过程控制中的仿人智能控制

过程控制中的仿人智能控制

引言

过程控制是工业自动化中一个最重要的分支，它主要针对所谓六大参数，即温度、压力、流量、液位、成分和物性等参数的控制问题。在过程控制中，了解被控对象的动态特性十分重要，控制系统的设计是依据被控对象的控制要求和动态特性进行的。过程控制涉及的被控对象大多具有以下特点:①被控对象的动态特性通常是单调曲线，被控量的变化一般比较缓;②被控对象在动态特性通常存在迟延或纯滞后;③被控对象的动态特性存在稳定的自衡过程，中性稳定的非自衡过程;④被控对象往往具有诸如饱和、死区、滞环和倒S形等非线形特性;⑤被控对象往往存在时变性和不确定性;⑥复杂的过程对象还可能是多变量和具有分布参数的性质。仿人智能控制的本质就是在宏观结构上及行为功能上对人控制器进行模拟。它以人的思维方式、控制经验、行为和直觉推理为基础，避开了求解繁琐的对象模型或建立脑模型时遇到的种种难题，所以更易于工程实践和应用。对于那些模型复杂或模型不存在的系统，仿人智能控制就成为最佳选择。而过程控制对象难以建立精确的数学模型，但一般说来可得到拟合简化后的模型结构，并且也很容易近似获取其中主要的特征参数;在获得一些基本的先验知识的前提下，仿人智能控制将会显示出其独特的优势。

1. 仿人智能控制的基本思想

仿人智能控制器(HSIC)在结构上是一个分层递阶的信息处理系统。直接控制层直接面对实时控制问题。自校正层解决直接控制层中控制模态的参数自校正问题。任务自适应层解决直接控制层或参数校正层中特征模型，推理规则和控制与决策模态或参数值的选择、修改、以至生成的问题。它与直接控制层和参数校正层一起构成一个典型的具有高阶产生式系统结构的单元智能控制器。智能控制器算法的设计过程就是建立特征模型及多模态控模型的过程。可用产生式规则IF<条件>THEN<结果>形式描述，条件是特征，结果是决策。这种形式描述了根据征辨识结果进行决策的过程，是对人(专家)决策过程的拟。

2. 仿人智能控制的基本理论

智能控制的基本思想是仿人、仿智，无数事实表明，迄今为止世界上最有效最高级的控制系统是人类自身，研究自身表现出来的控制机制，并用机器加以模仿是智能控制研究的重要捷径。

生物机体是一个庞大的复杂系统，人脑是我们至今知道的复杂系统之一，人的精神世界素有“第二宇宙”之称。要从结构功能上完全模仿人脑，以目前的科学技术水平而言，还只是幻想。在宏观结构模拟的基础上研究人的控制行为功能并加以模拟实现应该是必由之路。

在人参与的控制过程中，经验丰富的操作者并不是依据数学模型进行控制的，而是按过去积累的经验，如系统动态信息特征的定性认识进行直觉推理，在线确定

或变换控制策略，随着输出与系统动态响应偏差，偏差的变化率和一些与前期控制效果有关的特征记忆量呈现一定的定量关系(比例保持、预估等)，当然策略随特性状态而变化，这种量的关系也是各异的。

2.1 仿人智能控制系统在结果上应具有的四条基本原则

(1) 分层的信息处理和决策机构;

(2) 在线特征辩识和特性记忆;

(3) 开、闭环结合的多模态控制;

(4) 启发与直觉推理逻辑的应用。

上述原则中人的直觉推理逻辑用人工智能的产生式规则予以描述，在线特征辩识和特征记忆依据系统动态特征模型进行，而特征模型的建立与人工智能的模式识别和知识表示技术息息相关，开、闭环结合的多模态控制建立在经典控制理论基础上，这种控制模态的建立充分利用了控制理论的前期成果，分层递阶的信息处理和决策机构需要计算机软件、硬件的发展予以支持。

2.2 仿人智能控制的特点

仿人智能控制是人工智能、控制理论和计算机科学交叉的结果，显然从认识论的角度来看，它独具风格，它不同于经典控制理论和现代控制理论，其特点表现在:

(1) 研究的主要目标不是被控对象，而是控制器本身。建模与辩识的目的，不是对象的数学模型，而是系统动态特征的特征模型和控制器的知识模型。

(2) 研究的工具不是纯的数学分析方法，而是定性与定量的结合，数学分析与直觉结合的知识工程方法，仿人智能控制器采用了产生式系统构成技术，产生规则表示为:

IF (condition) THEN (action)

这种基于规则的符号化模型适用于描述因果关系，定性的非解析关系，便于表达人的直觉推理逻辑，处理各种定性和模糊的信息，且推理决策迅速准确。(3) 基于辩识的多模态控制实现了动态特性变化与控制器输出的多值映射关系，因此能实现多性能指标的兼顾，这也是仿人智能控制品质优于其他控制器的主要原因之一。

仿人智能控制具有强烈的实践性。一则其主要途径是仿人，人的控制经验、行为和直觉推理往往难于用数学解析方法加以描述，因此控制器的设计不能完全由理论推导产生，离不开总结人的实际操作经验。二则其硬件基础是计算机，可以说离开了计算机就谈不上智能控制。

3 仿人智能控制的结构

仿人智能控制系统具有分级递阶的控制结构，并遵照层次随“越高智能增加而精度降低”的原则，如图1所示。其中执行级一般需要比较准确的模型，以实现具有一定精度要求的控制任务，仿人智能控制认为:其最低层(执行级)不仅仅由常规控制器构成，而应该具有一定的智能，以满足实时、高速、高精度的控制要求;协调级用来协调执行级的动作，它不需要精确的模型，但需具备学习功能以便在再现的控制环境中改善性能，并能接受上一级的模糊指令和符号语言，组织级将操作员的自然语言翻译成机器语言，组织决策，规划任务，并直接干预底层的操作。在执行级中，识别的功能在于获得不确定的参数值或监控系统参数的变化。协调级中，识别的功能在于根据执行级

送来的测量数据和组织级送来的指令产生合适的协调作用。在组织级中，识别的功能在于翻译定性的命令和其他的输入。

4 控制模型

由于被控对象的复杂性和不确定性，按传统的方法，根据被控对象的数学模型，在满足性能指标及约束条件下，综合设计控制器的方法是不能用的，因为对不确定性复杂对象不可能建立严格的数学模型，综合设计系统的前提条件不存在。对不确定性复杂系统的控制，可采用以知识表示的非数学模型，如图2所示。

事实上人们对对象特性不是一无所知，而是不完全知道，即所具有对象的信息是灰色信息。在实际工程中，依靠控制专家的知识和经验，也可以对系统进行有效的控制，获得满意的结果。它是基于人的智能、控制者的知识经验和技巧，完成预定的控制任务。因此它是人机结合的控制模型，即控制者的模型与被控对象模型相结合。

5 仿人智能控制器及其控制算法

仿人智能控制器的基本算法很接近人的思维过程:当系统误差趋于增加或系统误差保持常值时，仿人智能控制器采用比例控制模态，于是产生强烈的闭环控制作用，使误差尽快停止增加;而在系统误差向减小方向变化或为零时，仿人智能控制器采用保持控制模态，取消强控制作用，使控制量为一常值，对系统的动态过程进行等待和观察，直到再次出现过调时，控制器又改用比例控制模态。图2中的控制器就是仿人智能控制器。

仿人智能控制的算法原型是在1979年由重庆大学的周其鉴教授提出来的。