时间：2023-02-23 22:16:00
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇计算机控制论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
论文摘要：网络与控制的学科交叉研究与产品的研发是我们面临的一个机遇与挑战。在网络控制系统和网络的控制中都有不少问题可研讨。
二十年前,面对计算机与控制交叉发展的机遇与挑战,中国计算机学会工控机专委会(其前身:中国电子学会电子计算机专业委员会工业计算机学组)诞生。二十年后的今天,我们又面临新的机遇与挑战,其特征之一就是,信息科学技术快速发展所引发的计算网络与控制科学技术的交叉发展,本文简称为“网络控制”对此#已有不少论述。本文只是简要讨论一些看法。
1网络控制的机遇
近年来信息科学技术与信息产业的发展十分迅猛，新思想、新技术相继问世，网络方面的新技术和产品迅速进入市场。而在经历一个大发展后，自动化及控制理论在其发展中也出现一此“困惑”，各国均十分关注自动化科学与技术面临的机遇与挑战。1986年IEEE与美国国家基金委专家高峰会发表“对控制的挑战”一文;1990-1993年IFAC组织了“控制在工业中的应用而临计算机的挑战”调研……我国也十分重视这个问题:1999年宋健在IFAC大会报告:21世纪的控制;2002年中国国家自然科学基金委召开“中国自动化领域发展战略高层学术讨论会”在这此讨论中，信息的控制、网络技术对控制的冲击等都是一个议题。维纳《控制论》一书的副标题是:“关于在动物和机器中控制和通信的科学”;而在《控制论》第一版序言中他又指出“如果一门新的科学学科是真正有生命力的，它的引人兴趣的中心就必须而且应该随着岁月而转移……因此，控制论学家应该继续走向新的领域，应该把大部分注意力转移到近十年发展的新的思想上去……”。从历史上看，控制与通信确实是相互依存交叉发展的，而当今在“网络的连通性无所不在”的形势下，我们确有必要讨论网络对控制的挑战是什么，信息的控制或网络控制是否应该列为一个“引人兴趣的中心”。
“网络控制”的提法早已有过，而对其内涵与外延井不十分统一，我们觉得网络控制泛指通信网络与控制科学技术的交叉以及相应的产品。主要包括两个方面的内容，网络化系统的控制与管理，网络主要是做为技术手段或环境#而控制对象是传统的对象（如电机、化工过程、航天……）也包括交通服务等系统。本文简称为”网络化控制”"网络系统本身的控制与管理。信息与网络成为控制的对象，而采用控制的手段来满足用户的要求。本文简称为“网络的控制”。这也可以说是从两个视角来研究网络控制。我们在网络控制的这两个视角上都面临机遇与挑战，前者延伸了诸如数字控制。计算机控制等的概念，而后者则延伸了电机控制，机床控制等的概念。
2网络化系统与网络化控制
网络化系统及网络化控制有多种提法，如TelematicSys-terns，NetworkedSystems，NetworkedControlSystems(NCS)，IntegratedCommunicationandControlSystems(ICCS通信与控制系统)等，其内涵各有所侧重，但有共同点:是依靠网络(主要是计算机网络)组成的分布式系统;具有资源共享、集成自动化、协调下作等特点，从应用角度可包括:网络化控制、网络化制造、电子政务、电子商务、数字家庭、大型电网、城市交通、军事上的41SR指挥、控制、通信、计算机以及情报、监视、侦察)等。可以是下业对象也可以是服务业或其他对象。
网络化控制系统中的网络一般是大范畴的企业网络，从功能层次上可包括企业网的外联网[xtranet，企业内联网Intranet,控制网、传感网等，从网络类型上也可以说包括因特网、无线移动通信、以太网、现场总线与工业以太网、传感器网络等网络技术在控制领域的’泛且深入的应用，必然引起网络与控制交叉学科的发展，或者引起ThomasKahn在“TheStrutureofScientificRevolutions”中指出的在控制领域的范例转移(ParadigmShift)或出现从连续时间控制理论到离散时间控制理论的发展。
网络化控制与管理系统，可以不同程度地实现各层次自动化系统的集成使企业在企业协作、资源共享、提高效率、增强市场竞争能力等方面得到好处;同时，网络的引入必然带来信息传输时延，延时的抖动信息(数抓包)去失等问题，也必将引发一此研究课题，包括:网络化控制系统体系结构，网络环境下复杂系统的集成优化控制;基于连续时间和基于事件控制理论(在网络化控制系统中的)的应用与发展;各种网络化应用系统的建模与分析;基于网络计算和网络存储的分布控制;网络化系统的信息女全，现场总线，工业以太网，传感器网络等等，从某种意义说工业控制计算机系统的发展必须定位于网络环境下，从网络控制着手。
3网络的控制与答理
网络的控制，基于网络的控制(Network一BasedControl)或网络空间中的控制问题是自接涉及到网络木身的控制问题，这里控制的对象是信息、数抓、网络……。在自动化科学发展的历史中，自动控制的对象是不断发展变化的，这种发展体现了自动化科学理论与实际相结合，学科交叉和与时俱进的特性，从某种意义上说控制论的着眼点是信息与控制或信息的控制而网络的控制是信息的控制中的重要内容。
网络的控制或基于网络的控制系统在资源共享提高网络服务质量，实现集成自动化和整体优化以及和谐人机协调等方而都有优势或潜力;由于网上的传输时延，数抓包去失，以及用户对网络服务质量的不同需求等，引出了网络的控制中一系列研究课题。涉及相关的协议，系统的控制策略，稳定性、鲁棒性、算法的收敛性以及控制系统产品化等问题。
以复杂媒体网络的控制为例，复杂媒体可视为一个广义的系统，其所究内容包括信息结构、复杂媒体的管理.、服务质量(QOS)控制，流量控制等。例如，在流媒体系统中，可以利用自适应等控制策略使用户在不同的网络环境卜享受到尽可能好的QoS保证。1999年，木尼迪克特(Bendidt)提出了“网络空间”（Cyberspace)的概念，称这种“由计算机支持，由计算机进入和由计算机产生的全球网络化，是多维度的，人造或‘虑拟’的真实。它是真实的，每一台计算机都是一个窗口;它是虑拟的，所看到的或所听到的既不是物质也不是物质的表现，相反它们都是纯粹的数抓或信息组成的”。可以说，它是介于虑拟和现实之间的特殊空间，即“网络空间”，由此而可能发展网络科学。网络空间有许多控制和答理问题，有人称之为“虑拟控制”或网络的控制。近年来，关于下一代互联网、智能网、网格等的讨论也较多，网格（Grid)一般认为是继传统因特网、Web之后的第三代因特网其主旨是实现互联网上所有资源的全而连通，在气象、能源、教育以及企业信息化中都有广’泛应用。美国《福布斯特》杂志预期网格技术到2020年将产生年产伯20万亿美元的大下业。在网格中分布资源管理与控制、资源共享、网格监控以及系统女全等方而的研究都是受人关汁的四。有人建议，在网格的体系上要体现服务第一，协议第一的观念。另外，在下一代网关中，可能会将大部分控制功能(呼叫控制、接入控制、资源控制、服务质量控制等)统一交由一个控制层来完成。可见，网络的控制及管理.是日益受到重视，控制的一此基本概念，控制策略和控制理论不能简的一地搬用到网络的控制中，但应可以在网络的控制中得到发展。
以网络为控制对象的网络控制所要解决的主要是用户对网络各种服务质量:需求与网络资源间的矛盾与协调。从信息传送结构上讲，可以在核心网上增强控制功能;也可以在边缘网上引入系统与控制的方法。在这此系统建模与分析中，多会遇到系统规模大、异构件、时变性、人机协调、随机性等问题、在已见的一此研究成果中，排队论、小波分析、自适应、神经网络、混杂系统等理论与方法都有应用。在因特网或非实时局域网的控制系统中，离散控制时间的确定性或定常性已不存在，要发展网络控制理论或改造经典的方法或按离散事件动力学考虑新途径，学科交叉研究势在必行。
4对下控机系统及专委会工作的一此思考
二十年前，在个人计算机(PC)技术成热并大举进入市场之际，我们成立了工业控制计算机专业委员会，在学术交流、产品研发等方面做了许多工作，得到了广泛的认可。当前，信息网络迅速发展，而对网络控制等的机遇，工控机系统的研发人员应多交流讨论。各种工控机系统，现场总线、工业以太网，分布控制系统，传感器仍是工业自动化与下控机的主要课题，而网络控制的机遇与挑战也是专委会需认真思考的:
1)当前，我国在网络化控制(网络化系统，网络化制造……)方面的研究与产品研发已有一此成果，尚待深入与普及;而在网络的控制方而的研究下作刚刚开始。我们可能需要在理论探索、技术研究以及协议（标准)制定、产品研发等层面上挑战网络控制的机遇。
2)需要面对网络控制的挑战，加强计算机、通信网络、自动控制等学术交叉性的研讨，可与兄弟专委会联合组织。计算机、通信网络、自动控制等不同专业背景的人员在从事网络控制这类学科交叉研究中，往往有不同的思路、视角、方法或切入点，其成果也各有特色。多交流互补是大有益处的。
【关键词】：智能预测；预测控制；模糊预测控制；滑膜预测
中图分类号： F272.1 文献标识码： A 文章编号：
现代工业的发展对生产过程提出了越来越高的要求，往往不单要求对单个生产装置实现优化控制，而希望能对相继发生的多个生产过程的实现综合控制，并追求全过程的优化以提高产品质量和降低成本。同时过程本身存在的复杂性和控制目标的多样性，使优化控制策略从目前的求解无约束二次性能指标优化问题转为面向多目标多自由度的优化问题。这些现实问题要求预测控制的发展引入新思想、新方法，追求更高层次的目标。在另一方面，进入90年代以来智能控制的研究成果大量涌现。智能控制不但在处理复杂系统(如非线性、快时变、复杂多变量、环境扰动等)时能进行有效的控制，同时具有学习能力、组织综合能力、自适应能力和优化能力。为了解决复杂工业过程中的不确定性、多目标优化问题，智能控制中的一些方法被引入到预测控制中，使预测控制向智能化的发展，从而形成当前预测控制的一大研究方向-智能预测控制。根据预测控制和智能控制的融合点，可大致划分为以下模糊预测控制、神经网络预测控制、遗传算法预测控制、滑模预测控制等几类。
一、模糊预测控制
模糊控制的基本思想是把专家对特定控制对象过程的控制策略总结为“IF……THEN……”形式表达的控制规则，通过模糊推理得到的控制作用集，作用被控对象或过程。模糊控制完全是在操作人员所具有的经验的基础上实现对系统的控制，无须建立系统的数学模型，且控制具有很强的鲁棒性，对被控对象参数的变化具有一定的抗干扰能力，因此是解决不确定系统的一种有效途径。目前模糊控制与预测的结合主要分为两类：一类是模糊控制与预测控制的结合，Cucal等[1]设计了一种模糊专家预测控制器，通过建立对象的预测模型获得超前预测误差来调整控制器规则；庞富胜[2]提出了一种模糊预测控制的复合结构，根据不同时段的误差情况进行模糊控制和预测控制的加权组合控制；徐立鸿等[3]提出一种定量和定性信息的组合预测控制，控制器输出分为预测控制量和模糊控制量，二者的加权因子是对象类型和建模误差的函数，这种组合式模糊预测控制器，对模型失配有较好的鲁棒性；睢刚等[4]在过热汽温控制中设计了一种模糊预测控制方法，将控制量论域划分为若干子区域，并将分界点作为参考控制量，以预测模型预测各参考控制量的未来输出，并评价相应控制效果，并在此基础上以模糊决策方法确定当前时刻最佳控制量。另一类是模糊控制与预测控制的融合，Oliver等[5]和Martin等[6]将T-S模型与DMC控制结合起来，DMC采用阶跃响应模型，由T-S模型提取出不同工作点的阶跃响应值，有效地实现了对非线性系统的控制。Jang-Hwan Kim[7]采用模糊神经网络辨识对象T-S模型，由各局部加权和得到的模型进行预测控制，将GPC推广到非线性系统，IgorSkrjanc[8]提出一种基于T-S模糊模型的预测函数控制方法，并在热交换器中得到应用。
二、人工神经网络预测控制
人工神经网络(ANN)是从仿生学的角度出发，模拟人脑的神经元系统，使系统具有人脑那样的感知、学习和推理功能。神经网络可以充分逼近任意复杂的非线性系统，可以学习不知道的或不确定的系统。神经网络的预测控制主要分为以下几类：（1）基于线性化方法的神经网络预测控制。线性化方法一直是处理非线性问题的常用方法，通过各种线性化逼近，可以将非线性控制律的求解加以简化，提高其实时运算速度。张日东等[9]提出了一种可用于非线性过程的神经网络多步预测控制方法，将非线性系统处理成简单的线性和非线性两部分，用线性预测控制方法求得控制律，避免了复杂的非线性优化求解，仿真结果表明了该算法的有效性。（2）基于迭代学习求解的神经网络预测控制。这种方法采用神经网络实现对过程的多步预测，控制信号的求取基于多步预测的目标函数，利用神经网络预测模型提供的梯度信息进行迭代学习获得。丁淑艳等[10]先利用一个BP网络构造一个非线性多步预测模型，根据被控对象输出与网络实际输出之问的误差采用改进的BP算法修改网络权值，模型建好后，根据网络的多步预测输出序列与设定值序列的偏差构造性能指标函数，采用自适应变步长梯度法修改控制律。（3）基于神经网络控制器的神经网络预测控制。这种方法基于两个神经网络，一个是建模网络，用于过程的动态建模以获取对过程的预测信号；另一个是控制网络，它按照与预测控制目标函数相应的驱动信号来调整整个网络的权值，以获取对预测控制律函数的逼近。陈博等[11]将传统预测控制的优化策略与神经网络逼近任意非线性函数的能力相结合，提出了一种基于BP神经网络的新的预测控制算法，即滚动优化模块用一个神经网络来实现，并针对一个工业装置控制实例，探讨了该算法在工业过程控制中的应用。Mircea Lazar[12]用神经网络模型作为滚动优化控制器，神经网络控制器通过利用非线性模型及对控制算法提供一种快速、可靠的解决办法来消除在非线性预测应用中主要的问题，并阐述了控制器的设计和补偿方法，最后用一个实例仿真证明了该方法的有效性。
三、遗传算法预测控制
遗传算法(Genetic Algorithm，GA)是建立在自然选择和自然遗传学机理基础上的迭代自适应概率搜索算法，在解决非线性问题是表现出很好的鲁棒性、全局最优性、可并行性和高效率，具有很高的优化性能。Shin[13]提出一种基于前向网络的非线性预测控制方法，直接采用GA进行在线优化求解预测控制律。Ramirez[14]在非线性预测控制中，以GA 进行移动机器人导航控制中的在线寻优。为降低在线优化的计算负担，该GA算法采用启发式交叉和非一致变异操作，获得了满意的效果。Woolley[15]报道了在CONNOISSEUR先进控制工具包中基于GA滚动优化的预测控制的设计和应用情况。
四、滑膜预测控制
自从20世纪80年代初到现在，计算机技术的发展迅速，在控制中也采用了计算机控制，所以目前控制中的系统一般都是离散系统，因此对离散系统变结构控制的研究也变得很重要。离散系统滑模变结构控制以其滑模存在条简易而被广泛的应用。在进行滑模控制的过程中，考虑到控制受限以及选用的趋近律的参数以及切换等因素，即使系统在没有外界扰动的情况下，系统状态轨迹也是只能稳定在原点邻域的某个抖振。在根据不确定性上下界进行控制器设计的时候，利用不确定性的有界保证闭环系统的鲁棒稳定性，导致变结构控制过于保守，抖振严重，且不确定性的界有时很难获知.这些不足限制了离散变结构控制理论的应用.在综合考虑抖振、鲁棒性以及控制约束等指标要求的基础上，提出了基于滑模预测思想的离散变结构控制系统设计新思路[16]。
目前看到的有关滑模预测控制论文很少，具体的实际应用也不多，在国内主要有宋立忠，陈少昌，姚琼荟等人研究滑模预测离散变结构控制，在文章中主要研究了不确定离散时间系统的变结构控制设计问题，将预测控制中模型预测、滚动优化、反馈校正的思想引入到离散准滑模变结构控制系统的设计.把切换函数进行预测，然后通过切换函数得到滑模控制中的控制律，该方法综合考虑抖振、鲁棒性以及控制量约束等指标要求，利用当前及过去时刻的滑模信息预测未来时刻的滑模动态，实现了滚动优化求解.该方法可有效消除抖振现象，并能够保证闭环系统的鲁棒性。宋立忠，李红江，陈少昌[17]还对滑模预测控制进行了应用的研究，把此方法应用到船一舵伺服系统中。
参考文献：
[1] Culal Batur,et al.Predictive fuzzy expert puters in Eng.1991,20(2):199-209.
[2] 庞富胜.模糊--线性复合控制，刘增良主编.模糊技术与应用选编(1)，北京航空航天大学出版社，1997，64-69.
[3] 徐立鸿，施建华．基于对象定量和定性信息的组合预测控制．自动化学报，1997，23(2)：257-260．
[4] 睢刚，陈来九.模糊预测控制及其在过程汽温控制中的应用，中国电机工程学报，1996,Vol.16(l):17-21.
[5] Jang-Hwan Kim,Generalized predictive control using fuzzy neural network model.proc.of 1994 IEEE conf.on Neural Network,1994,pp(4): 2596-2598.
[6] Igor Skrjanc,Drago Matko.Predictive functional control based on fuzzy model for heat-exchanger pilot plant,IFAC 14th Triennial World Congress,Beijing,P.R.China,1999,pp:341-345.
