自动控制、现代控制与智能控制的关系

自动控制、现代控制与智能控制的关系

—、基本区别

控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论” 的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速

发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系

统向智能控制系统的发展已成为一种趋势。

自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。经典控制理论的研究

对象是单输入、单输出的自动控制系统，特别是线性定常系统。经典控制理论的特点是以输

入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。建立在状态空间法基础上的一种控制理论，是自动控制

理论的一个主要组成部分。

在现代控制理论中，对控制系统的分析和设计主要是通过对系统的状态变量的描述来进行的，基本的方法是时间域方法。现代控制理论比经典控制理论所能处理的控制问题要广泛得多，包括线性系统和非线性系统，定常系统和时变系统，单变量系统和多变量系统。它所采用的方法和算法也更适合于在数字计算机上进行。现代控制理论还为设计和构造具有指定

的性能指标的最优控制系统提供了可能性。

智能控制（intelligent controls ）在无人干预的情况下能自主地驱动智能机器实现控制目

标的自动控制技术。

1、华山论剑：自动控制的机遇与挑战

传统控制理论在应用中面临的难题包括：（1）传统控制系统的设计与分析是建立在已知

系统精确数学模型的基础上，而实际系统由于存在复杂性、非线性、时变性、不确定性和不

完全性等，一般无法获得精确的数学模型；（2 ）研究这类系统时，必须提出并遵循一些比较

苛刻的假设，而这些假设在应用中往往与实际不相吻合；（3）对于某些复杂的和包含不确定性的对象，根本无法用传统数学模型来表示，即无法解决建模问题；（4）为了提高性能，传统控制系统可能变得很复杂，从而增加了设备的初始投资和维修费用，降低了系统的可靠性。

为了讨论和研究自动控制面临的挑战，早在1986年9月，美国国家科学基金会（NSF）及电气与电子工程师学会（1EEE的控制系统学会在加利福尼亚州桑克拉拉大学（Uni versity of Santa Clare联合组织了一次名为“对控制的挑战”的专题报告会。有50多位知名的自动控

制专家出席了这一会议。他们讨论和确认了每个挑战。根据与会自动控制专家的集体意见，他们发表了《对控制的挑战一一集体的观点》，洋洋数万言，简直成为这一挑战的宣言书。

到底为什么自动控制会面临这一挑战，还面临哪些挑战，以及在哪些研究领域存在挑战

呢？

在自动控制发展的现阶段，存在一些至关重要的挑战是基于下列原因的：(1)科学技术

间的相互影响和相互促进，例如，计算机、人工智能和超大规模集成电路等技术：(2)当前和未来应用的需求，例如，空间技术、海洋工程和机器人技术等应用要求；(3) 基本概念和时代进程的推动，例如，离散事件驱动、信息高速公路、非传统模型和人工神经网络的连接机制

等。

面对这一挑战，自动控制工作者的任务就是：(1)扩展视野、发展新的控制概念和控制

方法，采用非完全模型控制系统；(2)采用在开始时知之甚少和不甚正确的，但可以在系统

工作过程中加以在线改进，使之知之较多和愈臻正确的系统模型；从这些任务可以看出，系统与信息理论以及人工智能思想和方法将深入建模过程，不把模型视为固定不变的，而是不断深化的实体。所开发的模型不仅含有解析与数值，而且包含定性和符号数据。它们是因果性的和动态的，高度非同步的非解析的，甚至是非数值的。对于非完全已知的系统和非传统数学模型描述的系统，必须建立包括控制律、控制算法、控制策略、控制规则和协议等理论。实质上，这就是要建立智能控制系统模型，或者建立传统解析和智能方法的混合(集成)控制模型，而其核心就在于实现控制器的智能化。

面临挑战的控制领域有：多变量鲁棒控制、自适应控制和容错(Fault—Tolerant)控制，高度非线性控制和多因素或分散随机控制、时空分布参数系统的控制、含有离散变量和离散事

件动态系统的控制、信号处理和通信技术、分布信息处理及决策结构的综合设计方法、控制系统的集成设计及实验环境和实现等。这些挑战领域所研究的问题，广泛地存在于工程技术

应用中。例如：航天器和水下运动载体的恣态控制、先进飞机的自主控制、空中交通控制、汽车自动驾驶控制和多模态控制、机器人和机械手的运动和作业控制、计算机集成与柔性加工系统、高速计算机通信系统或网络、基于计算机视觉和模式识别的在线控制以及电力系统和其它系统或设备的故障自动检测、诊断与自动恢复系统等。

上述领域面临问题的解决，不仅需要发展控制理论与方法，而且需要开发与应用计算机科学与工程的最新成果。进入90 年代以来计算机科学在工业控制中的应用问题已引起学术界越来越广泛的重视与深入研究。其中，最有代表性的是由IEEE控制系统学会和国际自动

控制联合会(1FAC理论委员会合作进行的题为“计算机科学面临工业控制应用的挑战”的研究计划。该合作研究计划指出：开发大型的实时控制与信号处理系统是工程界面临的最具挑战的任务之一，这涉及硬件、软件和智能(尤其是算法)的结合，而系统集成又需要先进的工

程管理技术。

设立这一迎接挑战的研究计划基于以下几个因素：(1)工业部门往往无法有效地把数学

技术的最新进展用于控制和信号处理，以便提高实时系统的智能水平(Intelligent Level)；(2)控制学术界又常常不清楚如何在工业上控制控制系统硬件、软件和智能三者的集成开发，自

动控制界和计算机科学界在工业和学术两方面的对话与有效合作仍然是个需要进一步解决的问题；

(3)在开发大型的实时系统时，了解硬件、软件和智能应如何结合以及该系统的算法应如何设计；

(4)评价由收集专家经验或利用数学模型以及依靠控制和信号处理的数学技术而得到的智能的相关价值；(5)建议重新树立控制和计算机科学的传统学术形象，以求组成一个更加统一的实时与动态系统科学。

智能控制的产生和发展为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科，它的发展已促进自动控制向着更高的水平——智能控制(Intelligent Con trol)发展。人工智能和计算机科学界已经提出一些方法、示例和技术，用于解决自动控制面临的难题。例如，简化处理松散结构的启发式软件方法(专家系统外壳、面向对象程序设计和再生软件等)；基于角色(Actor)或媒介(Agent)的处理超大规模系统的软件模型；模糊信息处理与控制技术以及基于信息论和人工神经网络的控制思想和方法等。