復雜不確定性系統的仿人智能自主控制策略

摘要：為克服液壓機械系統底層控制中因復雜不確定性導致的難以實施精準控制難題，文章探討了基于仿人智能的自主控制策略，總結了底層控制中存在的控制難點與控制作業過程的控制論特性，討論了液壓機械復雜不確定性作業過程的控制策略，并基于自動控制理論與仿人智能控制思維的融合，研究并構造了與液壓機械作業過程控制特性相匹配的基本控制算法。然后以挖掘機液壓機械系統的一階不確定性過程控制為例，采用仿真實驗驗證了仿人智能自主控制策略的合理性、可行性與有效性。仿真對比研究結果表明，采用基于仿人智能的控制是對具有復雜不確定性的液壓機械系統底層實現自主控制的首選策略。

關鍵詞：液壓機械系統；底層自主控制；復雜不確定性；仿人智能控制策略

中圖分類號：TP273"" 文獻標識碼：A"" 文章編號：1009-3583（2024）-0065-05

Autonomous Control Strategy Based on Human Simulated Intelligence for Complex System with Uncertainty

XIAO Qi-hong

（Department of Computer Science， Guizhou Institute of Aerospace Technology， Zunyi 563006， China ）

Abstract： In order to overcome the difficulty of implementing precise control due to complex uncertainties in the underlying control of hydraulic mechanical systems， this article explores an autonomous control strategy based on humanoid intelligence， summarizes the con- trol difficulties in the underlying control and the control theory characteristics of the control operation process， discusses the control strategy for complex and uncertain hydraulic mechanical operation processes， and integrates automatic control theory with humanoid intelligent control thinking， analyzes and constructs basic control algorithms that match the control characteristics of hydraulic machin- ery operation processes. Then， taking the first-order uncertainty process control of the excavator hydraulic mechanical system as an example， simulation experiments were conducted to verify the rationality， feasibility， and effectiveness of the humanoid intelligent au- tonomous control strategy. The results of simulation comparison research indicate that using control based on humanoid intelligence is the preferred strategy for achieving autonomous control at the bottom level of hydraulic mechanical systems with complex uncertainty.

keywords： hydraulic mechanical system; autonomous control of bottom layer; complex uncertainty; human simulated intelligent control strategy

眾所周知，挖掘機是以油作為能量介質，借助液壓泵將機械能轉換為壓力能，從而實現對各種控制功能的動作驅動。盡管隨著電液技術的迅速發展，挖掘機控制方法有了顯著進步[1]，但是仍然局限于傳統 PID 控制器及其變形控制的研究（如 PID 控制器已與多種智能技術融合，出現了多種具備自學能力的智能 PID 控制器）。挖掘設備主要工作于野外惡劣環境，其工況極其復雜，控制是一個充滿復雜不確定性的過程，而 PID 控制是基于嚴格數學模型的范式控制，諸多不確定性因素的存在往往導致其難以數學建模實施精準控制，因此，控制方法應采用有別于傳統的 PID 控制[2-5]。例如，在運算方面表現為數量與邏輯的混合運算，這意味著在控制模式上要完全實現自主控制，也即在無人干預的情況下實施控制，就必須將感知、決策、協同和行動方面的能力進行有機整合，在非結構化環境下自我決策，以實現無人干預的自主控制[6-9]。在上述背景下，采用 PID 控制策略是不可能實現精準自主控制的。因此，有必要探索與復雜不確定性過程控制論特性相匹配的控制策略，以應對傳統 PID 控制所面臨的嚴峻挑戰。

1過程控制論特性與控制策略

1.1 控制困惑及控制論特性

PID 控制是基于數學建模的范式控制，對于復雜不確定性過程面臨諸多挑戰。（1）復雜不確定性過程的結構化程度較差，挖掘機的挖掘對象或是砂石松土的混合物或是大小不均的堅硬石塊，很難進行數學描述，采用 PID 控制難以實現挖掘過程的精準控制。（2）過程狀態變量之間往往存在關聯耦合，因受不確定性因素影響，很難實施控制回路之間的解耦，將其分解為獨立的單輸入與單輸出系統進行控制。（3）復雜不確定性過程往往伴隨著強非線性特性，通常難以采用數學方法進行量化處理，更難以進行嚴格的數學描述，不可能實施優化控制。（4）系統結構復雜，其系統參數隨時間變化，時延和時變特性是未知的，因此很難采用 PID 對具有不確定性參數的系統進行控制。（5）系統或者過程所處的外部環境復雜多變，具有諸多不確定性，如不可預測性、多樣性和隨機性。

PID 控制面臨上述控制困惑和過程控制論特性，不可能采用基于經典或現代控制理論的控制策略實現有效準確的控制。在實際控制工程中，系統或者過程的模型結構和控制參數是在一定范圍內變化的，很難事先準確預測，也不完全具備對過程的先驗知識，屬于病態結構。因此，采用傳統控制方法不可能取得預期的控制效果以及實現預定的控制目標。這是因為傳統的 PID 控制任務單一，輸入與輸出關系簡單，過程輸入與輸出不接受非定量的信息數據，控制過程也不與外部環境進行信息交換，其控制功能存在嚴重的局限性。為適應控制條件的變化，控制系統必須具備自動規劃能力、決策能力，以及集成其他控制模式的能力，這樣才能采用多模式控制策略實施對不確定性系統或者過程的控制。因此，有必要探索與過程控制論特性相匹配的控制策略。

1.2 控制策略的選取

面對以上控制論特性的挑戰，采用智能控制策略無疑是最為明智的選擇。因為智能控制無需人工干預，其控制器就可以自主驅動智能機器實現控制目標，但每一種智能方法都局限于某些特定的應用領域。例如，模糊邏輯控制雖然不需要數學建模，但對復雜過程由于受不確定性因素影響很難確定隸屬函數，其控制規則難以覆蓋所有工況。因此，模糊邏輯控制策略并不適用于所有的控制過程。其他智能控制方法如學習控制等，對復雜過程中的不確定性因素處理也沒有很好的解決方案。總之，用一般智能控制策略解決復雜不確定性過程控制的理由是不充分的。所謂智能，是指人類對事物觀察、學習、理解和識別的能力，也就是指人們理解和識別各種事物適應性行為的能力。仿人智能控制器 HSIC （Hu- man Intelligent Controller）的基本特征是在控制功能和控制結構方面模仿控制專家的控制行為[10，11]。例如，一個優秀的車輛駕駛員可以根據實際行駛軌跡和期望行駛軌跡變化情況不斷地修正車輛行駛方向，以確保車輛在期望的軌跡上行駛。正是人（控制器）這個自主的控制系統保證了車輛的正確行駛方向。這非常貼近實際控制工程的實際應用場景，也無需建立精確的數學模型。HSIC 控制本質上是基于輸入和輸出描述的黑箱模型控制策略，它可借助廣義的知識控制模型描述其過程特性，將人們的控制經驗、控制技巧、控制智慧等轉化為求解控制問題的算法。因此，對于復雜不確定性系統或者過程的控制采用基于HSIC 的控制策略是可取的和有效的。

2 控制模型和控制算法

2.1 控制模型

圖1模擬了人類智能的控制行為，它按照智能控制論解決控制問題的思路，采用基于知識的廣義控制模型對系統控制行為進行描述。其突出優點是，這種控制模型易于將人類積累的控制經驗，采用人工智能中的產生式規則描述。只要系統或者過程的運行狀態與期望的控制狀態產生偏差，控制器就要實施控制強迫其回復到系統或者過程期望的控制狀態。事實上，圖1就是一個基于廣義控制模型的負反饋自動控制系統。該控制模型并不關心系統或者過程產生誤差的原因，關心的僅僅是系統或者過程產生的誤差和誤差變化的趨勢。在圖1中，被控過程的輸入為 U （t），輸出為y （t），系統輸入為r （t），系統誤差為 e （t）= r （t）- y （t），假設 e 為系統誤差隨時間的變化，那么上述所有物理量都是物理可檢測的。由此可構造出 - 誤差相平面，按照自動控制理論，根據狀態在誤差相平面所處的位置就可識別出系統應當采取的控制模式。

系統誤差相平面如圖2所示，e 為橫坐標，e 為縱坐標。在gt;0的情況下，又可分為gt;0或lt;0兩種情況，如果 egt;0，那么有 egt;0，于是系統運行于誤差相平面的第Ⅰ象限，顯然誤差呈現增加趨勢，也就是說，誤差將變得越來越大，因此可以選擇負反饋比例控制模式進行控制；如果èlt;0，則 e e·lt;0，于是系統運行于誤差相平面的第Ⅳ象限，系統誤差 呈現減少趨勢，顯然可以選擇保持控制模式，因為在這種情況下，誤差 e 會自動趨于零。類似地，在 e0的情況下，也可分為gt;0或lt;0兩種情況，對于lt;0，有e gt;0，那么系統運行于誤差相平面的第Ⅲ象限，誤差呈現出增加的趨勢很明顯，因此可以選擇比例控制模式；對ègt;0，有 e lt;0，那么系統運行于誤差相平面的第Ⅱ象限，顯然誤差e 呈現出減少的趨勢，因此應當選擇保持控制模式，與上述雷同，誤差 e 會自動趨于零。上述分析表明，控制模式的選取是可以根據系統誤差及其變化率進行控制模式識別的。

2.2 HSIC 控制器特性

2.2.1靜態特性

靜態特性如圖3所示，圖中e 為過程誤差，坐標 u 為控制器的輸出。如果用0ABCDEFHGI 的軌跡表示系統狀態的轉換過程，那么在調節和控制過程中，每個運動軌跡段都有其與之對應的控制模式。以0A 段為例，假設 為比例系數，控制器輸出為= p ，特征為gt;0，gt;0，gt;0，運行范圍為區間[0， en1]。達到 en1后，系統進入 AB 的抑制控制部分，如 P 被替換為 Pk 并且≯1，則控制輸出是按比例減少到 B 點，直到01= p n1。點 B 之后，控制器的輸出保持不變，進入BC 段，控制模式保持不變，e 從 en1逐漸減小到0。后續 CDEF 和 OABC 的軌跡分析相似，只是變化方向與前一個控制周期的動作方向相反。同樣，也可以對軌跡的 FHGI 段進行分析，經過若干個控制周期的控制，系統狀態最終達到穩定的狀態。

2.2.2動態特征

HSIC 動態特性如圖4所示。研究圖4中Y、e 和 e·之間的關系，有助于找出控制過程中應當遵循的控制規律。現以響應曲線0ABCDEFGH 為例，分析各個控制段的誤差特征，例如，段0A 為（e gt;0，特lt;0），AB （e lt;0，e·lt;0），BC（e lt;0，特gt;0），CD （e gt;0，特gt;0），DE（e gt;0，特lt;0），EF （e lt;0，elt;0），FG（e lt;0， egt;0），GH（e gt;0，e·gt;0）等等，在響應曲線的不同控制段其控制策略是不同的。例如，如果 e lt;0，對 egt;0而言，在e lt;0情況下，按照相平面分析，應當選擇保持控制模式；對 elt;0而言，在e特gt;0情況下，應當選取比例控制模式。上述動態、靜態特性的分析表明，HSIC 控制策略就是模擬人的思維模式與思維過程，根據不同的誤差特征模式采用不同的控制模式。

2.3基本控制算法

基于圖1和圖2，由自動控制原理可知：當e e·gt;0、 ORe=0和e≠0時，過程誤差絕對值Abs（e）一定會出現增大的趨勢，為了減小誤差，系統必須實施控制；當 e 特lt;0、ORe·=0和 e ≠0時，過程誤差絕對值 Abs （e）必然出現下降趨勢，系統可以實行保持控制模式，因為最終過程誤差會自動趨近于零。以上表明，當 e=0和e·≠0或 e e gt;0時，應選擇負反饋的比例控制模式。當 e=0、AND e ≠0、ORe e·lt;0時，過程控制可以選擇保持控制模式。綜上所述，基本控制算法可以總結歸納為：

其中，U 為控制器輸出，k 為抑制系數，KP 為比例系數。em、j 和e 分別表示最大誤差的第j 個峰值和誤差變化率。

上述基本控制算法，事實上就是通過交替地實施開環和閉環控制以實現對被控過程的控制。這里值得注意的是：如果被控制過程更為復雜，基于基本控制算法，借助產生式規則，同樣可將控制專家知識和現場操作者的實踐經驗以及控制智慧等嵌入基本控制算法中，以構建完全匹配于復雜不確定性過程控制論特性的控制算法[12]。

3 仿真實驗及其結果分析

3.1仿真實驗

挖掘機的挖掘動作本身就是一個復雜的不確定性過程，其過程特性可以粗略地用一階慣性加一個純時滯環節進行等效描述。假設挖掘過程模型為 w （S）= K e- s/（ s +1），式中k 為增益，為純滯后時間， T 為時間常數。

挖掘過程中各種復雜不確定性因素對控制效果的影響，在仿真實驗過程中可等效為過程模型控制參數的變化加以模擬，為方便分析，現選取K =1，=1.2和=2，則過程控制模型為：W（S）=e-2s/（1.2S +1）。

為便于比較 HSIC 控制策略的控制效果，仿真實驗過程中以 PID 控制響應為參照，然后將 HSIC 控制的響應與 PID 控制的響應進行比照，考察兩種控制策略的魯棒性能，魯棒性強的控制策略就是可取的。

仿真實驗在 MATLAB 環境下進行，借助 Simu- link 首先搭建仿真模型，然后基于單位階躍輸入考察不同控制策略的過程響應。圖5所示為 PID 和 HSIC 控制兩種控制算法的單位階躍過程響應，比較兩條響應曲線可知，HSIC 控制策略在上升和調整時間以及平穩性方面明顯優于 PID 控制，可見 HSIC 控制策略控制品質比 PID 更好。

如果將復雜不確定性因素影響等效為控制過程中控制參數的改變，那么對控制問題的研究就可轉換為控制參數變化時控制策略的魯棒性能研究，其中，魯棒性強的就是優秀的控制策略。

3.3.1傳遞函數中的控制參數K 由1變到2，其他條件均不變，兩種控制策略的單位階躍響應如圖6所示。比較其響應可知，當K 改變時，PID 控制將產生大幅度的超調量，但 HSIC 控制無超調產生，上升快和調整時間短而且調節平穩性好。

3.3.2傳遞函數中的 T 由1.2s 變為10s，其他條件均不變，其單位階躍響應如圖7所示。從圖7可知，PID 控制超調略有增加，在上升和調整時間以及調節平穩性方面明顯不如 HSIC 控制好，而 HSIC 控制的響應幾乎沒有發生變化。

3.3.3傳遞函數中的由2s 變到4s ，其他條件均不變，其單位階躍響應如圖8所示。分析圖8可知，HSIC 控制的過程響應幾乎沒有發生變化，僅僅產生了一個微小幅度的波動，在響應時間上推遲了2s，但是 PID 控制產生大幅度的波動與超調。在上升和調整時間以及調節平穩性方面明顯不如 HSIC 控制策略好。

3.3.4在被控過程中增加一個慣性環節1/（2s+1），也就是系統內部結構發生變化，即過程階次由一階變為二階過程時，其他條件均不變，其過程的單位階躍響應如圖9所示。分析圖9可知，PID 控制存在嚴重超調，在上升和調整時間以及調節平穩性方面明顯不如 HSIC 控制策略好，而 HSIC 控制的過程響應幾乎沒有發生變化，并且也無超調量產生。

3.3.5在其他條件不變、t =4.5s 時，對控制過程施加一個脈寬為0.5s、幅度為0.5的外部脈沖干擾，兩種控制策略的單位階躍響應如圖10所示。對比分析圖10可知，在極其惡劣的外部環境干擾下，HSIC 比 PID 控制策略具有更好的抗干擾性能。

3.2仿真實驗結果分析

分析對比研究圖6-圖9中兩種控制策略的單位階躍響應變化可知，在響應上升時間、調節時間、運行平穩性和是否存在超調等方面，HSIC 比PID 控制策略具有更好的控制品質。加入外部嚴重干擾后的過程單位階躍響應的對比表明，HSIC 比PID 控制具有更強的魯棒性能（如圖10所示）。實驗仿真表明，盡管在各個控制參數改變時，HSIC 和PID 兩者在無穩態誤差方面差別不顯著，但PID 控制存在明顯的超調，而HSIC 控制的響應幾乎沒有什么變化。在上升時間與調整時間指標方面，HSIC 比 PID 控制具有更好的控制品質指標。由上述結果分析可知，對復雜不確定性過程的控制，HSIC 控制策略具有更優秀的控制品質。

4結論

上述理論分析與實驗仿真均表明，HSIC 控制策略具有很強的自適應和魯棒性能，對復雜不確定性過程實現自主控制而言，應當列為首選自主控制策略。此外，在大量現實控制工程實踐中，HSIC 控制策略無需建立精確的數學模型，算法中的所有物理量都是物理可檢測的，非常貼近控制工程實際，一旦控制系統運行狀態與期望控制狀態產生偏差，就可自主地實施強制性的控制使其回復到期望的控制狀態。因此，基于 HSIC 的自主控制策略是一種值得參考借鑒的控制策略。

參考文獻：

[1]羅娜娜，李廣.基于非線性PID 控制的挖掘機液壓系統穩定性研究[J].中國工程機械學報，2019， 17（4）：367-370.

[2]周國清.復雜底層過程控制中基于仿人智能的融合策略[J].四川兵工學報，2014，35（8）：101-104.

[3]畢建朝.仿人智能控制在 SBR 污水處理系統中的研究與應用[D].重慶：重慶大學，2012.

[4]王靜，肖超.復雜過程的多模態仿人智能控制策略[J].微電子學，2013，43（2）：221-224.

[5]李瑞婷，巫茜，劉步青.原水投藥凈化不確定性復雜過程的多模態控制[J].遼寧工程技術大學學報（自然科學版）， 2016，35（2）：211-214.

[6]沈碩，戴義保.工業現場無人值守控制系統的實現[J].南京理工大學學報，2002，26（12）：71-74.

[7]周建軍.煤礦井下膠帶輸送機的無人值守控制系統[J].機電工程技術，2017，46（9）：101-103.

[8]陳艷武.無人值守換熱站智能控制系統的研究[D].大連：大連海事大學，2013.

[9]李磊.綜采無人值守工作面液壓支架間架電液控制器主控系統的研究[D].太原：太原理工大學，2010.

[10]李祖樞，涂亞慶．仿人智能控制[M]．北京：國防工業出版社， 2003.

[11]王耀南，孫煒.智能控制理論及應用[M].北京：機械工業出版社，2008.

[12]李會軍.城市生活垃圾焚燒的智能控制策略[J].重慶理工大學學報（自然科學），2019，33（1）：64-68.

（責任編輯：曹先東）