控制工程專業研究生培養及研究內容創新

◆片錦香 李界家 郭彤穎

(沈陽建筑大學信息學院)

一、序言

控制工程是應用控制理論及技術，滿足和實現現代工業，農業以及其他社會經濟等領域日益增長的自動化、智能化需求的重要的工程領域。在信息化時代到來之際，控制工程領域的理論及應用研究正處在一個史無前例的拓展進程之中。控制學科研究的范圍越來越廣泛的，對實現我國工業、農業、國防和科學技術現代化、對迅速提升我國綜合國力具有重要和積極作用。

近年來，國內外日趨激烈的市場競爭，使得工業生產制造企業對其能耗水平、生產效率、產品質量和生產成本等綜合生產指標提出了更高的要求。工業企業已經由過去的單純追求大型化、高速化、連續化，轉向注重提高產品質量、降低生產成本、減少資源消耗和環境污染、可持續發展的軌道上來。因此，控制工程的研究生面臨的被控對象范圍急劇增大，被控對象特性也變得越來越復雜，非線性經常伴隨著復雜性存在，無法用線性方程和一般數學方法處理，甚至很難用非線性微分方程描述和處理。此外，過程經常具有不確定性或者模糊性，含有不確定的結構、參數和其他信息。

二、控制工程專業的研究內容創新

從研究生教育角度，對過程建模、過程控制、仿真技術、智能技術幾個方向提出一些粗淺看法。

1.將智能算法應用于過程建模

一個復雜系統經常有內部各個子系統的復雜聯系，且這種聯系并非一成不變。例如，一條熱軋帶鋼的生產過程，從轉爐開始，分別需要經過幾道粗軋、精軋、冷卻、卷取等幾道連續的工序才能完成，前一道工序的結束工況影響下一道工序的執行情況，工序之間相互聯系，且每道工序分別具有各自的復雜特性。因此，建立一個熱軋帶鋼的整條生產線的過程模型是一件相當復雜的事情。傳統的做法是根據各種數學機理，試圖建立一個數學形式的模型，但是這種數學模型經常是在各種假設條件下的化簡形式，很難精確描述如此復雜的工業過程。有學者試圖采用神經網絡技術解決這一問題。因為有定理證明:一個多節點多層的反饋神經網絡，可以逼近任意連續變化的非線性函數。因此，人們一度對神經網絡用于非線性系統全局建模寄予很大希望。然而，馮純伯教授早已說明這種方法存在兩個問題:一是若網絡中有多個非線性函數，即使用無窮多元的神經網絡可以逼近其中一個非線性函數，當有多個非線性函數存在時應采用什么樣的多神經網絡集團，如何組成統一的動態系統將是一個很難設想的難題;二是即使上列第一個問題有肯定的答案，接著的問題是如何尋找各種神經元的加權系數，這涉及到十分復雜的優化算法問題。歸根結底是一個時變非線性系統的可辨識問題，至今仍是一大難題。

從上述論述可以看出，控制工程專業的研究生培養在理論和技能角度上必須從傳統意義上的數學建模和統計數據建模進行大幅度的拓展，考慮現代工業化的過程復雜性，進行智能方法建模的新方法的探索研究。

2.采用智能技術的過程控制技術

從工業工程的角度看，自動控制或者人工控制的作用，不僅僅是使控制系統輸出很好地跟蹤設定值，而且要控制整個運行過程，使反映產品在加工過程中質量、效率與消耗相關的運行指標在目標值范圍內。同時，要求在保證安全運行的條件下，盡可能提高反映產品質量與效率的運行指標，盡可能降低反映產品在加工過程中消耗的運行指標，實現運行優化。然而，過去的控制理論與控制系統設計方法的研究，都假定可以獲得理想的控制回路設定值，集中在提高反饋控制的效果，忽略偏離理想設定點的反饋控制不能實現系統的良好運行。

傳統控制理論與方法，要求被控對象可以用確定性的線性模型描述，由于難以精確建立實際中被控對象的模型，很難應用傳統的以數學模型為基礎的控制理論和方法。有很多學者針對具體過程特性和行業背景，通過引進各種智能技術，如專家規則控制、神經網絡控制、模糊控制等基于數據的控制方法卻在具體行業中得到有效應用。

3.仿真實驗要充分真實體現復雜過程特性

仿真技術是以建模、控制盒仿真理論為基礎，以計算機系統，物理效應設備及仿真器為工具，根據研究目標，建立并運行模型，對研究對象進行人事與改造的一門綜合性、交叉性學科。復雜工業過程通常具有強非線性、工況變化頻繁、關鍵工藝參數不能連續測量等綜合復雜性。由于復雜的控制算法難以直接在實際控制系統上進行驗證，為降低實驗成本并且滿足反復實驗的要求，有必要提高仿真技術，設計和開發相應的仿真實驗平臺。

開發仿真實驗平臺的目的，是為了對上述的復雜過程模型和控制算法進行工程驗證研究。為了避免直接在現場中實驗的風險，同時根據實驗結果來改進模型和控制算法，提高算法的安全性和可用性，節約控制算法在現場的調試時間，降低控制軟件的開發成本，提供一個控制系統從提出到論證、設計、實施和改進所需的工業驗證平臺，搭建的仿真實驗系統應當盡可能真實地模擬現場投運情況，這樣就要求采用過程建模技術，盡量建立能夠反映實際過程特性的模型，在此基礎上進行的控制算法研究才有實際意義。

4.深入研究開展智能計算技術

控制工程專業的研究生面臨被控對象大大復雜化，而復雜系統很難精確建模，對此類系統不能過多地建立在嚴密解析的基礎上。現有的控制理論與方法，經常要求被控對象可以用確定性的線性模型描述。智能計算技術并沒有類似于最優控制那樣嚴密確切的理論，常由基于經驗、推理、直觀等一些規則組成，無須建立精確的數學模型，并且在控制過程中可以不斷完善和學習。

智能計算技術包括神經網絡、模糊邏輯、群智能、多智能體、進化計算等。神經網絡和模糊邏輯的研究已經有較長的歷史和豐富的研究成果。知識獲取和學習能力是智能計算技術的特點，利用機器實現對知識的自動獲取，或從數據中獲取知識，從大規模的信息中提取有用信息等。由于基于數據和知識的智能技術可以避免解析法要求詳細、準確的定量數學模型，智能技術已稱為科學發展的必然，也是時代的要求。

三、結論

由于控制工程專業的研究生面臨的被控對象范圍增大，被控對象的特性也變得越來越復雜，使得控制工程領域的理論及應用研究正處在一個史無前例的拓展進程之中。早期的控制理論已經遠不能滿足當前社會實踐的需求，因此迫切要求控制工程學科的研究生培養和研究內容進行改革和拓寬。本文從過程建模、過程控制、仿真實驗、智能計算技術幾個方面進行知識拓展研究。

［1］孫建平，苑一方.復雜過程的多模型建模方法研究［J］.儀器儀表學報，2011，32(01):132 －137.

［2］柴天佑，丁進良，王宏.復雜工業過程運行的混合智能優化控制方法［J］.自動化學報，2008，34(05):505 －515.