第一要把传统的掌握科学的争论进一步深化、综合化，重视掌握硬件、软件和智能信息处理方法的结合，实现掌握系统的智能化；其次要大力推动掌握科学与计算机科学、信息科学、系统科学以及人工智能的有机结合，为掌握科学的进展供应新思想、新方法和新技术；第三要以重大需求为导向推动掌握科学与技术的更高层次的进展，使掌握科学与技术在我们我国以信息化带动工业化和社会经济的快速健康进展中发挥重要作用。
