摘　要: 以分層遞階智能控制為基礎(chǔ)框架,，提出了基于控制任務(wù)的某些時(shí)域性能指標(biāo)的智能控制任務(wù)適應(yīng)算法，對(duì)運(yùn)行控制級(jí)動(dòng)態(tài)建立特征模型,，迫使系統(tǒng)逼近理想控制軌跡,，從而提高控制性能,。
　　關(guān)鍵詞: 智能控制 任務(wù)自適應(yīng) 特征模型 上(下)界特征直線 特征點(diǎn)

　　實(shí)際系統(tǒng)由于存在非線性、不確定性,、時(shí)變性和不完全性等因素,，一般無(wú)法獲得系統(tǒng)精確的數(shù)學(xué)模型，而且為了提高控制性能,，整個(gè)系統(tǒng)變得較為復(fù)雜,，增加了設(shè)備的初投資，降低了系統(tǒng)的可靠性,。在這種背景下,，無(wú)需人的干預(yù)就能自主地驅(qū)動(dòng)智能機(jī)器實(shí)現(xiàn)其目標(biāo)的智能控制誕生了。直到目前,，傳統(tǒng)控制理論中的各種動(dòng)態(tài)性能指標(biāo)只能作為智能控制的事后評(píng)價(jià)標(biāo)準(zhǔn),，無(wú)法作為智能控制系統(tǒng)的設(shè)計(jì)依據(jù)。
　　Saridis曾提出智能控制系統(tǒng)的分層遞階結(jié)構(gòu),，奠定了智能控制的三元結(jié)構(gòu)的理論基礎(chǔ)^[1],。在此基礎(chǔ)上，周其鑒,、李祖樞等人提出仿人智能控制(HSIC),，并建立了仿人智能控制的基本理論，給出了仿人智能控制器的設(shè)計(jì)方法^[2][3],。李祖樞,、涂亞慶等提出的設(shè)計(jì)方法以相平面(e－e′)作為信息空間設(shè)計(jì)控制器。由于相平面(e－e′)只是隱含了時(shí)間信息,，難以與性能指標(biāo)建立直接聯(lián)系,，因此這是一種定性的設(shè)計(jì)方法。然而控制系統(tǒng)設(shè)計(jì)的目標(biāo),，總是針對(duì)控制系統(tǒng)完成的任務(wù),，滿足于特定的性能指標(biāo)^[4],。基于這種思想,，本文提出了面對(duì)不同任務(wù)的某些時(shí)域指標(biāo),，按照分層遞階控制的框架，以(e－t)為信息空間設(shè)計(jì)智能控制器的方法,，并給出了任務(wù)適應(yīng)算法,。由于(e－t)信息空間明顯包含了e′的信息，并且可以直接與時(shí)域性能指標(biāo)相聯(lián)系,，因此,，該設(shè)計(jì)方法是一種定性與定量相結(jié)合的設(shè)計(jì)方法。
1 智能控制任務(wù)適應(yīng)的基本思想
　　按照分級(jí)遞階智能控制的基本理論,，整個(gè)系統(tǒng)由中樞司令級(jí),、組織協(xié)調(diào)級(jí)和單元控制級(jí)構(gòu)成,。單元控制級(jí)又可分解為任務(wù)適應(yīng)級(jí)(TA),、參數(shù)校正級(jí)(ST)和運(yùn)行控制級(jí)(MC)。運(yùn)行控制級(jí)直接面向被控對(duì)象,，采用產(chǎn)生式系統(tǒng)結(jié)構(gòu),。知識(shí)庫(kù)用三重序元＜Φ，Ψ,，Ω＞描述,。其中，Φ＝{Φ₁,，Φ₂,，…，Φ_n}稱為特征模型,，Ψ＝{Ψ₁,Ψ₂,…,，Ψ_r}稱為控制(決策)模態(tài)集，Ω＝{ω₁,，ω₂,，…，ω_q}為產(chǎn)生式集,。產(chǎn)生式ω_i(i＝1,，2，…,，q)可表示為
　　IF Φ_i THEN Ψ_i, Φ_i∈Φ,， Ψ_i∈Ψ
　　其中Φ_i稱為特征狀態(tài)，是特征信息空間劃分的一個(gè)區(qū)域,；Ψ_i是控制器的輸出量U與輸入信息R,、特征記憶Λ之間定量或定性關(guān)系的描述,。
　　MC級(jí)的控制目標(biāo)主要是控制精度，即滿足特定任務(wù)的某些時(shí)域性能指標(biāo),。為了適應(yīng)不同的任務(wù),，滿足相應(yīng)的性能指標(biāo)，MC級(jí)的知識(shí)庫(kù)＜Φ,，Ψ,，Ω＞應(yīng)該適應(yīng)不同的任務(wù)。
　　無(wú)論是定值控制還是伺服控制,，控制過(guò)程總是期望系統(tǒng)的動(dòng)態(tài)響應(yīng)在時(shí)相空間(e－e′－t)為一條理想軌跡,。換言之，這條理想軌跡作為設(shè)計(jì)智能控制器的目標(biāo),，軌跡上的每一點(diǎn)都被視為控制過(guò)程中的瞬態(tài)指標(biāo),。這條理想軌跡可以分別向(e－t)、(e′－t)和(e－e′)三個(gè)平面投影,，根據(jù)分析的側(cè)重點(diǎn)考慮這三條投影曲線中的一條或幾條,，從而簡(jiǎn)化設(shè)計(jì)目標(biāo)。由于被控對(duì)象具有不確定性且又不確知,，實(shí)際上運(yùn)動(dòng)的軌跡只可能處在這條理想曲線周圍的一個(gè)曲柱中,。智能控制器的設(shè)計(jì)任務(wù)就是以實(shí)際軌跡與理想軌跡在信息空間中的偏差軌跡為依據(jù)，對(duì)信息空間(e－e′－t)進(jìn)行劃分(特征模型),，并給出相應(yīng)的控制模態(tài),。
　　在HSIC的基本算法中，特征模型的建立即特征狀態(tài)的劃分是一種近乎先驗(yàn)的過(guò)程^[2][3],。換言之,，特征變量的閾值確定是純粹的經(jīng)驗(yàn)判斷，它不依對(duì)象的不同而自動(dòng)設(shè)置,，也不會(huì)根據(jù)實(shí)際過(guò)程的輸出響應(yīng)和偏差曲線做動(dòng)態(tài)調(diào)整,，更無(wú)法依據(jù)控制指標(biāo)的要求變化而適應(yīng)。這在相當(dāng)大的程度上限制了控制任務(wù)的正確完成,。本文提出的動(dòng)態(tài)建立特征模型的算法是一種任務(wù)自適應(yīng)的方法,。根據(jù)系統(tǒng)的瞬態(tài)性能指標(biāo)的要求，在線辨識(shí)出過(guò)程的純時(shí)延,，結(jié)合上升時(shí)間t_r,、超調(diào)量δ_p和峰值時(shí)間t_p劃分(e－t)平面，實(shí)時(shí)給出MC級(jí)特征狀態(tài)的切換閾值,，動(dòng)態(tài)地建立其特征模型Φ,，改變其知識(shí)庫(kù)，迫使控制沿著適當(dāng)?shù)能壽E達(dá)到各項(xiàng)控制指標(biāo),?；谶@種思想,，通過(guò)對(duì)控制的偏差曲線進(jìn)行幾何分析，給出任務(wù)適應(yīng)級(jí)TA對(duì)MC級(jí)特征基元的實(shí)時(shí)調(diào)整方法,。
2 任務(wù)適應(yīng)算法及仿真實(shí)驗(yàn)
　　對(duì)于限制上升時(shí)間t_r,、超調(diào)量δ_p和峰值時(shí)間t_p的伺服跟蹤控制系統(tǒng)，我們考慮穩(wěn)態(tài)誤差e_ss＝e(∞)×5%的性能要求,，如圖1所示,。引入上升時(shí)間特征點(diǎn)A、第一上界特征直線L_1u,、第一下界特征直線L_1l三個(gè)概念,，并由此導(dǎo)出HSIC的任務(wù)適應(yīng)算法，確定對(duì)信息空間劃分的特征模型,?？紤]上升時(shí)間t_r、超調(diào)量δ_p和峰值時(shí)間t_p的要求,，進(jìn)一步引入峰值特征點(diǎn)B,、第二上界特征直線L_2u和第二下界特征直線L_2l的概念，如圖2所示,。

　　我們以直線L_1u作為特征變量的閾值軌跡之一,。只要實(shí)際偏差e(t)在時(shí)段(0,t_r)內(nèi)的值都在直線L_1u的下方,，就可以確保滿足性能指標(biāo)上升時(shí)間t_r,。我們把直線L_1l定義成特征變量的閾值軌跡，其目的是滿足t_r的同時(shí),，使系統(tǒng)的輸出響應(yīng)盡量避免超調(diào),。于是規(guī)定理想偏差曲線e₁(t)介于L_1u和L_1l兩條直線之間，即圖1中的陰影區(qū)域內(nèi),。
　　類似地,，對(duì)于時(shí)間段(t_r,t_p)，理想偏差曲線e₂(t)應(yīng)介于特征直線L_2u和L_2l之間,，如圖2中的陰影區(qū)域所示,。在上述定義的特征點(diǎn)、特征直線的基礎(chǔ)上,，對(duì)信息空間進(jìn)行劃分,，建立相應(yīng)特征模型如下：
　　Φ₁＝{Φ₁，Φ₂,，Φ₃,，Φ₄，Φ₅,，Φ₆,，Φ₇}
　　
　　這里對(duì)于Φ₂,、Φ₅和Φ₇可以采用保持控制模態(tài)。
　　類似地,，還可以對(duì)時(shí)間段(t_p,∞)的偏差曲線做進(jìn)一步分析,。需要指出，這里定義的第一,、二下界特征直線是經(jīng)驗(yàn)直線,，根據(jù)現(xiàn)場(chǎng)專家對(duì)于控制環(huán)境和對(duì)象的了解來(lái)確定。出于簡(jiǎn)化考慮,，本文將這條閾值軌跡設(shè)定為角平分線,。
　　設(shè)受控對(duì)象傳遞函數(shù)為，輸入為單位階躍函數(shù),，性能要求是上升時(shí)間t_r＝5.5s,，超調(diào)量δ_p＝20%,峰值時(shí)間t_p＝9s。
　　仿真結(jié)果如圖3所示,，表明本文提出的任務(wù)適應(yīng)算法能夠較好地滿足控制性能指標(biāo)的要求,，具有很強(qiáng)的任務(wù)適應(yīng)性。如果通過(guò)ST級(jí)對(duì)MC級(jí)控制模態(tài)中的控制參數(shù)進(jìn)行在線校正,，控制效果會(huì)更好,。