智能復合控制系統的研究現狀與展望

摘要：主要總結了近年來智能復合控制系統的研究與發展，介紹了智能復合控制的主要方面的研究成果，探討了這一領域的研究趨向。
關鍵詞：智能控制；傳統控制；復合控制

1 引言
雖然智能控制技術已經有20多年的歷史，但作為一門新興的理論技術，它還處在發展階段。近年來控制領域的專家指出，智能控制技術的發展方向及研究重點應該轉移到智能控制技術的集成上來。這里所說的智能技術的集成包括兩方面：一方面是綜合智能控制技術的推廣應用，將幾種智能控制方法或機理融合在一起，構成具有高度自主能力的高級混合智能控制系統，如模糊神經（FNN）控制系統、基于遺傳算法的模糊控制系統、模糊專家系統等。另一方面是將智能控制技術與傳統控制理論結合，形成智能型復合控制器，以便取長補短，獲得互補特性，提高整體優勢。如模糊PID控制、神經元PID控制、模糊滑模控制、神經網絡最優控制等。本文主要對智能復合控制系統的現狀和發展進行探討，并介紹近幾年來智能復合控制器的結構理論及研究成果。

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

3? 智能復合控制器的研究
? 模糊控制、神經網絡、專家系統是智能控制的三大支柱，而PID控制、最優控制、魯棒控制、解耦控制等方法在傳統控制理論中的研究也比較完善。于是專家學者們針對非線性、時變、不確定性等復雜對象的特征，將它們分別結合起來，拓寬智能控制技術研究成果和傳統控制技術的融合領域，設計出應用更廣泛，控制效果更好的復合控制器。下面著重介紹幾種常見的復合控制器。
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，而關于模糊控制系統的穩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，可獲得良好的系統動態特性。但無法消除系統的靜態誤差，傳統PID控制器是過程控制中應用最基本的一種控制器，具有簡單、穩定、可靠等優點。為了改善模糊控制器的靜態性能，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者的關注。Abdenour[2]從PID控制角度出發，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之間的關系式。Ying對基于簡單線性規則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模型的模糊復合控制器。關于模糊PID控制器的研究成果還有許多，這里不再一一列舉。
3.2 自適應模糊控制器的研究
??? 自適應模糊控制器就是借鑒自適應控制理論的一些理念來設計模糊控制器，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節模糊控制規則的結構或參數，使之趨于最優狀態。He[6]采用一種帶有修正因子的控制算法，通過調整修正因子改變控制規則的特性。Manmdani提出的SOC直接對模糊控制規則進行修正，是一種規則有組織模糊控制器。Raju對控制規則進行分級管理，提出自適應分層模糊控制器。Linkens[7]等提出規則自組織自學習算法，對規則的參數以及數目進行自動修正。而采用神經網絡對模糊控制規則及參數進行調整，也是一種實現模糊自適應控制的好方法（雖然嚴格說它并不是真正意義上的復合控制器）。
3.3 模糊滑模控制器的研究
??? 滑模控制因其設計簡單，對系統變化不敏感等優點而被廣泛用于工業生產過程，但是傳統滑模控制存在一個突出的缺點——抖振，為解決這一問題出現了模糊滑模控制器。張天平[8]，Sim[9]等提出了一類模糊滑模控制器，可以削弱抖動，但因其難以保證邊界層內滑動模態的可達性，而失去了滑模控制不便的優點。鄭懷林[10]等針對此問題，提出一種新的模糊滑模控制器設計方法，可充分保證滑動模態的可達性，從而實現控制器優化設計。這也是一個復合控制器設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]首先提出模糊系統的串聯解耦補償，引入一個解耦補償器。隨后又提出模糊系統的反饋解耦，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，借助多變量系統解耦設計原理，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的研究尚處于發展階段，有許多問題還有待解決。
3.5 其他模糊復合控制器的研究
??? 張化光[13]提出過一種基于模糊基函數的多變量魯棒自適應控制器，將模糊控制與魯棒控制相結合，可充分保證閉環非線性控制系統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構控制、模型參考自適應控制、最優模糊控制器、模糊預測控制等。
3.6 神經網絡PID控制器的研究
??? 神經網絡具有學習能力和逼近任意非線性映射能力，因而在解決不確定性復雜系統的控制方面有非常大的應用前景。近年來國內外學者在將神經網絡與傳統技術相結合，應用于非線性系統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]從經典PID控制思想出發提出具有PID權值形式的網絡結構，構成神經網絡PID復合控制器，同時作者為避免神經網絡可能陷入局部極小，建立了一種混合神經直接自適應控制結構和相應的學習算法，取得了很好的控制效果。
3.7 神經網絡魯棒自適應控制器的研究
何玉彬[16,17]針對模型未知系統，提出一種復合控制結構——神經網絡并行自學習魯棒自適應跟蹤控制結構，它可以利用神經網絡的學習能力和非線性映射能力，解決傳統自適應控制中模型的在線辯識和控制器的在線設計問題，以達到對不確定非線性系統的高精度輸出跟蹤控制；通過引入運行監控器，克服神經網絡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網絡模型學習初期閉環系統的穩定性。3.6,3.7提出的兩種方法都是通過一個常規反饋控制器來保證系統的穩定性。因此設計神經網絡控制器時自由度較大，這類智能復合控制器就比純智能控制有更好的控制性能。
3.8 神經網絡最優控制器的研究
??? 王耀南[19]將線性最優控制技術與非線性神經網絡的學習方法相結合，提出一種新的非線性最優復合控制器。這種控制方法將人工神經網絡所具有的并行性、自適應、自學習等能力應用于現在的最優控制，作為控制系統補償環節，完成更精確建模和穩定的控制，使控制系統具有更高級的智能，是一種非常有效的結合方法。
3.9 其它類型神經網絡復合控制的研究
王振雷[21]將智能控制策略中的模糊神經網絡與H 最優控制策略相結合，構造智能H 復合控制器，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的控制；將模糊神經網絡與滑模變結構控制結合設計出模糊變結構復合控制器，可以改善滑模變結構控制器的性能，對一類不確定系統進行有效控制。

4? 智能復合控制系統的發展前景
??? 智能復合控制器在非線性多變量系統中的應用已經成為當前控制領域的一個研究熱點，取得了許多研究成果。但是目前在復合控制器的設計和應用方面仍存在一定的問題：智能控制技術和傳統控制理論的結合形式比較單一，不能充分利用當前智能控制技術和傳統控制理論各自的研究成果；控制器中智能模塊結構的確定沒有理論依據，多是憑借設計者的經驗選定，通常選定的結構比較復雜，學習周期長，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控制方法相結合構造智能型復合控制器，取其在控制中的優勢和特點，已成為當今控制領域的一個研究熱點，也成為解決各類復雜系統控制問題的重要工具，在理論和實際應用中都有十分重要的意義。