李会军

(重庆工业职业技术学院 智能制造技术学院， 重庆 401120)

在实际控制工程中，为便于分析问题往往忽略现实系统中的结构不确定性等因素，将问题直接简化为基于确定性参数而建立控制模型，因为确定性问题研究已很成熟，并在工程实践应用中受到认可。然而，由于受诸多因素的影响，系统参数的不确定性是客观存在的，它直接影响控制系统的特性，如垃圾焚烧产生的大气污染，无论是焚烧导致的一次污染还是二次污染，在燃烧机理和污染物生成机理研究中都回避不了系统参数的不确定性问题[1-4]；又如污水处理曝气降解过程基于生物化学反应机理，如果选择的控制策略与污染物降解过程的控制论特性不匹配，那么污水处理是不可能达标的[5-7]。上述实例都涉及不确定性参数控制问题，因此对该问题展开讨论是有工程技术意义的。

1 存在的问题

参数不确定性因素一般可划分为：物理不确定性，如材料常数、结构形状、边界条件以及结构阻尼等导致的不确定性，一般来源于结构的复杂性；统计不确定性，如概率统计方法受限于样本大小与背景噪声的不确定性；模型的不确定性，如概率模型等，一般按不确定量处理。凸模型用各种优化方法研究不确定现象。跟踪控制中存在问题有：① 不确定性问题难以进行数学建模,传统控制理论对此不可能实现有效的高精度跟踪控制；② 工程控制系统是复杂的，成熟的传统控制策略在不确定性参数系统的自动跟踪控制中无用武之地；③ 对于半结构化与非结构化问题，传统控制要求控制问题必须结构化，以便采用定量数学方法建模，但不确定性参数系统的自动跟踪控制中恰好大量存在半结构化与非结构化问题，因此导致难于数学建模，从而难以实施控制；④ 各要素间互相关联，传统控制缺乏有效的去关联手段； ⑤ 传统控制难以兼顾鲁棒性与灵敏度之间的矛盾，如果灵敏度过高，可能导致系统崩溃。

此外、在工业控制系统中还伴随着系统时滞的时变性、未知性、非线性以及各变量间的关联性，因其属于复杂对象(或过程) 的控制问题[8],因此必须探讨更有效的解决控制问题的思路。

2 控制模型、策略与算法

2.1 控制模型

鉴于不确定性参数系统不可能建立严格准确的数学模型，按照智能控制论的解决问题思路，可选取非数学手段以知识表示的广义控制模型，如图1所示。众所周知，智能可分为人类智能与人工智能，这里指的智能是模仿人类控制行为的智能，也就是仿人智能，这种广义控制模型就是基于现场控制操作者的控制经验与操作技巧以及人类的智能与智慧和控制知识，并基于该模型完成预定的控制任务。这种控制模型的优势在于便于不断总结人的控制经验，只要系统运行偏离预期状态就施加控制，使其回复到期望的状态，它既不追究导致偏离预期状态的原因，也不关注偏离预期状态是由于系统外界干扰引起还是系统内部参数改变所致，唯一关心的是系统或者过程的误差及其变化趋势，实质上图1 就是一个基于广义控制模型的负反馈自动控制系统，只要系统偏离预期状态就要实施控制，利用负反馈原理，使其回复到人们所期望的状态。

图1 广义控制模型

2.2 控制策略

在现实应用中，智能控制策略已经显示出了强大的生命力。其中，模糊逻辑控制可借助其规则去控制欲控制的过程或者系统，因此比较适合于对复杂非线性系统与数学模型未知对象或者过程的控制。值得注意的是，该控制策略并非尽善尽美，因为其控制的基础是模糊集合理论，由于有不确定性存在，往往导致运算过程中因为隶属度不确定而难以制定其控制规则。人工神经网络控制有较强的学习能力和容错性,但人工神经网络控制并不能很好地利用控制专家与现场运行人员已有的控制经验知识,难以表达基于规则的知识。此外，如果数据中有干扰和不确定性,则常会出现过界问题，网络训练甚至可能陷入局部极值，因此该控制策略必须与其他智能控制策略结合才能弥补其自身的不足。实时专家系统是智能化的计算机软件系统,它可借助领域专家的控制知识与方法有效地处理某个控制领域的一些特殊问题,但难于建立完备的知识库，因此未必对所有复杂过程或者系统都是好的选择，比如由于不确定性因素影响就不可能建立完备的知识库[9]。值得特别关注的是仿人智能控制HSIC(human simulated intelligent control)策略[10-11]，该策略非常贴近控制专家的现场控制行为，因此对不确定性控制系统中的诸多相互矛盾要求有可能获得比较完美的协调，比如控制品质方面，可以兼顾鲁棒性与精确性控制以及过程快速性与平滑性指标之间的矛盾等。本文对不确定性参数系统采用仿人智能的融合控制策略实施控制。

2.3 控制算法及其结构模式

2.3.1 控制算法

图2 误差相平面

图3 HSIC静态特性

总结前述两者可知，基于HSIC控制，借助广义的知识控制模型就可实现对不确定性参数过程的自动跟踪控制，因此基本控制算法可以总结为：

控制算法中em, j为第j次过程误差的峰值，其他符号的意义本文所述。

2.3.2 算法结构模式及其优势

基于基本控制算法，结合工业控制现场，可借助产生式描述规则IF then 将专家知识的控制经验、智慧与技巧等嵌入基本控制算法，从而实现强鲁棒性能的多模态控制，很适合于工业过程控制的特点。

3 实验仿真及其结果分析

3.1 实验仿真

不确定性参数系统在工业控制对象中是比较常见的，典型的是二阶环节大滞后环节，设被控过程控制模型为

W(s)=Ke-τs/(T1s+1)(T2s+1)

(2)

显然，模型中的K、T1、T2和τ等都可能发生变化。假定K= 4.13，T1= 1,T2= 2,τ= 10 s，当过程为单位阶跃输入，采用HSIC和PID+Smith最优控制器实施控制时，其仿真响应曲线如图4所示。图5显示的是t=15 s加入外部扰动宽度为0.2 s与振幅为0.5的扰动脉冲信号时的响应曲线，图4和图5中的纵坐标为量纲为一的比较量。分析图4和图5可知：无论从过程响应的动静态性能指标还是过程的抗干扰性能比较，基于仿人智能融合的HSIC算法都远优于PID+史密斯预估器的最优控制算法，充分表现出了HSIC控制的强鲁棒性能。

图6给出了在存在严重脉冲干扰时其斜坡过程跟踪的响应曲线。

3.2 仿真结果分析

由图4和图6仿真结果可知：基于HSIC的自动跟踪控制算法对控制参数是不敏感的，即使是Smith最优控制器的控制效果也不如HSIC算法的跟踪控制品质好，在外部脉冲干扰下HSIC算法仍具有更好的斜坡跟踪性能，表现出很强的鲁棒性与控制品质，对不确定性参数系统的自动跟踪控制而言，HSIC算法应当是一种比较好的控制策略。

图4 最优PID和HSIC的响应曲线

图5 t =15 s时干扰下最优PID和HSIC的单位阶跃响应

图6 输入斜率为0.1时脉冲干扰的跟踪响应

4 结束语

通过理论论证和实验仿真结果分析可以得出如下结论:HSIC策略对过程参数变化不是很敏感，具有很强的鲁棒性；当系统存在扰动时，具有很强的抗干扰能力。综上可见，基于HSIC的融合控制策略，其控制精度明显优于其他控制算法，表现出很好的跟踪控制效果，对某些特别难于控制的不确定性参数过程控制，应当是一种可供首选的控制策略。