智能復(fù)合控制系統(tǒng)的研究現(xiàn)狀與展望

智能復(fù)合控制系統(tǒng)的研究現(xiàn)狀與展望

摘要：主要總結(jié)了近年來智能復(fù)合控制系統(tǒng)的研究與發(fā)展，介紹了智能復(fù)合控制的主要方面的研究成果，探討了這一領(lǐng)域的研究趨向。
關(guān)鍵詞：智能控制；傳統(tǒng)控制；復(fù)合控制

1 引言
雖然智能控制技術(shù)已經(jīng)有20多年的歷史，但作為一門新興的理論技術(shù)，它還處在發(fā)展階段。近年來控制領(lǐng)域的專家指出，智能控制技術(shù)的發(fā)展方向及研究重點應(yīng)該轉(zhuǎn)移到智能控制技術(shù)的集成上來。這里所說的智能技術(shù)的集成包括兩方面：一方面是綜合智能控制技術(shù)的推廣應(yīng)用，將幾種智能控制方法或機理融合在一起，構(gòu)成具有高度自主能力的高級混合智能控制系統(tǒng)，如模糊神經(jīng)（FNN）控制系統(tǒng)、基于遺傳算法的模糊控制系統(tǒng)、模糊專家系統(tǒng)等。另一方面是將智能控制技術(shù)與傳統(tǒng)控制理論結(jié)合，形成智能型復(fù)合控制器，以便取長補短，獲得互補特性，提高整體優(yōu)勢。如模糊PID控制、神經(jīng)元PID控制、模糊滑?？刂啤?a href="http://www.wenjunhu.com/tags/神經(jīng)網(wǎng)絡(luò)/" target="_blank">神經(jīng)網(wǎng)絡(luò)最優(yōu)控制等。本文主要對智能復(fù)合控制系統(tǒng)的現(xiàn)狀和發(fā)展進行探討，并介紹近幾年來智能復(fù)合控制器的結(jié)構(gòu)理論及研究成果。

2? 智能復(fù)合控制的發(fā)展概況
對于具有非線性、強耦合、不確定性的復(fù)雜系統(tǒng)，傳統(tǒng)的控制方法很難取得理想的控制效果，因而不能直接應(yīng)用傳統(tǒng)控制方法對此類系統(tǒng)進行設(shè)計。智能控制技術(shù)的發(fā)展為復(fù)雜系統(tǒng)的控制提供了新思路。智能控制策略通常不需要系統(tǒng)準確的數(shù)學(xué)模型，只要求對系統(tǒng)信息部分了解，特別是智能控制器具有強大的自學(xué)習(xí)和自整定能力，可以有效地控制對象的不確定性或未知干擾引起的系統(tǒng)波動，但由于智能控制系統(tǒng)在本質(zhì)上是非線性的，因而很難從理論上對系統(tǒng)進行性能設(shè)計和分析。針對這種情況，有的研究者提出將智能控制技術(shù)和傳統(tǒng)控制理論相結(jié)合，由此智能復(fù)合控制器應(yīng)運而生。這種控制器既具有智能控制的自學(xué)習(xí)和自整定能力，又可以有效的利用傳統(tǒng)控制理論，對系統(tǒng)的性能進行理論分析，從而設(shè)計出滿足性能指標的非線性多變量控制系統(tǒng)。因此智能復(fù)合控制在非線性多變量系統(tǒng)中的應(yīng)用已經(jīng)成為當(dāng)前控制領(lǐng)域的一個研究熱點，并已經(jīng)取得了許多研究成果。

3? 智能復(fù)合控制器的研究
? 模糊控制、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)是智能控制的三大支柱，而PID控制、最優(yōu)控制、魯棒控制、解耦控制等方法在傳統(tǒng)控制理論中的研究也比較完善。于是專家學(xué)者們針對非線性、時變、不確定性等復(fù)雜對象的特征，將它們分別結(jié)合起來，拓寬智能控制技術(shù)研究成果和傳統(tǒng)控制技術(shù)的融合領(lǐng)域，設(shè)計出應(yīng)用更廣泛，控制效果更好的復(fù)合控制器。下面著重介紹幾種常見的復(fù)合控制器。
3.1 模糊PID控制器的研究
??? 模糊控制器的研究一直是控制界研究的熱點問題，而關(guān)于模糊控制系統(tǒng)的穩(wěn)定性分析則是模糊控制需要研究和解決的基本問題。模糊控制器具有類似PI或PD控制器的特性，可獲得良好的系統(tǒng)動態(tài)特性。但無法消除系統(tǒng)的靜態(tài)誤差，傳統(tǒng)PID控制器是過程控制中應(yīng)用最基本的一種控制器，具有簡單、穩(wěn)定、可靠等優(yōu)點。為了改善模糊控制器的靜態(tài)性能，提出了模糊PID控制器的思想[1]。模糊PID控制器的研究得到了許多學(xué)者的關(guān)注。Abdenour[2]從PID控制角度出發(fā)，提出FI—PI、FI—PD、FI—PID三種形式的模糊控制器。Ying[3],Li[3]等用各種方式得出模糊控制器中量化因子、比例因子同PID控制器的因子KP、KI、KD之間的關(guān)系式。Ying對基于簡單線性規(guī)則TS模型的模糊控制器進行了分析，指出這類模糊控制器是一種非線性增益PID控制器。張思勤[5]等也提出了一類基于TS模型的模糊復(fù)合控制器。關(guān)于模糊PID控制器的研究成果還有許多，這里不再一一列舉。
3.2 自適應(yīng)模糊控制器的研究
??? 自適應(yīng)模糊控制器就是借鑒自適應(yīng)控制理論的一些理念來設(shè)計模糊控制器，也稱作語言自組織模糊控制器（SOC），它的思想就在于在線或離線調(diào)節(jié)模糊控制規(guī)則的結(jié)構(gòu)或參數(shù)，使之趨于最優(yōu)狀態(tài)。He[6]采用一種帶有修正因子的控制算法，通過調(diào)整修正因子改變控制規(guī)則的特性。Manmdani提出的SOC直接對模糊控制規(guī)則進行修正，是一種規(guī)則有組織模糊控制器。Raju對控制規(guī)則進行分級管理，提出自適應(yīng)分層模糊控制器。Linkens[7]等提出規(guī)則自組織自學(xué)習(xí)算法，對規(guī)則的參數(shù)以及數(shù)目進行自動修正。而采用神經(jīng)網(wǎng)絡(luò)對模糊控制規(guī)則及參數(shù)進行調(diào)整，也是一種實現(xiàn)模糊自適應(yīng)控制的好方法（雖然嚴格說它并不是真正意義上的復(fù)合控制器）。
3.3 模糊滑模控制器的研究
??? 滑?？刂埔蚱湓O(shè)計簡單，對系統(tǒng)變化不敏感等優(yōu)點而被廣泛用于工業(yè)生產(chǎn)過程，但是傳統(tǒng)滑?？刂拼嬖谝粋€突出的缺點——抖振，為解決這一問題出現(xiàn)了模糊滑模控制器。張?zhí)炱絒8]，Sim[9]等提出了一類模糊滑?？刂破?，可以削弱抖動，但因其難以保證邊界層內(nèi)滑動模態(tài)的可達性，而失去了滑模控制不便的優(yōu)點。鄭懷林[10]等針對此問題，提出一種新的模糊滑?？刂破髟O(shè)計方法，可充分保證滑動模態(tài)的可達性，從而實現(xiàn)控制器優(yōu)化設(shè)計。這也是一個復(fù)合控制器設(shè)計的不斷完善的過程。
3.4 模糊解耦控制器的研究
?? 徐承偉[11]首先提出模糊系統(tǒng)的串聯(lián)解耦補償，引入一個解耦補償器。隨后又提出模糊系統(tǒng)的反饋解耦，引入一個反饋解耦控制器。楊輝[12]對多變量模糊控制算法進行研究，引進模糊子集的交叉系數(shù)，借助多變量系統(tǒng)解耦設(shè)計原理，用多個單變量模糊控制器來表示一個解耦多變量模糊控制器，獲得良好的控制效果，但是模糊解耦控制系統(tǒng)的研究尚處于發(fā)展階段，有許多問題還有待解決。
3.5 其他模糊復(fù)合控制器的研究
??? 張化光[13]提出過一種基于模糊基函數(shù)的多變量魯棒自適應(yīng)控制器，將模糊控制與魯棒控制相結(jié)合，可充分保證閉環(huán)非線性控制系統(tǒng)的魯棒性和跟蹤誤差的漸進收斂性。類似的研究還有模糊變結(jié)構(gòu)控制、模型參考自適應(yīng)控制、最優(yōu)模糊控制器、模糊預(yù)測控制等。
3.6 神經(jīng)網(wǎng)絡(luò)PID控制器的研究
??? 神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力和逼近任意非線性映射能力，因而在解決不確定性復(fù)雜系統(tǒng)的控制方面有非常大的應(yīng)用前景。近年來國內(nèi)外學(xué)者在將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)技術(shù)相結(jié)合，應(yīng)用于非線性系統(tǒng)控制方面進行了許多有益的嘗試，取得一些可喜的成果。如何玉彬[18]從經(jīng)典PID控制思想出發(fā)提出具有PID權(quán)值形式的網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)成神經(jīng)網(wǎng)絡(luò)PID復(fù)合控制器，同時作者為避免神經(jīng)網(wǎng)絡(luò)可能陷入局部極小，建立了一種混合神經(jīng)直接自適應(yīng)控制結(jié)構(gòu)和相應(yīng)的學(xué)習(xí)算法，取得了很好的控制效果。
3.7 神經(jīng)網(wǎng)絡(luò)魯棒自適應(yīng)控制器的研究
何玉彬[16,17]針對模型未知系統(tǒng)，提出一種復(fù)合控制結(jié)構(gòu)——神經(jīng)網(wǎng)絡(luò)并行自學(xué)習(xí)魯棒自適應(yīng)跟蹤控制結(jié)構(gòu)，它可以利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和非線性映射能力，解決傳統(tǒng)自適應(yīng)控制中模型的在線辯識和控制器的在線設(shè)計問題，以達到對不確定非線性系統(tǒng)的高精度輸出跟蹤控制；通過引入運行監(jiān)控器，克服神經(jīng)網(wǎng)絡(luò)控制方法通常存在的時實性差的問題；利用一個魯棒反饋控制器來保證神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)初期閉環(huán)系統(tǒng)的穩(wěn)定性。3.6,3.7提出的兩種方法都是通過一個常規(guī)反饋控制器來保證系統(tǒng)的穩(wěn)定性。因此設(shè)計神經(jīng)網(wǎng)絡(luò)控制器時自由度較大，這類智能復(fù)合控制器就比純智能控制有更好的控制性能。
3.8 神經(jīng)網(wǎng)絡(luò)最優(yōu)控制器的研究
??? 王耀南[19]將線性最優(yōu)控制技術(shù)與非線性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法相結(jié)合，提出一種新的非線性最優(yōu)復(fù)合控制器。這種控制方法將人工神經(jīng)網(wǎng)絡(luò)所具有的并行性、自適應(yīng)、自學(xué)習(xí)等能力應(yīng)用于現(xiàn)在的最優(yōu)控制，作為控制系統(tǒng)補償環(huán)節(jié)，完成更精確建模和穩(wěn)定的控制，使控制系統(tǒng)具有更高級的智能，是一種非常有效的結(jié)合方法。
3.9 其它類型神經(jīng)網(wǎng)絡(luò)復(fù)合控制的研究
王振雷[21]將智能控制策略中的模糊神經(jīng)網(wǎng)絡(luò)與H 最優(yōu)控制策略相結(jié)合，構(gòu)造智能H 復(fù)合控制器，成功的完成對包含不確定模型和未知有界擾動的非線性多變量系統(tǒng)的控制；將模糊神經(jīng)網(wǎng)絡(luò)與滑模變結(jié)構(gòu)控制結(jié)合設(shè)計出模糊變結(jié)構(gòu)復(fù)合控制器，可以改善滑模變結(jié)構(gòu)控制器的性能，對一類不確定系統(tǒng)進行有效控制。

4? 智能復(fù)合控制系統(tǒng)的發(fā)展前景
??? 智能復(fù)合控制器在非線性多變量系統(tǒng)中的應(yīng)用已經(jīng)成為當(dāng)前控制領(lǐng)域的一個研究熱點，取得了許多研究成果。但是目前在復(fù)合控制器的設(shè)計和應(yīng)用方面仍存在一定的問題：智能控制技術(shù)和傳統(tǒng)控制理論的結(jié)合形式比較單一，不能充分利用當(dāng)前智能控制技術(shù)和傳統(tǒng)控制理論各自的研究成果；控制器中智能模塊結(jié)構(gòu)的確定沒有理論依據(jù)，多是憑借設(shè)計者的經(jīng)驗選定，通常選定的結(jié)構(gòu)比較復(fù)雜，學(xué)習(xí)周期長，不利于實時運行；控制器的智能逼近模塊的逼近精度難以確定，不能獲得精確的控制效果。這些問題都有待于進一步研究。
總之，將智能控制策略和傳統(tǒng)控制方法相結(jié)合構(gòu)造智能型復(fù)合控制器，取其在控制中的優(yōu)勢和特點，已成為當(dāng)今控制領(lǐng)域的一個研究熱點，也成為解決各類復(fù)雜系統(tǒng)控制問題的重要工具，在理論和實際應(yīng)用中都有十分重要的意義。