摘   要： 回顧了專家控制的起源及其作為一門學(xué)科的定位。在闡述專家控制系統(tǒng)基本結(jié)構(gòu)的基礎(chǔ)上，介紹了專家控制系統(tǒng)的工作原理。對(duì)目前專家控制研究熱點(diǎn)進(jìn)行了總結(jié)，比較了各研究方向的優(yōu)劣，并分別給出了近幾年來(lái)在各領(lǐng)域成功應(yīng)用的例子。最后對(duì)各研究方向存在的關(guān)鍵問題及難點(diǎn)進(jìn)行了歸納，提出了對(duì)應(yīng)的研究策略，為下一步的研究指出了基本方向。
關(guān)鍵詞： 智能控制  專家控制  解析算法  模糊控制  神經(jīng)網(wǎng)絡(luò)

　　專家控制(EC)是指將人工智能領(lǐng)域的專家系統(tǒng)理論和技術(shù)與控制理論方法和技術(shù)相結(jié)合，仿效專家智能，實(shí)現(xiàn)對(duì)較為復(fù)雜問題的控制?；趯＜铱刂圃硭O(shè)計(jì)的系統(tǒng)稱為專家控制系統(tǒng)(ECS)。
　　20世紀(jì)80年代初，自動(dòng)控制領(lǐng)域的學(xué)者和工程師為了解決經(jīng)典控制系統(tǒng)所面臨的無(wú)法建模等難題，開始把專家系統(tǒng)的思想和方法引入控制系統(tǒng)的研究及其工程應(yīng)用，從而導(dǎo)致了專家控制系統(tǒng)的誕生。專家控制作為智能控制的一個(gè)重要分支，最早由海斯.羅思（Hayes Roth）等在1983年提出[1]。他們指出：專家控制系統(tǒng)的全部行為能被自適應(yīng)支配，為此，該控制系統(tǒng)必須能夠重復(fù)解釋當(dāng)前狀況，預(yù)測(cè)未來(lái)行為，診斷出現(xiàn)問題的原因，制訂補(bǔ)救（較正）規(guī)劃，并監(jiān)控規(guī)劃的執(zhí)行，確保成功。研究專家控制系統(tǒng)的突出代表首推瑞典學(xué)者K.J.Astrom，他于1983年發(fā)表“Implementation of an Autotuner Using Expert System Ideas”一文，明確建立了將專家系統(tǒng)引入自動(dòng)控制的思想，隨后開展了原型系統(tǒng)的實(shí)驗(yàn)。1986年，他在另一篇論文“Expert Control”中以實(shí)例說(shuō)明智能控制，正式提出了“專家控制”的概念[2]，標(biāo)志著“專家控制”作為一個(gè)學(xué)科的正式創(chuàng)立。
　　專家控制系統(tǒng)作為一個(gè)人工智能和控制理論的交叉學(xué)科，即是人工智能領(lǐng)域?qū)＜蚁到y(tǒng)（ES）的一個(gè)典型應(yīng)用，也是智能控制理論的一個(gè)分支。專家控制既可包括高層控制（決策與規(guī)劃），又可涉及低層控制（動(dòng)作與實(shí)現(xiàn)）。
1  專家控制系統(tǒng)的基本結(jié)構(gòu)
　　人工智能領(lǐng)域中發(fā)展起來(lái)的專家系統(tǒng)是一種基于知識(shí)的、智能的計(jì)算機(jī)程序。其內(nèi)部含有大量的特定領(lǐng)域中專家水平的知識(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的經(jīng)驗(yàn)方法來(lái)處理該領(lǐng)域的高水平難題。
將專家系統(tǒng)技術(shù)引入控制領(lǐng)域，首先必須把控制系統(tǒng)看作是一個(gè)基于知識(shí)的系統(tǒng)，而作為系統(tǒng)核心部件的控制器則要體現(xiàn)知識(shí)推理的機(jī)制和結(jié)構(gòu)。雖然因應(yīng)用場(chǎng)合和控制要求的不同，專家控制系統(tǒng)的結(jié)構(gòu)可能不一樣，但是幾乎所有的專家控制系統(tǒng)都包含知識(shí)庫(kù)、推理機(jī)、控制規(guī)則集和控制算法等。圖1所示為專家控制系統(tǒng)的基本結(jié)構(gòu)。

　　與專家系統(tǒng)相似，整個(gè)控制問題領(lǐng)域的知識(shí)庫(kù)和一個(gè)體現(xiàn)知識(shí)決策的推理機(jī)構(gòu)成了專家控制系統(tǒng)的主體。
　　知識(shí)庫(kù)內(nèi)部的組織結(jié)構(gòu)可采用人工智能中知識(shí)表示的合適方法。其中，一部分知識(shí)可稱為數(shù)據(jù)，例如先驗(yàn)知識(shí)、動(dòng)態(tài)信息、由事實(shí)及證據(jù)推得的中間狀態(tài)和性能目標(biāo)等。數(shù)據(jù)常常用一種框架結(jié)構(gòu)組織在一起，形成數(shù)據(jù)庫(kù)。另一部分知識(shí)可稱為規(guī)則，即定性的推理知識(shí)，每條規(guī)則都代表著與受控系統(tǒng)有關(guān)的經(jīng)驗(yàn)知識(shí)，它們往往以產(chǎn)生式規(guī)則（if……then……）表示。所有的規(guī)則組成規(guī)則庫(kù)。在專家控制系統(tǒng)中，定量知識(shí)，即各種有關(guān)的解析算法，一般都獨(dú)立編碼，按常規(guī)的程序設(shè)計(jì)方法組織。
　　推理機(jī)的基本功能在于按某種控制策略，針對(duì)當(dāng)前的問題信息，識(shí)別和選取知識(shí)庫(kù)中對(duì)解決當(dāng)前問題有用的知識(shí)進(jìn)行推理，直至最終得出問題的推理結(jié)果。
2  專家控制系統(tǒng)的研究重點(diǎn)及其應(yīng)用領(lǐng)域
　　在智能控制領(lǐng)域中，專家系統(tǒng)控制、神經(jīng)網(wǎng)絡(luò)控制、模糊邏輯控制等方法各自有著不同的優(yōu)勢(shì)及適用領(lǐng)域。因而將幾種方法相融合，成為設(shè)計(jì)更高智能的控制系統(tǒng)的可取方案。而通過(guò)引進(jìn)其他智能方法來(lái)實(shí)現(xiàn)更有效的專家控制系統(tǒng)業(yè)已成為近年來(lái)研究的熱點(diǎn)。根據(jù)它們結(jié)合的方式，專家控制系統(tǒng)可以分為以下三種。
　　(1)一般控制理論知識(shí)和經(jīng)驗(yàn)知識(shí)相結(jié)合
基于一般控制理論知識(shí)（解析算法）和經(jīng)驗(yàn)知識(shí)（專家系統(tǒng)）的結(jié)合，擴(kuò)展了傳統(tǒng)控制算法的范圍[3]。這種控制方法是以應(yīng)用專家知識(shí)、知識(shí)模型、知識(shí)庫(kù)、知識(shí)推理、控制決策和控制策略等技術(shù)為基礎(chǔ)的，知識(shí)模型與常規(guī)數(shù)學(xué)模型相結(jié)合，知識(shí)信息處理技術(shù)與控制技術(shù)的結(jié)合，模擬人的智能行為等。此方法能夠解決時(shí)變大規(guī)模系統(tǒng)和復(fù)雜系統(tǒng)以及非線性和多擾動(dòng)實(shí)時(shí)控制過(guò)程的控制問題。
　　Astrom等把有關(guān)自調(diào)整和自適應(yīng)的啟發(fā)知識(shí)編入知識(shí)基系統(tǒng)，以克服現(xiàn)有自適應(yīng)控制系統(tǒng)的不足。這類研究典型地體現(xiàn)了專家控制原理的本質(zhì)，也是研究最多的一種策略。文獻(xiàn)[4]首次提出了分工況智能PID專家控制系統(tǒng)，克服了傳統(tǒng)的液壓挖掘機(jī)控制中單純的轉(zhuǎn)速控制和壓力控制的不足，近似地實(shí)現(xiàn)了無(wú)級(jí)調(diào)速，并實(shí)現(xiàn)了節(jié)能的效果。文獻(xiàn)[5]提出用專家控制理論和方法，與傳統(tǒng)的PID控制方式結(jié)合起來(lái)，分析計(jì)算并判斷各種運(yùn)行狀態(tài)，給出適當(dāng)?shù)木чl管觸發(fā)角相位信號(hào)，使得直流調(diào)速裝置能快速無(wú)超調(diào)起動(dòng)和制動(dòng)，并在進(jìn)入穩(wěn)態(tài)后保持要求的靜態(tài)精度，滿足了調(diào)速系統(tǒng)快速性、實(shí)時(shí)的要求。
　　(2)模糊邏輯與專家控制相結(jié)合
　　將模糊集和模糊推理引入專家控制系統(tǒng)中，就產(chǎn)生了基于模糊規(guī)則的專家控制系統(tǒng)，也稱模糊專家控制系統(tǒng)(FEC)。它運(yùn)用模糊邏輯和人的經(jīng)驗(yàn)知識(shí)及求解控制問題時(shí)的啟發(fā)式規(guī)則來(lái)構(gòu)造控制策略。對(duì)于難以用準(zhǔn)確的數(shù)字模型描述，也難以完全依靠確定性數(shù)據(jù)進(jìn)行控制的情況，可使用模糊語(yǔ)言變量來(lái)表示規(guī)則，并進(jìn)行模糊推理，更能模擬操作人員憑經(jīng)驗(yàn)和直覺對(duì)受控過(guò)程進(jìn)行的手動(dòng)控制，從而具有更高的智能。
　　模糊專家控制全部或部分地采用模糊技術(shù)來(lái)進(jìn)行知識(shí)獲取、知識(shí)表示和運(yùn)用。其核心是模糊推理機(jī)，它根據(jù)模糊知識(shí)庫(kù)中的不確定性知識(shí)，按不確定性推理、策略，解決系統(tǒng)問題域中的問題，給出較為合理的控制命令。
　　這種控制方法適用于模型不充分、不精確，甚至不存在的復(fù)雜過(guò)程（對(duì)象）。
　　與模糊控制（FLC）相比，模糊專家控制系統(tǒng)有更高的智能：它擁有關(guān)于過(guò)程控制的更復(fù)雜的知識(shí)，能以更復(fù)雜的方式利用這些知識(shí)。模糊集仍被用于模擬不確定性，但模糊專家控制系統(tǒng)在范圍上更具一般性，能處理廣泛種類的問題。
　　近年來(lái)，隨著模糊理論的日益完善，模糊控制在各個(gè)領(lǐng)域都有不少成功的應(yīng)用。在國(guó)內(nèi)，應(yīng)用模糊技術(shù)的專家系統(tǒng)是專家控制領(lǐng)域研究的熱點(diǎn)：文獻(xiàn)[6]給出一種智能模糊變結(jié)構(gòu)PLC控制系統(tǒng)，在專家系統(tǒng)協(xié)調(diào)下，通過(guò)各種控制方式，給出接近最優(yōu)的控制策略。文獻(xiàn)[7]中介紹了一個(gè)基于對(duì)象模型的自適應(yīng)模糊專家控制系統(tǒng)。在該系統(tǒng)通過(guò)對(duì)機(jī)器人的行走裝置進(jìn)行模型化，建立了對(duì)象的模糊知識(shí)庫(kù)，并根據(jù)自適應(yīng)模糊控制的目標(biāo)設(shè)計(jì)了推理機(jī)。系統(tǒng)無(wú)需精確的數(shù)學(xué)模型，能根據(jù)輸入、輸出變量自動(dòng)修改控制規(guī)則，達(dá)到優(yōu)化控制的目的。
　　(3)神經(jīng)網(wǎng)絡(luò)與專家控制相結(jié)合
　　將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)技術(shù)結(jié)合起來(lái)，即神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究已經(jīng)起步。神經(jīng)網(wǎng)絡(luò)基于數(shù)值和算法，而專家系統(tǒng)則基于符號(hào)和啟發(fā)式推理。神經(jīng)網(wǎng)絡(luò)具有聯(lián)想、容錯(cuò)、記憶、自適應(yīng)、自學(xué)習(xí)和并行處理等優(yōu)點(diǎn)；不足之處是不能對(duì)自身的推理方法進(jìn)行解釋，對(duì)未在訓(xùn)練樣本中出現(xiàn)過(guò)的故障不能給出正確的診斷結(jié)論。專家系統(tǒng)具有顯式的知識(shí)表達(dá)形式，知識(shí)容易維護(hù)，能對(duì)推理行為進(jìn)行解釋，并可利用深層知識(shí)來(lái)診斷新故障；缺點(diǎn)是不能從經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí)，當(dāng)知識(shí)庫(kù)龐大時(shí)難以維護(hù)，在進(jìn)行深層診斷時(shí)需要過(guò)多的計(jì)算時(shí)間。因此，將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)結(jié)合起來(lái)，充分發(fā)揮專家系統(tǒng)“高層”推理的優(yōu)勢(shì)和神經(jīng)網(wǎng)絡(luò)“低層”處理的長(zhǎng)處，可以收到更好的控制效果。
　　目前，由于對(duì)神經(jīng)網(wǎng)絡(luò)本身的研究還有很多未解的難題，因而應(yīng)用神經(jīng)網(wǎng)絡(luò)的專家控制系統(tǒng)還不是很多：文獻(xiàn)[8]提出一種神經(jīng)網(wǎng)絡(luò)專家控制策略，使用基于BP網(wǎng)絡(luò)和規(guī)則模型的專家控制器及單回控制器，實(shí)現(xiàn)了高質(zhì)量和低成本的控制目標(biāo)，成功地對(duì)電解過(guò)程進(jìn)行最優(yōu)控制。文獻(xiàn)[9]提出了一種基于神經(jīng)網(wǎng)絡(luò)的SMT焊點(diǎn)質(zhì)量專家控制系統(tǒng)，能夠?qū)更c(diǎn)質(zhì)量進(jìn)行實(shí)時(shí)評(píng)價(jià)和控制，提高了生產(chǎn)率和產(chǎn)品的可靠性。
3  專家控制系統(tǒng)所面臨的主要問題
　　對(duì)于各類專家控制系統(tǒng)，它們要共同面對(duì)下列發(fā)展中的難點(diǎn)和挑戰(zhàn)。
　　(1)專家經(jīng)驗(yàn)知識(shí)的獲取問題。如何獲取專家知識(shí)，并將知識(shí)構(gòu)造成可用的形式（即知識(shí)表示），成為研究專家系統(tǒng)的主要“瓶頸”之一[10]。
　　(2)知識(shí)庫(kù)的自動(dòng)更新與規(guī)則自動(dòng)生成。受知識(shí)獲取方法的限制，專家控制系統(tǒng)不可能具有控制專家的全部知識(shí)。專家控制系統(tǒng)應(yīng)能通過(guò)在線獲取的信息以及人機(jī)接口不斷學(xué)習(xí)新的知識(shí)，更新知識(shí)庫(kù)的內(nèi)容，根據(jù)出現(xiàn)的新情況自動(dòng)產(chǎn)生出新規(guī)則。否則，當(dāng)系統(tǒng)出現(xiàn)超出專家系統(tǒng)知識(shí)范圍的異常情況時(shí)，系統(tǒng)就可能出現(xiàn)失控。
　　(3)專家控制系統(tǒng)需要建立實(shí)時(shí)操作知識(shí)庫(kù)，以解決結(jié)構(gòu)的復(fù)雜性、功能的完備性與控制的實(shí)時(shí)性之間的矛盾。

　　實(shí)時(shí)性涉及到的難題有：非單調(diào)推理、異步事件、按時(shí)間推理、推理時(shí)間約束等。
　　(4)專家控制系統(tǒng)的穩(wěn)定性分析是另一個(gè)研究難題。由于涉及的對(duì)象具有不確定性或非線性，它實(shí)現(xiàn)的控制基于知識(shí)模型，采用啟發(fā)式邏輯和模糊邏輯，專家控制系統(tǒng)的本質(zhì)也是非線性的，因此目前的穩(wěn)定性分析方法很難直接用于專家控制系統(tǒng)。
　　(5)如何實(shí)現(xiàn)數(shù)據(jù)和信息的并行處理，如何設(shè)計(jì)系統(tǒng)的解釋機(jī)構(gòu)，如何建立良好的用戶接口等都是專家系統(tǒng)有待解決的問題。
　　對(duì)于前述的采用不同技術(shù)的專家控制系統(tǒng)，它們也分別面臨著各自不同的問題。對(duì)于模糊專家控制系統(tǒng)，需要進(jìn)一步深入研究的課題有：模糊控制規(guī)則設(shè)計(jì)方法的研究；模糊控制參數(shù)的最優(yōu)調(diào)整理論及修正推理規(guī)則學(xué)習(xí)方式；模糊控制動(dòng)態(tài)模型的辨識(shí)；模糊預(yù)測(cè)系統(tǒng)的設(shè)計(jì)方法和提高計(jì)算速度的算法等。
　　將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)技術(shù)結(jié)合起來(lái)用于控制中的技術(shù)還很不成熟，尤其是ES和NN之間的相互通信問題，定性知識(shí)和定量知識(shí)的處理技術(shù)與整個(gè)智能控制系統(tǒng)有機(jī)集成的問題等，都是需要重點(diǎn)突破的關(guān)鍵問題。
4  專家控制系統(tǒng)展望
　　專家控制是基于知識(shí)的智能控制技術(shù)，它為控制技術(shù)的發(fā)展開辟了新思路，即用人工智能中專家系統(tǒng)的機(jī)制決定控制方法的靈活選用，實(shí)現(xiàn)了解析規(guī)律與啟發(fā)式邏輯的結(jié)合，從而使控制作用的描述更完整，使控制性能的滿意實(shí)現(xiàn)成為可能。
　　但也應(yīng)該看到，專家控制系統(tǒng)作為智能控制的一個(gè)分支，是一門新興的、尚不完善的技術(shù)，它的發(fā)展與人工智能相關(guān)技術(shù)的發(fā)展是密切相關(guān)的。因此，如何利用人工智能領(lǐng)域的新興技術(shù)，并加強(qiáng)不同智能技術(shù)的融合，無(wú)疑是專家控制系統(tǒng)乃至智能控制研究和發(fā)展的一條有效的途徑。
參考文獻(xiàn)
1   Astrom K J.Expert Control.Automatica，1986；22(3)
2   侯立剛.專家控制及其在微型反應(yīng)器中的應(yīng)用.自動(dòng)化與儀表，1996；(3)
3   金立生.液壓挖掘機(jī)節(jié)能用智能PID專家控制系統(tǒng).吉林工業(yè)大學(xué)自然科學(xué)學(xué)報(bào)，2001；(4)
4   趙國(guó)材，樸忠學(xué).直流電動(dòng)機(jī)調(diào)速系統(tǒng)專家控制器設(shè)計(jì).遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2003；(3)
5   陳杰，王慶林.智能模糊變結(jié)構(gòu)PLC控制.1994中國(guó)控制與決策年會(huì)論文集，1994
6   邵鵬鳴.基于對(duì)象模型的自適應(yīng)模糊專家控制系統(tǒng).自動(dòng)化與儀表，2000；(2)
7   吳敏.唐朝暉鋅濕法冶煉電解過(guò)程的神經(jīng)網(wǎng)絡(luò)專家控制.自動(dòng)化學(xué)報(bào)，2001；(6)
8   劉世林，周德儉.基于神經(jīng)網(wǎng)絡(luò)的SMT焊點(diǎn)質(zhì)量專家控制系統(tǒng)研究.電子工藝技術(shù)，2004；(4)
9   錢大群.智能控制中知識(shí)表達(dá)方式的研究.控制與決策，1989；(4)