黄琳院士,谈供水泵站的特级调节战略

2019-09-18 作者:奥门金沙手机娱乐网址   |   浏览(169)

研究人的智能的形成可以看到这是由人的学习过程而形成的. 人类的学习一般可以分为两类, 首先是继承性的学习, 这是指人从小开始通过大人的说教、上学、读书以相当快捷的速度将父母、他人乃至社会长期积累得到的经验、知识等变成自己的认知资源. 这种学习好坏的标志常表现为记性好、想得起来、举一反三乃至用时就能想起. 这种继承性学习在计算机上则归结为建立专家库、数据库、知识库和规则库等. 在这些库中存储了所需要的各种资源, 而作为人工智能必须能灵活方便地从这些庞大的存储中找到自己所需的信息, 这就要求系统具有搜索、对比、归类、分析、比较、寻优等功能, 以便快、全、准地寻求相关信息和具有一定的信息加工能力, 同时对有用的信息分析、存储和更新等.

专家控制系统(ECS),由于特征信息的采集、特征信息的表达以及完备知识库的建立实现难度大,采用专家控制系统也不一定是—个好的选择。

仿真领域已经有数十年的历史积累, 而针对智能控制的依然不多, 针对智能控制的仿真平台的建立对于有效地将人工智能用于控制领域具有不可替代的极重要的作用, 这个仿真平台应该与传统的仿真平台能相容以使在实际应用中实现优势互补.

5.仿人智能控制。仿人智能控制(HSIC)经过20年来的努力,已形成了基本理论体系和较系统的设计方法,并在大量的实际应用中获得成功。其主要内容是总结人的控制经验,模仿人的控制思想和行为,以产生式规则描述其在控制方面的启发与直觉推理行为。由于HSIC的基本特点是模仿控制专家的控制行为,因此它的控制算法是多模态控制的,是多种模态控制间的相互交替使用。该算法可以完美地协调控制系统中诸多相互矛盾的控制品质的要求。比如,鲁棒性与精确性,快速性与平稳性等。

现代工厂常常是一个体系在运转, 而现代的战争已经成为不同体系之间的对抗. 一个体系常常是很复杂的, 它是由多种模式构成的多重结构, 从时间与空间上都会呈现出多尺度的特征, 由于大的体系必然带来大量传感器的使用和通信成为系统中信息传递所必须的形式, 传感器的大量使用带来信息丰富的同时必然提出如何充分利用丰富的信息而提炼出最有价值的信息并经过分析与加工以产生控制、管理与决策的命令, 通信的进入使得原有控制系统中信息传递被假定为不受任何通道限制这一条件受到了挑战, 这是因为通过信道通信方式获取信息必然要受到信道容量和传递方式两方面的影响, 而这些影响在现代战争和现代工厂体系中是不能忽视的, 这表明这种管理决策、控制与通信一体化的体系, 无论是单个体系的正常运行还是体系间的对抗都将面临新的多方面的挑战.

由此可见,用传统的方法不能对这类系统进行有效的控制,必须探索更有效的控制方法。

人工智能是一个很大的领域

在城市建设的发展过程中,智能建筑已成为人们追求良好居住条件的一个标准,而供水泵站是智能建筑群域不可缺少的环节,合理选择水泵的控制方式,不仅可以降低工程造价,还能节能。

图片 1

2.控制中存在的问题。上述特性,属于不确定性的复杂对象(或过程)的控制问题,传统控制已经无能为力,主要表现在:

图片 2

随着自动化程度的不断提高,运动控制系统可以采用以前很难实现的复杂算法,控制性能也有了很大的提高。运动控制系统中控制器的智能化,为解决那些用传统方法难以解决的复杂系统的控制提供了有效的理论和方法。运动控制方法较为成熟的有:PID控制算法、人工神经网络控制、模糊控制、专家控制、仿人智能控制等。

2015年在12届人大三次会上, 李克强在政府工作报告上讲:“人工智能技术将为基于互联网和移动互联网等领域的创新应用提供核心基础,未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合, 推动新一轮的信息技术革命, 势必成为我国经济结构转型升级的新支点."一方面是国家对人工智能的关心与重视, 另一方面是控制科学发展面临的巨大挑战, 这两者的碰撞意味着发展智能控制的大好时机的到来, 我们应紧紧抓住这个机遇, 迎头创新, 使我们能在新的一代控制科学发展上占据制高点, 从而在一些原始创新上取得决定性的进展.

3.控制要求。无论采用什么样的控制手段,都要满足用户用水需求(即维持一定的水压)、保护环境不受噪声污染,此外还要考虑节能。因此,控制要求可以确定为在满足用户对供水要求的前提下,尽可能减少环境污染和节约能源。

智与能这两个词在中国早就出现, 但智能这个词只是近30年才有的. 按字面解释, 智指巧用而能则指能耐, 泛指功能、技能与能力.

2.人工神经网络控制。人工神经网络起源于20世纪40年代,它从某些方面反映了人脑的基本特征,但并不是人脑的真实描写,而只是它的抽象、简化和模拟,网络的信息处理由神经元间的相互作用来实现。神经网络控制的关键是选择一个合适的神经网络模型,并对其进行训练与学习,直至达到要求为止,即寻找最优的神经网络结构与权值。然而,神经网络的学习,需要一定的实验样本,这些实验样本也必须从已知经验和事先的实验中获得。同时,神经网络的训练与学习过程,有时较为复杂,需要运行成千上万次才能获得最佳结构。有时获得的是一个局部最优解,而不是全局最优解,因方法的局限性,同样也难于对所讨论的对象实现有效的控制。

(2) 这些智能算法常常与系统的复杂性研究有关, 开始于20世纪80年代的关于系统复杂性的研究, 其基本思想为超越还原论这些对研究工作长期的影响. 其讨论的对象是一定量非线性元件之间由于相互作用而出现的例如系统无序到动态有序的现象或从混沌到有序的现象、 物质进化过程的不可逆性及其机制、复杂系统的适应性特征等. 对这些现象的出现所进行的研究在方法论上与传统的数学、物理等科学研究不同, 需要一种新的思维方法和理论, 而这些方法与智能算法有时有相当好的契合.

环境干扰的未知性、多样性和随机性。

千里之行始于足下, 面对如此复杂的系统控制问题, 不可能存在一个一劳永逸的良方妙药, 而必须针对每一个科学与技术问题逐个解决, 在此基础上再加以集成, 而在集成的过程中也会重新对原问题的解决提出新的挑战, 这自然是一个十分困难的任务, 同时也给予我们足够的发展空间去克服由于可能出现崭新局面而带来的困难.

系统参数的未知性、时变性、随机性和分散性;

上述分析表明控制科学的进一步发展必须在数学与计算机这两个支撑上更加依赖计算机的作用, 不仅将计算机作为复杂计算的工具, 而且应充分发挥计算机在人工智能上的巨大前景, 使之介入到日益复杂的控制系统设计、 运行、监控中来.

模糊控制是基于模糊推理和模仿人的思维方法,对难以建立数学模型的对象实施的一种控制。它用模糊数学中的模糊集合来刻画这些模糊语言,并用产生式规则,即“假如条件成立则执行”语句予以实现。模糊控制技术的应用在国内已取得明显效果。

模糊控制在相当一段时间里受到非议的主要原因是他们说不清什么系统用常规控制做不了只能用模糊控制, 这实际上表明对于模糊控制的优点的阐述人们还常停留在思辨式的层次上进行表述, 而缺乏科学意义下的检验. 因此对于智能控制必须进行扎实的研究工作, 杜绝口号式、想像式或思辨式分析作为科学依据的做法, 真正发掘其优缺点与适用条件.在控制系统设计进而运行上则应将智能的与常规的控制方法结合起来实现优势互补, 我们应认清一点, 并不是所有的智能技术都能用于控制, 也不是所有控制都一定要用智能技术.

目前,在现代的供水泵站中为了节能都普遍采用了变频器,为提高控制品质创造了良好条件。

传统的控制的做法总是在建模后根据模型与对系统的要求等设计控制器, 然后将控制器接入闭合系统后再进行适当分析、仿真和调试后, 系统就可以进行正常工作了, 但由于系统越来越复杂, 不少影响系统运行的因素并不是事前能够估计的, 经常存在的各种干扰有时会因突发的原因而对系统产生较大的影响, 这就使得一种不断建模、验模与控制过程同时进行的控制系统成为必然.

以模糊控制理论为基础的模糊控制器能够实现对复杂工业过程的控制。其控制品质和效果还是令人满意的,是一种可供选择的策略。

系统地介绍了人工智能的起源、发展和研究现状, 并从控制的角度, 阐述了人工智能在控制系统中应用时可能遇到的问题以及带来的挑战和机遇.

半结构化与非结构化问题。传统控制理论无法解决供水系统中的半结构化与非结构化问题。

北京大学,教授

系统严重的非线性;

中国科学院院士

高度非线性。在供水系统中有大量的非线性问题存在,传统控制理论中,非线性理论远不如线性理论成熟,因方法过分复杂而难以应用。

北京大学,副教授

不确定性问题。供水系统中的很多控制问题具有不确定性,用传统方法难以建模,因而也无法实现有效的控制。

图片 3

控制策略选取与被控对象特性是紧密相关的,错误或不当的控制策略往往会导致控制效果极差,甚至导致系统失控。

针对日益复杂的控制任务, 人工智能的进入有可能弥补原有控制方法的不足, 但人工智能与智能算法毕竟对控制来说仍然是一个需要认真研究的对象, 既不能拒之不用也不能一哄而上, 其中一些问题是必需认真考虑的.

人工神经网络,因方法的局限性,同样也难于对所讨论的对象实现有效的控制。

30多年前关肇直和许国志两位先贤针对当时流行的大系统热就明确地指出: “系统规模大不是问题的实质, 从理论上讲规模大的线性系统与规模较小的线性系统并无本质上的差异, 问题在于非线性, 而特别值得研究的是上层由运筹学决定而下层由动力学确定的复杂系统".

智能控制已广泛应用于工业、农业、军事等多个领域,已经解决了大量的传统控制无法解决的实际控制应用问题,呈现出强大的生命力和发展前景,随着基础理论研究和实际应用的扩展,智能控制将会实现控制领域的一个大的飞跃。

例如20世纪末控制理论上兴起的切换系统, 人们希望这种理论能解决有关电网稳定运行的问题, 对于发生在电网中可能的切换无法预知, 于是这类稳定运行的问题在理论研究上就归结为多个系统存在公共 Lyapunov 函数的问题, 而后者只有阶次很低时才有明确的结论, 而这刚好是阶次很高的电网所无法接受的.

可靠性问题。常规的基于数学模型的控制问题倾向于是一个相互依赖的整体,对简单系统的控制的可靠性问题并不突出。而对供水系统,如果采用上述方法,则(下转第18页)(上接第16页)可能由于条件的改变使整个控制系统崩溃。

另一种学习过程是一种自主式的学习过程. 这个过程形成智能是通过不断迭代改进形成的. 它通过自身的感知, 对确定要做的事 (或目标) 进行分析确定达到目标的策略. 将每次结果进行记忆并与原有的进行比较以便更新, 这是一个不断改进以达到目的的过程. 这种学习过程对人类来说有些是通过大脑的思想过程, 有些只是在神经系统乃至神经系统的下游就可以完成, 甚至有些可以形成一种反射机制. 虽然人类社会经过几千年的历史积累已经形成对物理、化学、生物与生态的很多基础性认识并以继承性学习的方式传承下来, 但这些自主式的学习可以完全不依赖于这些积累而自主从无到有地学习并形成一种智能. 例如杂技团的演员在顶竹竿时, 他一般并不清楚顶竹竿的动力学在一些合理的假定下可以用倒立摆的方程进行描述, 自然他控制竹竿的动作也不是基于倒立摆方程设计的, 而是通过反复训练学习以掌握顶竿的本领.

仿人智能控制,专家分别采用HISC与FC控制策略对不确定性复杂对象(或过程)作过仿真研究,虽然两者都是基于误差和误差变化率等来计算控制量,但因系统复杂、不确定性因素多、关联性特强(强耦合)的特点,经现场试验比较,HISC与FC都能实施有效控制,但控制品质与鲁棒性前者更好,因此采用HSIC完成对不确定性供水系统的控制,是—种较理智的选择。

(2) 由于智能的基础并不在于有确定模式下的数学推演, 而是同其他自然科学一样, 实验在其中起到重要的作用, 这种实验首先是在计算机平台上的实验, 这表明智能控制理论从方法论上应与传统的控制理论研究有所区别, 即不能依仗数学的严格证明而把数学的作用主要用于算法的设计上, 对于智能控制的方法在提出思想以后首先是设计算法, 然后在计算机上作信息层次上的实验, 用实验来验证理论思维的正确性.

1.供水系统特性。针对特定对象,用户用水最突出的特点是随机性,哪个用户用水、用多少水、什么时候用水等,都具有很大的不确定性。从宏观角度考虑,供水系统特性主要表现在以下几个方面:

产生上面的问题并不能责怪理论数学与从事理论研究的数学家, 因为任何一门学科的能耐都是有局限的, 各个学科都有其成为学科的框架并有其能解决问题的范围, 如果对学科提出超越其能起作用范围的问题和要求, 那只应反省自己对该学科的定位是否恰当.

四、控制策略的选取

控制科学与技术是针对自动控制系统研究、设计、实验、运行中形成的科学与技术, 是自动化科学与技术的一个重要部分. 随着科学的发展和技术的进步, 系统的复杂程度越来越高, 工作要求也日益多样化、综合化与精确化, 这样越来越多的先进的技术特别是信息技术应用于控制系统, 这使得控制系统在很多情况下不再是原有的结构相对简单、控制目标单一的以反馈为主要特征的单回路控制系统, 原有的控制理论、方法在新的形势下不能适应要求, 这为人工智能的方法与技术更多地融入控制系统中来并发挥日益重要的作用创造了条件和提供了机遇.

系统滞后的未知性和时变性;

就控制而言我们宜于将智能的理解更广一些, 这是基于从信息科学的层次.控制器的设计本身是控制算法的设计, 因而智能控制的核心自然是指具有智能特征的控制算法, 而算法自然应包括仿人思维的和自然界演化的. 人工智能在英文中常用 artificial intelligence, 就是指用人造的办法实现的智能, 在今天它主要体现在用计算机来实现这一点上. 因此智能控制其核心当是以人工智能的方法来实现的控制算法.

1.PID控制。PID控制是最早发展起来的、应用领域至今仍然广泛的控制方法之一,它是基于对象数学模型的方法,尤其适用于可建立精确数学模型的确定性控制系统。但对于非线形、时变不确定性系统,难以用常规的PID控制器达到理想的控制效果。而且,在实际生产中,由于受参数整定方法繁杂的困扰,常规的PID参数往往整定不良、性能欠佳。

(3) 建立一个适合于智能控制研究的仿真平台. 搞控制理论的人常对什么叫仿真产生误解, 认为按方程式设计好控制器然后闭合系统利用计算机算一个例子就叫仿真. 实际上仿真是指建设一个与真实世界相仿的体系, 在这个仿真体系上进行仿真运算可行的控制器在接上真实的控制对象后就应有同等的效果, 即仿真平台是模仿真实场景的用计算机构成的平台, 在仿真平台中某些单元在用真实物理部件代替后也应可以正常工作, 因此仿真与实验实际上包括计算机仿真、半物理仿真及实际接入系统的实验. 在控制工程中使用常规控制的方法时, 这一系列仿真与实验已经配套成熟, 在计算机仿真层次上也有专门的仿真机. 对于智能控制, 类似的仿真装置也应建立起来. 对于仿真设备, 首先要求的是建立仿真体系以保证实时性, 并同时能对仿真结果的有效性有评估的标准与对应的算法, 而且会进一步指出所用控制器改进的方向.

三、供水泵站特点与其控制要求

经典控制与智能控制

供水系统复杂性问题。复杂系统中各子系统间关系错综复杂,各要素间高度耦合,互相制约,外部环境又极其复杂,传统控制缺乏有效的解决方法。

(1) 控制的传统方法已经发展了近百年历史, 围绕这个方法已经发展了成套的理论、方法及仿真实验的手段, 这是一笔宝贵的资源, 而且过去的历史已经证明在很多相对简单的情况下也是行之有效的. 从控制应用的角度考虑问题应该是谁好用谁, 但为了明确谁好这一点, 则应该在相对纯化的环境下认真研究智能控制与传统控制各自的优缺点与适用条件以便做到优势互补.

3.模糊控制。实际工程中,一个非常熟练的操作人员,能凭借自己丰富的实践经验,通过对现场的各种现象的判断取得较满意的控制效果。如果将凭经验所采取的措施转变成相应的控制规则,并且研制一个控制器来代替这些规则,也可实现对复杂工业过程的控制。实践证明,以模糊控制理论为基础的模糊控制器能够完成这个任务。

2014年6月9日, 习近平在两院院士大会上指出: “由于大数据、云计算、移动互联网等新一代信息技术同机器人技术相互融合步伐加快, 3D打印、人工智能迅速发展, 制造机器人的软硬件技术日趋成熟, 成本不断降低, 性能不断提升. 军用无人机、自动驾驶汽车、家政服务机器人已经成为现实, 有的人工智能机器人已具有相当程度的自主思维和学习能力⋯⋯我们要审时度势, 全盘考虑, 抓紧谋划, 扎实推进."

二、运动控制的主要方法

人工智能为控制带来的机遇和挑战

变频器里一般都有PID控制模块,但对不确定性的供水复杂系统,用PID算法并不恰当。

杨莹

系统各变量间的关联性;

与此同时由于计算机技术的突飞猛进, 为控制工程实际工作者提供了新的更加有效又便捷的工具, 把控制工程实际的传统且行之有效的方法利用计算机使其变得更加方便好用. 使得控制工程的工作者对控制理论一方面感到高不可及和生疏陌生, 另一方面感到这些理论又完全不能满足实际需求而日益对其疏远与漠不关心.

4.专家控制。专家控制是智能控制的一个重要部分,它在将专家系统的理论和技术同控制理论的理论和方法有机结合的基础上,在未知环境下模仿专家的智能,实现对系统的有效控制。专家控制的核心是专家系统,它具有处理各种非结构性问题,尤其是处理定性的、启发式的或不确定性的知识信息,经过各种推理过程达到系统的控制目标。

从研究的角度, 正确的步骤自然应该是首先弄清狭义的智能控制, 进而在此基础上扩展为智能自动化或广义的智能控制. 无论是智能自动化还是智能控制, 它们都是由两类技术科学的学科结合而成, 因而其本身的发展必将符合技术科学的发展规律. 而其结论的科学价值首先是在科学的前提下能用和好用, 这里科学性自然不是指数学的公理体系与形式逻辑的推演.

时间过去了30多年, 这类系统在工业界已经出现, 而且借助计算机已经进行了有效运行、管理与监控, 而对应的理论却仍在孕育之中. 后来出现的离散事件动态系统 (DEDS) 则并非遵循以时间为序的动态过程而是以离散发生的动态事件触发的系统, 这种系统本身的研究已经表明纯粹依靠严格数学远不如利用计算机研究有前途, 而当这种 DEDS 在实际应用中其下层往往是通常的动态系统, 这类混杂的系统的研究其解决途径无疑将主要依仗计算机及相应智能研究的进展.

如果说1936年图灵(Turing A M)建立自动机理论和随后在1950年发表论文Computing machinery and intelligence时, 人们还认为这是一种科学的理想, 并不能看清其实现的途径和发展的规模. 在经历了半个多世纪的发展后, 他的这种人工智能的思想, 已经大大地发展成为了信息领域的一个充满生机、日新月异的领域. 人们预测人工智能已经与纳米技术和基因技术并列为本世纪最具影响的三大尖端技术是很有道理的.

当前一些数学家已经进入到这些包括大数据、搜索引擎及很多计算机智能领域, 他们灵活地运用各种数学知识帮助解决计算机及相关智能问题, 建立行之有效的算法, 我们期待他们的合作在新一代的控制科学发展中发挥更好的作用. 这种趋势说明了一个现象, 即算法工程师特别是智能算法工程师今天不仅在人工智能的领域中担当重要角色, 而且在相关的IT企业中已成为极重要的岗位.

原标题:黄琳院士:人工智能时代下关于智能控制的几个问题

我们在现阶段, 当人工智能与控制的结合研究还在初级阶段时, 并不宜将其划分得十分清晰, 而随着学科的进一步发展, 其中的差异可能会更不重要, 人们可能更关注广义的更为复杂的智能控制系统.

图片 4

这方面一个突出的例子表现在由于包括航天需求在内考虑的弹性体控制问题上, 一方面从事实际工作或力学的人总把兴趣集中在振型分析基础之上的方法, 由于这不仅可与物理实验、仿真等相结合而且易于必要信息的获取, 而从事理论研究的则更乐于将其视为典型的分布参数系统的理论, 而且所用数学工具由半群理论直到Riemannian几何, 文章很多真正能用的却很少.

黄琳

黄琳, 杨莹, 李忠奎.

这一方面最著名的挑战就是关于卫星的姿态控制, 由于描述卫星姿态的3个Euler角在动力学上存在非线性的耦合效应, 这使它不能像亚音速飞机在巡航飞行时那样实现解耦, 于是采用任何线性单回路控制的技术处理大范围姿态控制均被认为是不合适的. 卫星自然只是指出建立在单回路系统之上的调节原理不再合适的一个例子, 面对这一挑战应运而生的就是多变量和非线性控制的理论的出现, 这个理论的特征就是模式的一般化, 系统性能要求也只能以一般化的方法给出. 正由于此立即吸引了大量数学家的兴趣, 这种兴趣使得控制理论特别是控制的数学理论取得了极其丰富的成果, 自然这些成果中确有不少对控制工程起到了促进作用, 但从总体上讲, 数学上有价值的成果常常与工程实际的需求差之过远.

因而 intelligence 的理解更接近属于人的思维的一部分. 但当 intelligent 在形容算法(algorithm)时实际上已包括了人类受自然界演化的启发而建立起来的行之有效的算法. 而人们在讨论一些智能材料时有时并不用 intelligence 而采用 smart, 这表明目前在什么叫智能上无论是国内或国外并未达成通用的唯一的解释, 而处于多义多释的情况, 这可能是一切新学科出现的共性.

本文由奥门金沙网址发布于奥门金沙手机娱乐网址,转载请注明出处:黄琳院士,谈供水泵站的特级调节战略

关键词:

  • 上一篇:没有了
  • 下一篇:没有了