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)直接面向被控對象，采用產(chǎn)生式系統(tǒng)結(jié)構(gòu)。知識(shí)庫用三重序元＜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＜Φ，Ψ，Ω＞應(yīng)該適應(yīng)不同的任務(wù)。
　　無論是定值控制還是伺服控制，控制過程總是期望系統(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，從而簡化設(shè)計(jì)目標(biāo)。由于被控對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，它不依對象的不同而自動(dòng)設(shè)置，也不會(huì)根據(jù)實(shí)際過程的輸出響應(yīng)和偏差曲線做動(dòng)態(tài)調(diào)整，更無法依據(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，迫使控制沿著適當(dāng)?shù)能壽E達(dá)到各項(xiàng)控制指標(biāo)。基于這種思想，通過對控制的偏差曲線進(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，確定對信息空間劃分的特征模型。考慮上升時(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}
　　
　　這里對于Φ₂、Φ₅和Φ₇可以采用保持控制模態(tài)。
　　類似地，還可以對時(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)場專家對于控制環(huán)境和對象的了解來確定。出于簡化考慮，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ST級(jí)對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。