摘   要： 回顧了專家控制的起源及其作為一門學科的定位。在闡述專家控制系統(tǒng)基本結構的基礎上，介紹了專家控制系統(tǒng)的工作原理。對目前專家控制研究熱點進行了總結，比較了各研究方向的優(yōu)劣，并分別給出了近幾年來在各領域成功應用的例子。最后對各研究方向存在的關鍵問題及難點進行了歸納，提出了對應的研究策略，為下一步的研究指出了基本方向。
關鍵詞： 智能控制  專家控制  解析算法  模糊控制  神經(jīng)網(wǎng)絡

　　專家控制(EC)是指將人工智能領域的專家系統(tǒng)理論和技術與控制理論方法和技術相結合，仿效專家智能，實現(xiàn)對較為復雜問題的控制?；趯＜铱刂圃硭O計的系統(tǒng)稱為專家控制系統(tǒng)(ECS)。
　　20世紀80年代初，自動控制領域的學者和工程師為了解決經(jīng)典控制系統(tǒng)所面臨的無法建模等難題，開始把專家系統(tǒng)的思想和方法引入控制系統(tǒng)的研究及其工程應用，從而導致了專家控制系統(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支配，為此，該控制系統(tǒng)必須能夠重復解釋當前狀況，預測未來行為，診斷出現(xiàn)問題的原因，制訂補救（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)引入自動控制的思想，隨后開展了原型系統(tǒng)的實驗。1986年，他在另一篇論文“Expert Control”中以實例說明智能控制，正式提出了“專家控制”的概念[2]，標志著“專家控制”作為一個學科的正式創(chuàng)立。
　　專家控制系統(tǒng)作為一個人工智能和控制理論的交叉學科，即是人工智能領域專家系統(tǒng)（ES）的一個典型應用，也是智能控制理論的一個分支。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（動作與實現(xiàn)）。
1  專家控制系統(tǒng)的基本結構
　　人工智能領域中發(fā)展起來的專家系統(tǒng)是一種基于知識的、智能的計算機程序。其內部含有大量的特定領域中專家水平的知識與經(jīng)驗，能夠利用人類專家的知識和解決問題的經(jīng)驗方法來處理該領域的高水平難題。
將專家系統(tǒng)技術引入控制領域，首先必須把控制系統(tǒng)看作是一個基于知識的系統(tǒng)，而作為系統(tǒng)核心部件的控制器則要體現(xiàn)知識推理的機制和結構。雖然因應用場合和控制要求的不同，專家控制系統(tǒng)的結構可能不一樣，但是幾乎所有的專家控制系統(tǒng)都包含知識庫、推理機、控制規(guī)則集和控制算法等。圖1所示為專家控制系統(tǒng)的基本結構。

　　與專家系統(tǒng)相似，整個控制問題領域的知識庫和一個體現(xiàn)知識決策的推理機構成了專家控制系統(tǒng)的主體。
　　知識庫內部的組織結構可采用人工智能中知識表示的合適方法。其中，一部分知識可稱為數(shù)據(jù)，例如先驗知識、動態(tài)信息、由事實及證據(jù)推得的中間狀態(tài)和性能目標等。數(shù)據(jù)常常用一種框架結構組織在一起，形成數(shù)據(jù)庫。另一部分知識可稱為規(guī)則，即定性的推理知識，每條規(guī)則都代表著與受控系統(tǒng)有關的經(jīng)驗知識，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。在專家控制系統(tǒng)中，定量知識，即各種有關的解析算法，一般都獨立編碼，按常規(guī)的程序設計方法組織。
　　推理機的基本功能在于按某種控制策略，針對當前的問題信息，識別和選取知識庫中對解決當前問題有用的知識進行推理，直至最終得出問題的推理結果。
2  專家控制系統(tǒng)的研究重點及其應用領域
　　在智能控制領域中，專家系統(tǒng)控制、神經(jīng)網(wǎng)絡控制、模糊邏輯控制等方法各自有著不同的優(yōu)勢及適用領域。因而將幾種方法相融合，成為設計更高智能的控制系統(tǒng)的可取方案。而通過引進其他智能方法來實現(xiàn)更有效的專家控制系統(tǒng)業(yè)已成為近年來研究的熱點。根據(jù)它們結合的方式，專家控制系統(tǒng)可以分為以下三種。
　　(1)一般控制理論知識和經(jīng)驗知識相結合
基于一般控制理論知識（解析算法）和經(jīng)驗知識（專家系統(tǒng)）的結合，擴展了傳統(tǒng)控制算法的范圍[3]。這種控制方法是以應用專家知識、知識模型、知識庫、知識推理、控制決策和控制策略等技術為基礎的，知識模型與常規(guī)數(shù)學模型相結合，知識信息處理技術與控制技術的結合，模擬人的智能行為等。此方法能夠解決時變大規(guī)模系統(tǒng)和復雜系統(tǒng)以及非線性和多擾動實時控制過程的控制問題。
　　Astrom等把有關自調整和自適應的啟發(fā)知識編入知識基系統(tǒng)，以克服現(xiàn)有自適應控制系統(tǒng)的不足。這類研究典型地體現(xiàn)了專家控制原理的本質，也是研究最多的一種策略。文獻[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)的液壓挖掘機控制中單純的轉速控制和壓力控制的不足，近似地實現(xiàn)了無級調速，并實現(xiàn)了節(jié)能的效果。文獻[5]提出用專家控制理論和方法，與傳統(tǒng)的PID控制方式結合起來，分析計算并判斷各種運行狀態(tài)，給出適當?shù)木чl管觸發(fā)角相位信號，使得直流調速裝置能快速無超調起動和制動，并在進入穩(wěn)態(tài)后保持要求的靜態(tài)精度，滿足了調速系統(tǒng)快速性、實時的要求。
　　(2)模糊邏輯與專家控制相結合
　　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)。它運用模糊邏輯和人的經(jīng)驗知識及求解控制問題時的啟發(fā)式規(guī)則來構造控制策略。對于難以用準確的數(shù)字模型描述，也難以完全依靠確定性數(shù)據(jù)進行控制的情況，可使用模糊語言變量來表示規(guī)則，并進行模糊推理，更能模擬操作人員憑經(jīng)驗和直覺對受控過程進行的手動控制，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來進行知識獲取、知識表示和運用。其核心是模糊推理機，它根據(jù)模糊知識庫中的不確定性知識，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，甚至不存在的復雜過程（對象）。
　　與模糊控制（FLC）相比，模糊專家控制系統(tǒng)有更高的智能：它擁有關于過程控制的更復雜的知識，能以更復雜的方式利用這些知識。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，隨著模糊理論的日益完善，模糊控制在各個領域都有不少成功的應用。在國內，應用模糊技術的專家系統(tǒng)是專家控制領域研究的熱點：文獻[6]給出一種智能模糊變結構PLC控制系統(tǒng)，在專家系統(tǒng)協(xié)調下，通過各種控制方式，給出接近最優(yōu)的控制策略。文獻[7]中介紹了一個基于對象模型的自適應模糊專家控制系統(tǒng)。在該系統(tǒng)通過對機器人的行走裝置進行模型化，建立了對象的模糊知識庫，并根據(jù)自適應模糊控制的目標設計了推理機。系統(tǒng)無需精確的數(shù)學模型，能根據(jù)輸入、輸出變量自動修改控制規(guī)則，達到優(yōu)化控制的目的。
　　(3)神經(jīng)網(wǎng)絡與專家控制相結合
　　將神經(jīng)網(wǎng)絡和專家系統(tǒng)技術結合起來，即神經(jīng)網(wǎng)絡專家系統(tǒng)的研究已經(jīng)起步。神經(jīng)網(wǎng)絡基于數(shù)值和算法，而專家系統(tǒng)則基于符號和啟發(fā)式推理。神經(jīng)網(wǎng)絡具有聯(lián)想、容錯、記憶、自適應、自學習和并行處理等優(yōu)點；不足之處是不能對自身的推理方法進行解釋，對未在訓練樣本中出現(xiàn)過的故障不能給出正確的診斷結論。專家系統(tǒng)具有顯式的知識表達形式，知識容易維護，能對推理行為進行解釋，并可利用深層知識來診斷新故障；缺點是不能從經(jīng)驗中進行學習，當知識庫龐大時難以維護，在進行深層診斷時需要過多的計算時間。因此，將神經(jīng)網(wǎng)絡和專家系統(tǒng)結合起來，充分發(fā)揮專家系統(tǒng)“高層”推理的優(yōu)勢和神經(jīng)網(wǎng)絡“低層”處理的長處，可以收到更好的控制效果。
　　目前，由于對神經(jīng)網(wǎng)絡本身的研究還有很多未解的難題，因而應用神經(jīng)網(wǎng)絡的專家控制系統(tǒng)還不是很多：文獻[8]提出一種神經(jīng)網(wǎng)絡專家控制策略，使用基于BP網(wǎng)絡和規(guī)則模型的專家控制器及單回控制器，實現(xiàn)了高質量和低成本的控制目標，成功地對電解過程進行最優(yōu)控制。文獻[9]提出了一種基于神經(jīng)網(wǎng)絡的SMT焊點質量專家控制系統(tǒng)，能夠對焊點質量進行實時評價和控制，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
　　對于各類專家控制系統(tǒng)，它們要共同面對下列發(fā)展中的難點和挑戰(zhàn)。
　　(1)專家經(jīng)驗知識的獲取問題。如何獲取專家知識，并將知識構造成可用的形式（即知識表示），成為研究專家系統(tǒng)的主要“瓶頸”之一[10]。
　　(2)知識庫的自動更新與規(guī)則自動生成。受知識獲取方法的限制，專家控制系統(tǒng)不可能具有控制專家的全部知識。專家控制系統(tǒng)應能通過在線獲取的信息以及人機接口不斷學習新的知識，更新知識庫的內容，根據(jù)出現(xiàn)的新情況自動產(chǎn)生出新規(guī)則。否則，當系統(tǒng)出現(xiàn)超出專家系統(tǒng)知識范圍的異常情況時，系統(tǒng)就可能出現(xiàn)失控。
　　(3)專家控制系統(tǒng)需要建立實時操作知識庫，以解決結構的復雜性、功能的完備性與控制的實時性之間的矛盾。

　　實時性涉及到的難題有：非單調推理、異步事件、按時間推理、推理時間約束等。
　　(4)專家控制系統(tǒng)的穩(wěn)定性分析是另一個研究難題。由于涉及的對象具有不確定性或非線性，它實現(xiàn)的控制基于知識模型，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)如何實現(xiàn)數(shù)據(jù)和信息的并行處理，如何設計系統(tǒng)的解釋機構，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。
　　對于前述的采用不同技術的專家控制系統(tǒng)，它們也分別面臨著各自不同的問題。對于模糊專家控制系統(tǒng)，需要進一步深入研究的課題有：模糊控制規(guī)則設計方法的研究；模糊控制參數(shù)的最優(yōu)調整理論及修正推理規(guī)則學習方式；模糊控制動態(tài)模型的辨識；模糊預測系統(tǒng)的設計方法和提高計算速度的算法等。
　　將神經(jīng)網(wǎng)絡和專家系統(tǒng)技術結合起來用于控制中的技術還很不成熟，尤其是ES和NN之間的相互通信問題，定性知識和定量知識的處理技術與整個智能控制系統(tǒng)有機集成的問題等，都是需要重點突破的關鍵問題。
4  專家控制系統(tǒng)展望
　　專家控制是基于知識的智能控制技術，它為控制技術的發(fā)展開辟了新思路，即用人工智能中專家系統(tǒng)的機制決定控制方法的靈活選用，實現(xiàn)了解析規(guī)律與啟發(fā)式邏輯的結合，從而使控制作用的描述更完整，使控制性能的滿意實現(xiàn)成為可能。
　　但也應該看到，專家控制系統(tǒng)作為智能控制的一個分支，是一門新興的、尚不完善的技術，它的發(fā)展與人工智能相關技術的發(fā)展是密切相關的。因此，如何利用人工智能領域的新興技術，并加強不同智能技術的融合，無疑是專家控制系統(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
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器中的應用.自動化與儀表，1996；(3)
3   金立生.液壓挖掘機節(jié)能用智能PID專家控制系統(tǒng).吉林工業(yè)大學自然科學學報，2001；(4)
4   趙國材，樸忠學.直流電動機調速系統(tǒng)專家控制器設計.遼寧工程技術大學學報，2003；(3)
5   陳杰，王慶林.智能模糊變結構PLC控制.1994中國控制與決策年會論文集，1994
6   邵鵬鳴.基于對象模型的自適應模糊專家控制系統(tǒng).自動化與儀表，2000；(2)
7   吳敏.唐朝暉鋅濕法冶煉電解過程的神經(jīng)網(wǎng)絡專家控制.自動化學報，2001；(6)
8   劉世林，周德儉.基于神經(jīng)網(wǎng)絡的SMT焊點質量專家控制系統(tǒng)研究.電子工藝技術，2004；(4)
9   錢大群.智能控制中知識表達方式的研究.控制與決策，1989；(4)