Research Development in Theory and Application of Human Simulated Intelligent Control
-
摘要: 仿人智能控制是现代智能控制理论之一, 利用分层递阶的控制结构与多控制模态为强非线性、大迟滞、难建模问题提供了切实可行的解决方案, 近些年来发展迅速并且得到学术界的持续关注, 但缺乏对该理论研究进展系统性的总结. 本文通过系统的梳理仿人智能控制的理论基础和发展脉络, 将其划分为三代控制模型, 分别从每一代控制模型的算法描述、研究进展与应用进展三个角度进行综述, 同时, 结合当前的研究进展讨论仿人智能控制在控制模型、结构功能、参数校正方面进一步研究的方向.Abstract: Human simulated intelligent control is one of the modern intelligent control theories. The hierarchical control structure and multi-control modes are used to solve the problems of strong nonlinearity, large hysteresis and difficult modeling. In recent years, it has developed rapidly and received continuous attention from the academic community, but it lacks a systematic summary of the research progress in theory. This paper systematically sorts out the theoretical basis and development context of human simulated intelligent control, divides it into three generations of control models, and summarizes them from three perspectives: algorithm description, research progress and application progress of each generation of control models. In addition, considering the research progress, it also discusses the direction of further research on human simulated intelligent control in control models, structural functions, and parameter correction.
-
随着人工智能领域的再度兴起, 作为人工智能一个极其重要的应用领域, 提出近50年的智能控制近来发展非常火热. 智能控制是一种无需或仅需尽可能少的人为干预就能独立地驱动智能机器实现其对目标自动控制的策略[1], 核心是具有智能特征的、仿人思维的控制策略. 到目前为止, 人类本身仍然是世界上最复杂、最智能的控制器, 因此从仿人、仿生的角度出发探索智能控制是一种非常有效的思路.
仿人智能控制HSIC(human simulated intelligent control)是在模拟人的控制结构的基础上, 进一步研究和模拟人的控制行为与功能的一种控制策略. 其原型算法是由周其鉴在1979年提出来的[2], 1983年在国际仪器仪表会议上正式发表[3], 随即引起国内外控制学领域的广泛关注, 1984年美国机械学会ISA专门为此发行了单行本. 在李祖枢、涂亚庆等学者的努力下, 仿人智能控制理论获得了长足发展[4-6], 2003年李祖枢出版专著《仿人智能控制》[7]标志仿人智能控制理论经20年发展已经形成基本的理论体系与独特的设计方法, 并成功应用于许多非线性、难建模等复杂难控系统中(如倒立摆控制、机器人控制和各类工业控制).
智能控制飞速发展的同时, 我们也要看到, 国内在这一领域的自主创新能力以及国际影响力有待进一步提高[8-9]. 仿人智能控制作为国内学者提出的智能控制理论, 为国内自动化控制领域的创新与发展做出了重要贡献. 仿人智能控制在发展的同时有众多成果在国际会议和期刊发表, 引起一些国外学者的关注, 但并未检索到国外学者从事相关方面的研究, 作者分析原因可能有如下几点:
1、国内学者提出仿人智能控制理论思想, 开创了新的控制理论, 但是后续研究的跟进力度不足, 并且重复研究较多, 创造性研究较少, 工程应用不够广泛, 多数停留在实验仿真阶段.
2、仿人智能控制与模糊控制思想相近, 都研究和模拟人的控制行为与功能, 而模糊控制发展较早, 形成了完备的控制理论体系, 有丰富的基础研究和工程应用. 并且实现同样控制效果, 仿人智能控制器的设计复杂度略高于模糊控制器.
3、仿人智能控制对非线性问题的控制效果较好, 但是控制器设计存在一定难度, 尤其是具有自学习、自组织能力的中枢司令级, 而只有控制级和协调级的仿人智能控制器过于依赖控制参数整定, 得到的控制效果不够稳定.
据作者不完全统计(检索词采用“仿人智能控制”、“HSIC”、“human simulated intelligence control”, 在CNKI与Engineering Village数据库中检索), 关于仿人智能控制的文献资料共计八百五十余篇, 如图1所示. 仿人智能控制发展过程中, 出现过两篇综述性文章[5, 10], 但近年来重复研究多, 创造性研究少. 本文统计分析仿人智能控制提出以来的发展状况, 梳理仿人智能控制理论的发展脉络, 依据理论内容的跨越式发展, 将仿人智能控制归纳为三代模型, 并分析各模型的基本描述, 详述每类模型的发展状况, 如模型结构、参数优化、实际应用等方面的进展, 最后对仿人智能控制后续的发展方向做了展望, 为后来学者提供参考.
1. 初期仿人智能控制
仿人智能控制是总结人对控制对象的控制方法, 模仿专家行为, 以产生式规则描述其控制方面的启发与直觉推理行为, 根据被调量偏差及其变化趋势确定控制率的一种控制策略.
原型算法是仿人智能控制理论的开端, 创新性的提出通过决策判断与双模态控制来模仿人的控制行为, 本文将原型算法作为第一代仿人智能控制. 如表1所示, 分别从联系与发展改进、提出时间、服务对象等方面给出了三代仿人智能控制的对比关系.
表 1 三代仿人智能控制关系表Table 1 Relation table of three generations of human simulated intelligent control控制模型 联系与发展改进 提出时间 服务对象 原型算法 用极值采样保持替代积分器, 能够很好的兼顾稳定性、快速性和精确性. 1979 温度控制、PH控制等 仿人智能控制(HSIC) 以原型算法为核心思想, 建立分层递阶的信息处理与决策机构, 基于特征模型在线特征辨识和特征记忆, 构建能够定性决策与定量控制的多模态集, 采用启发式推理的规则集. 1990 倒立摆、工业控制等具有强非线性、欠驱动特性的控制对象 基于动觉智能图式的仿人智能控制(SMIS-HSIC) 以第二代仿人智能控制为基础, 融合图式理论, 提升控制器的控制效果与智能程度, 赋予控制器自适应自学习能力, 加强控制器分布式、并行执行的特点. 2003 多级倒立摆、机器人等更复杂难控的对象 1.1 原型算法描述
原型算法针对常规连续调节无法解决稳定性与准确性之间的矛盾而提出, 原型算法[2]如公式（1）所示:
$$u = \left\{ {\begin{aligned}{*{20}{l}} {{K_p}e + k{K_p}\sum\limits_{i = 1}^{n - 1} {{e_{m,i}}} }&{e \cdot \dot e > 0 \cup e = 0}\\ {k{K_p}\sum\limits_{i = 1}^n {{e_{m,i}}} }&{e \cdot \dot e < 0 \cup \dot e = 0} \end{aligned}} \right.$$ (1）) 其中
$u$ 表示控制输出,${K_P}$ 表示比例系数,$k$ 表示抑制系数,$e$ 表示系统误差,$\dot e$ 表示系统误差的变化率,${e_{m,i}}$ 表示误差第$i$ 次峰值, 而$k{K_P}\displaystyle\sum\nolimits_{i = 1}^n {{e_{m,i}}} $ 是在前苏联学者提出的半比调节器基础上设计的一种极值采样保持控制策略.原型算法首次提出以开闭环结合为基础的分段连续双模态控制, 利用误差相平面的特征在线选择并确定控制策略, 如图2所示, 当系统误差处于一三象限时, 控制器将工作在比例控制模态, 当误差处于二四象限时, 控制器将工作在保持控制模态.
从原型算法控制器的静态特性分析其原理. 以
$k$ 偏大为例, 如图3(1)所示, 其中${\rm{oa}}$ 段满足$e \cdot \dot e > 0$ , 采用比例控制模式, 当$e$ 值到达${e_{m,1}}$ 后满足$\dot e = 0$ , 该闭环负反馈比例控制过程立即结束, 系统进入增益抑制阶段, 也就是确定第一次极值采样保持值, 保持值${u_{01}}$ 等于控制器输出${K_P}e$ 乘以抑制系数$k$ , 即${u_{{\rm{01}}}}{\rm{ = }}k{K_P}e$ , 这时控制器工作在${\rm{ab}}$ 段[7].${\rm{ab}}$ 段控制过程结束后, 系统进入保持模式, 并在${\rm{bc}}$ 段始终保持控制器输出为${u_{{\rm{0}}1}}$ , 在此过程中, 误差从极值${e_{m,1}}$ 减小并向原点趋近. 误差将沿${\rm{bc}}$ 段变化, 并过零朝负方向变化, 控制器将会重复前面的过程, 最终直至误差为零.从动态特性来分析, 以
$k$ 偏大为例, 如图4所示, 误差的动态响应曲线呈现过零衰减震荡形式. 假设最终的输出为${u_{oi}}$ , 则控制器的输出响应曲线呈现以${u_{{\rm{0}}i}}$ 为中心的反转锯齿状, 当误差的绝对值是增大趋势, 控制器会在输出值上叠加一个与误差成比例的控制增量, 即$u = {u_{{\rm{0}}i}} + {K_P}e$ . 当误差的绝对值是减小趋势, 控制器采取保持模式, 输出保持值${u_{{\rm{0}}i}}$ , 随着误差动态响应的变化, 保持值${u_{{\rm{0}}i}}$ 将会趋向一个较为稳定的值[7].从动静态特性分析看, 原型算法模拟了人面对不同情况采取不同控制策略的方式, 体现模仿人决策的思想, 该控制策略相比于传统的PID控制算法能更好的兼顾控制系统的稳定性、快速性和精确性.
1.2 原型算法研究进展
原型算法采用连续分段式双模态控制, 其结构简单, 易于实现, 但缺少智能属性及控制参数整定方法. 1988年, 陈民铀在第一代仿人智能控制中引入专家系统, 构建专家式仿人智能控制器[11], 提高特征信息的利用程度, 强化控制器的信息处理能力. 杨飚、刘军等[12-13]进一步分析仿人智能控制中两个基本参数与被控对象动态特性参数之间的关系, 其中文献[12]利用动态特性参数法分别得到一阶与二阶惯性环节加纯滞后系统中
${K_P}$ 与$k$ 的数学表达式, 该方法是从解析解角度解决参数问题的初次尝试. 但该方法实现的参数整定无法得到参数最优解, 在实际工作过程中仅能解决控制参数粗调问题, 微调需要人工进行.王培金提出原型算法存在易超调问题[14], 罗晓平认为第一代仿人智能控制在稳定性方面存在缺陷, 对噪声、外界干扰和高频成分较为敏感, 提出利用模糊控制策略提高模态切换阈值到一个适当的数值范围[15], 以此钝化噪声的干扰, 提高系统稳定性. 原型算法的双模态控制能够应对非线性问题, 同时不采用积分以避免带给系统的时滞效应, 白美卿将其应用于工业温度控制[16], 文献[17]用原型算法求解了机器人关节液压控制问题.
2. 第二代仿人智能控制
随着控制理论研究不断取得进展, 伴随越来越多具有非线性、不确定性等问题的复杂控制对象出现, 原型算法已经难以满足控制需求. 第二代仿人智能控制发展中更注重定性决策与定量控制的结合, 基于更先进的分层递阶控制结构, 拥有更加丰富的控制模态, 形成了多种控制模型.
仿人智能控制的分层递阶结构设计为中枢司令级CC、组织协调级OC和单元控制级UC三层. 多个单元控制级的任务规划及相互协调由组织协调级来完成. 组织协调级依据中枢司令级的命令和其它组织级的协调要求, 以及来自各单元控制级的反馈信息特征, 确定所属各单元控制级的任务和对其它组织协调级的要求. 以此方式综合多个控制系统, 由更高级的系统控制, 便可以解决更复杂的问题. 因此该模型的特点可以概括为如下几点[7]:
a)分层递阶的信息处理和决策机构;
b)在线的特征辨识和特征记忆;
c)开闭环控制结合和定性决策与定量控制结合的多模态控制;
d)启发式和直觉推理逻辑的应用.
仿人智能控制模型相较原型算法有更成熟的定量描述简单系统的方法, 因此该模型控制精度更高, 但是有限的决策能力使它与人的决策控制相比还有很大差距, 并且智能水平还无法与人相比. 相比于模糊控制等其他智能控制, 仿人智能控制也存在一定优势, 首先仿人智能控制不仅仅是在模拟人的控制行为与功能, 在控制结构上采用分层递阶控制结构, 更趋近于人控制器的控制结构, 是一种分布式的控制器, 每一个单独的子模块都可以独立的完成相应控制任务, 控制器整体呈现“高内聚低耦合”的特点. 另外仿人智能控制采用的是开闭环控制结合和定性决策与定量控制结合的多模态控制, 控制方式多样化, 并且方便扩展控制模态.
2.1 初期仿人智能控制描述
仿人智能控制(HSIC)于1990年由李祖枢提出, 并在2003年发展成为完善理论体系. 该模型定义被控对象的特征模型与控制模态集, 其中特征模型能够通过对系统的动态信息空间划分得到不同的特征状态, 反映系统的动态信息特征, 如图5所示.
误差相平面
$(e - \dot e)$ 中${e_i}(i = 1,2,3)$ 为误差的阈值,${\dot e_i}(i = 1,2)$ 为误差变化率的阈值,${f_d}(e - \dot e)$ 为理想误差相轨迹, 区域1-8对应了特征模型中不同的特征状态.通过特征基元
${q_i}$ 的组合表示出HSIC特征模型${{{{\Phi}} }}$ 中的各个特征状态, 如下式所示.$$\begin{aligned}{l} {\bf{Q}} = \left\{ {{q_1},{q_2},{q_3},{q_4},{q_5},{q_6}} \right\}\\ {{{{\Phi}} }} = \left\{ {{\Phi _1},{\Phi _2},{\Phi _3},{\Phi _4},{\Phi _5},{\Phi _6},{\Phi _7},{\Phi _8}} \right\}\\ \;\;\;\;{\Phi _1}:{{\bar q}_1} \cap {{\bar q}_2}\\ \;\;\;\;{\Phi _2}:{q_2}\\ \;\;\;\;{\Phi _3}:{q_1} \cap {{\bar q}_2} \cap {q_3} \cap {q_5}\\ \;\;\;\;{\Phi _4}:{q_1} \cap {{\bar q}_2} \cap {q_3} \cap {{\bar q}_5}\\ \;\;\;\;{\Phi _5}:{q_1} \cap {{\bar q}_3} \cap {q_5}\\ \;\;\;\;{\Phi _6}:{q_1} \cap {{\bar q}_3} \cap {q_4} \cap {{\bar q}_5}\\ \;\;\;\;{\Phi _7}:{q_1} \cap {{\bar q}_4} \cap {{\bar q}_5} \cap {q_6}\\ \;\;\;\;{\Phi _8}:{{\bar q}_4} \cap {{\bar q}_6} \end{aligned}$$ 特征模态集则是控制策略能够不断变化的关键, 其描述如下式所示:
$$\Psi {\rm{ = [}}{\psi _1}{\rm{,}}{\psi _2}{\rm{,}} \cdots {\rm{,}}{\psi _i}{\rm{] }}{\psi _i}:{u_i} = {f_i}(e,\dot e, \cdots )$$ 特征模型与控制模态集之间的关联关系则通过产生式规则形式“if…then…”予以描述:
$$\begin{aligned}{l} \Omega :\Phi \to \Psi ,{\rm{ }}\Omega {\rm{ = [}}{\omega _1}{\rm{,}}{\omega _2}{\rm{,}} \cdots {\rm{,}}{\omega _i}{\rm{]}}\\ {\omega _i}:{\rm{if }}\;{\phi _i}\;{\rm{ then }}\;{\psi _i} \end{aligned}$$ 该方法是以模仿人对控制对象的观察、记忆、决策等智能行为为基础, 根据被调量偏差以及偏差的变化趋势来确定控制策略, 并且该模型研究的主要目标不是被控对象, 而是控制器本身如何对控制专家的结构和行为模拟, 所以对控制问题求解采用了一种二次映射的信息处理方式, 如图6所示, 从“认知”到“判断”的定性推理和从“判断”到“操作”的定量控制. 相较原型算法, HSIC模型有更成熟的定量描述简单系统的方法, 但受限于较为僵化的模仿式决策, 与人的决策控制相比仍有较大差距.
在HSIC模型中, 特征模型划分会产生阈值参数与控制参数, 并随特征状态划分越多, 待整定参数也越多. 张虹[18]等提出利用模糊理论(Fuzzy Theory, FT)语言式的模糊变量来描述控制变量间的关系, 不必对被控制变量建立完整的数学表达式. 文献[19]利用上述思想完成特征模型区域的模糊逻辑表达, 实现了模型中参数校正功能. 田建艳[20]进一步论证模糊逻辑推理作为模仿人脑对不确定性概念的判断和推理思维方式. 但简单的模糊处理存在降低控制精度和影响动态品质的问题, 另外模糊规则及隶属度函数的选取只能利用专家经验, 缺乏规范的设计准则.
遗传算法(GA)是解决优化问题的重要方法, 陈桂强等[21]提出基于混合单纯遗传算法的HSIC模型参数优化方法, 使收敛速度加快, 能够实现快速控制. 粒子群算法[22]、模糊神经网络[23]、免疫算法[24-25]等也被应用于实现控制参数整定, 改善控制效果.
2.2 九点仿人智能控制研究
HSIC模型采用的是分层递阶控制结构, 且内部特征模型的划分也没有特定的约束, 导致面对复杂控制问题时控制参数与阈值参数大量增加, 使控制器设计难度提升.
盖晓华等[26]提出将特征模型划分为五个特征状态, 每个状态分配独立控制作用强度, 形成一个以闭环为主导的开环系统, 并引入模糊逻辑, 使控制作用强度动态改变, 提升控制器的灵活性与鲁棒性. 文献[27]为获得更精确的状态划分和控制效果, 将特征模型划分扩展为九点划分, 每个区域有对应的控制率, 如图7所示. 文献[28]通过误差与误差变化率结合的不同条件对系统进行补偿和消耗, 将控制率分为供能控制、耗能控制和切换控制, 实现了真空装运机中模具温度控制.
尽管九点划分法明显减少了控制参数的数量, 降低了控制器的设计难度, 但它牺牲了部分系统鲁棒性, 使系统误差变化率对噪声非常敏感, 控制器在区域边界会出现频繁切换控制模态的现象. 文献[29]提出在控制信号输入端增加卡尔曼滤波器, 同时特征区域边界采用可伸缩的柔性边界, 利用两区域间的缓冲域解决系统轨迹反复切换模态的问题, 以此改善系统的鲁棒性, 但系统的响应时间会略有升高.
2.3 三层仿人智能控制研究
文献[30]提出将特征模型从传统的控制结构中剥离出来, 作为一个独立模块. 形成一种任务协调、动态参数自适应调整和底层执行的三层结构仿人智能控制. 该控制结构更简洁与高效, 不需频繁调用每一层的特征模型, 实现控制器资源利用的优化. 但该控制结构仍存在参数整定问题, 文献[31]提出利用BP神经网络设计动态参数自适应调整层实现参数整定. 文献[32]针对参数不确定的两轮机器人点稳定问题提出仿人智能反向控制(HSIBC), 将顶层设计为智能决策层, 中间层为反向自适应控制层, 底层仍然为执行层.
2.4 其他控制结构研究
文献[33]用有穷自动机代替特征模型与控制模态集之间的映射关系, 提高对控制专家的模仿程度. 文献[34]则直接将专家控制融入HSIC模型, 提升控制过程的动静态控制品质, 文献[35-36]在HSIC模型内加入了Smith预估补偿环节, 能够解决变时延下控制系统控制与不稳定的问题. 徐爱东等[37]针对高阶大惯性过程提出改进分层递阶结构, 将无模型自适应控制代替PID控制作为HSIC模型的控制层. 保证HSIC模型中定性与定量控制不变下提高对被控对象的适应性与控制鲁棒性. 文献[38]则利用HSIC思想, 实现模糊PID控制中参数的自主调节功能. 文献[39]将模糊控制作为HSIC模型的控制级, 文献[40]将改进模糊控制与磅-磅控制作为HSIC模型的控制模态基元. 文献[41]提出在特征模型内构建零区域, 区域内部采用多模态控制, 外部采用自适应模糊PD控制, 使误差能够迅速变化. 文献[42]提出一种基于最优控制的仿人智能控制, 利用最优控制获得被控对象的理想曲线, 将该曲线作为追踪对象实现控制曲线的动态补偿.
2.5 控制稳定性分析
线性定常系统的稳定性分析有劳斯判据和奈奎斯特判据, 从闭环系统特征方程的系数和对象的频域特性判断系统的稳定性, 指出系统不稳定的实质是内部状态存在正反馈环节. 李雅普诺夫则从能量角度给出系统稳定, 即系统沿状态向量的运动轨迹, 能量随时间推移逐渐减小到一种平衡状态. 仿人智能控制认为, 系统的输出是控制作用与被控对象内部特征的综合反映, 因此系统不稳定的趋势总是能够通过特征反映到系统的输入输出响应中[7].
仿人智能控制通过设计稳定性监控模块在线保证系统闭环稳定性. 首先从系统输入输出的信息空间中抽取反映系统不稳定趋势的特征信息, 在相空间中描述系统不稳定的特征状态, 建立仿人智能控制系统不稳定特征模型, 实时将被控对象的误差和误差变化率进行比较, 及时发现系统的不稳定趋势, 由于误差变化率在相位上超前误差, 该不稳定特征模型的稳定性判断是一种超前的预估判断, 因此保证了系统在线稳定性校正的可能. 在不稳定特征模型判据与决策的基础上分析不稳定趋势的定量与定性关系, 建立相应的校正与适应控制模态和推理规则集, 当系统的结构、参数或被控目标发生较大变化, 运行控制级UC无法自适应该变化时, 系统的输出响应中将出现不稳定趋势, 系统稳定性监控模块将特征识别该不稳定趋势, 采取对应的推理规则, 动态实现运行控制级UC的控制模态和参数校正.
2.6 第二代仿人智能控制的理论应用进展
第二代仿人智能控制相较原型算法拥有更丰富的状态划分和多样化的控制模态, 同时有一定自适应与自学习能力, 能够解决多对象控制问题.
仿人智能控制应用多见于倒立摆、机器人控制领域, 尤其是多级倒立摆的摆起倒立控制. 倒立摆控制是典型的强非线性、欠驱动、强耦合的复杂难控问题, 也是众多控制理论方法的试金石. 李祖枢最先将HSIC模型用于平面倒立摆, 实现力矩受限单摆的自动摆起倒立控制[43], 引起了广泛关注. 祁虔首次实现了同一控制参数下不同摆杆长度的三级倒立摆的稳摆控制[29]. 雷李实现了足球机器人到定点位置的运动控制[44], 罗忠等[45-46]成功地将HSIC模型应用于机器人在未知环境下接触力的精确控制. 李铁军通过特征提取与识别建立了Frontier-I机器人的避障与动态目标跟踪控制器, 求解了足球机器人运动控制问题[47]. 敬成林完成了对双足机器人稳定步行动作的控制[48]. 2012年, 陈情针对工业机器人存在的时变、耦合和强非线性特征, 设计了三自由度工业机器人的仿人智能控制器[49], 刘荣升在HSIC模型中加入双向死区补偿环节, 成功应用到大型臂架系统的关节控制中[50].
仿人智能控制模型在其他领域的应用也颇多, 比如对直流电机转速控制[51-53]、车辆控制[54]等, 涂亚庆、张卫忠等将仿人智能控制成功应用到车辆系统的自动泊车[55]、无人自动驾驶[56]的控制中, 王少杰完成汽车的最优换挡控制[57]. 李锐改进仿人自适应控制完成了隔振桥梁列车制动响应控制[58]. 华一丁针对智能汽车转向控制中传统控制过于依赖精确模型问题, 通过HSIC模型实现了实际转向角与理想转向角偏差的跟踪控制[59].
此外, 苏杰等[60]提出仿人智能电压控制器和仿人智能无功控制器相结合的控制策略, 解决了火电厂ACV系统优化问题, 文献[61]用HSIC模型解决了UPFC的控制问题, 刘立军借助仿人智能控制实现远程焊接教学的在线监测和补偿控制[62]; 张开生等[63]以S3C2410X为微处理器完成了HSIC模型控制的硬件实现. 李国昉等将HSIC模型应用于粮食干燥中出粮水分的控制[64-65], 文献[66]实现了单自由度磁悬浮球系统的控制. 杨辉跃等利用仿人智能控制原理实现了科氏质量流量计的振动幅值控制[67]. 近年来HSIC模型在固体垃圾焚化[68-71]、工业控制[72-76]、舰船控制[77-78]等领域的应用呈上升趋势.
3. 第三代仿人智能控制
图式理论是分析高等生物复杂动态系统的方法论之一, 70年代后期开始被应用于人工智能、机器人控制和遗传算法等领域. 此处将基于动觉智能图式的仿人智能控制SMIS-HSIC(sensor-motor intelligent schema human simulated intelligent control)归为第三代仿人智能控制.
3.1 SMIS-HSIC描述
2003年, 李祖枢指出仿人智能控制与图式理论存在优势互补[79], 原因在于图式理论能够提供HSIC模型中欠缺的复杂系统分析方法, 而图式理论缺乏的图式形式化与定量描述方法可以通过仿人智能控制补足, 因此二者结合能够提升仿人智能控制的智能水平, 提升对复杂对象的控制效果. 文献[80]给出了将认知科学中图式理论引入仿人智能控制的思路与方法. 2006年, 借助倒立摆控制的案例, 李祖枢提出完整的第三代仿人智能控制SMIS-HSIC模型[81].
该模型在HSIC模型的基础上引入了动觉智能图式, 其中感知图式采集定性-定量结合的用于前馈或反馈的控制信息, 实现HSIC模型中依据特征模型辨识系统当前特征状态的功能; 关联图式采用直觉推理的方式将系统特征状态映射到运动图式中的控制模态集中, 产生对被控对象的控制输出, 如图8所示.
动觉智能图式采用如下所示的统一形式化描述:
$$\begin{aligned}{l} {S_{KG}} = \left\langle {{S_P},{S_M},{S_A}} \right\rangle \\ \;\;{S_P} = \left\langle {R{\rm{ }}Q{\rm{ }}K{\rm{ }} \otimes {\rm{ }}\Phi } \right\rangle \\ \;\;{S_M} = \left\langle {R{\rm{ }}P{\rm{ }}L{\rm{ }}\Psi {\rm{ }}U} \right\rangle \\ \;\;{S_A} = \left\langle {R{\rm{ }}\Phi {\rm{ }}\Psi {\rm{ }}\Omega } \right\rangle \end{aligned}$$ 其中:
${S_P}$ 为感知图式,${S_M}$ 为运动图式,${S_A}$ 为关联图示,$R$ 为输入信息,$Q$ 为特征基元集,$K$ 为元素取值−1、0、1的关系矩阵,$\Phi $ 为特征模型,$ \otimes $ 为“与”乘矩阵运算符, 且$\Phi = K \otimes Q$ ,$P$ 为控制基元集,$\Psi $ 为控制模态集,$U$ 为控制输出,$L$ 为关系矩阵, 且$\Psi :U = L \otimes P$ ,$\Omega $ 为推理规则集, 采用if···then···的直觉推理形式.由此构成的SMIS-HSIC模型结构如图9所示, 该模型能够很好的弥补HSIC模型难以实现复杂对象控制的不足, 获得更好的控制效果.
SMIS-HSIC模型采用的是分层递阶控制系统结构, 该结构并不完善, 许多元素较为抽象模糊, 如SMIS-HSIC中的关联图式及其建立的阐述相对简单, 缺乏具体的结构及实现方案. 吴恭兴等[83]将HSIC模型的结构引入SMIS-HSIC模型中, 提出一种混合仿人智能图式, 实现了无人艇自主驾驶控制. 文献[30]研究了多种关联图式的结构, 提出数据式关联、控制式关联和混合关联三种关联方式. 并设计了感知图式与运动图式之间的新型关联结构.
初期的SMIS-HSIC模型多集中于底层图式研究, 对上层图式研究相对较少, 导致SMIS-HSIC模型中关于行为选择图式、平衡图式、同化图式和顺应图式等仅有抽象的概念, 并没有相关的形式化描述与具体设计方法. 文献[84]研究了SMIS-HSIC模型中的高层图式, 分析了SMIS-HSIC模型中基元-模态构建过程和感知-执行决策过程, 提出低阶动觉智能图式、高阶关联图式、平衡调节图式统一的形式化描述方法, 将SMIS-HSIC模型的结构具体化为图10所示.
遗传算法是图式进化与学习的基础理论, 所以各学者采用遗传算法作为SMIS-HSIC模型中参数优化的方法. 文献[85]采用台湾学者Jinn Tsong Tsai提出的混合田口遗传算法(HTGA)[86]作为控制参数整定的工具, 通过引入正交试验更易获得最优解并提高收敛性. 但该方法在引入正交试验的同时也带来了参数整定复杂度提升的问题. 文献[87-88]在模型中引入多目标遗传算法(MMGA), 通过加入理想向量作为搜索方向的引导, 能够提升其收敛性, 并且避免一些误差带来的影响. 2010年, 李祖枢将一种改进遗传算法(IGA)[89]引入SMIS-HSIC模型中, 通过融合海明距离、动态编码、反馈式突变等思想改善了遗传算法中早熟收敛、种群进化后期效率低等问题, 并在实验中获得了理想的二级倒立摆控制效果.
目前SMIS-HSIC模型在顺应图式定义与设计上还存在问题, 原因在于顺应图式结构复杂, 作为结构优化图式, 图式结构编码是问题之一, 其次图式结构优化内嵌参数优化, 实质是一个参数与结构双重嵌套搜索过程, 随系统复杂程度提高, 其运算量也将呈指数级上升.
3.2 控制稳定性分析
第三代仿人智能控制同样认为系统的不稳定状态或者不稳定趋势总是蕴含在各项输入信息中, 可以通过特征提取得到系统稳定性相关的特征信息, 进而得到系统不稳定性特征模态与特征模型, 以此作为决策的依据, 对现有控制结构与参数进行调整以适应动态的变化[84].
第三代仿人智能控制融合了皮亚杰提出的图式理论, 而图式理论中有三个基本过程: 同化、顺应和平衡, 使认知主体通过自我调节达到适应环境的目的. 皮亚杰认为同化是将外界因素整合于一个正在形成或已形成的图式, 即把环境因素纳入机体已有的图式之中, 以加强和丰富主体的动作. 顺应是当同化外界新的刺激到原有图式失败的时候, 要么创造一个新图式来容纳这个刺激, 要么修改原有图式以便新的刺激能符合这种图式. 因此主体通过自我调节系统对同化和顺应进行调整以达到二者平衡, 当同化大于顺应时, 自我调节系统加强顺应, 抑制同化作用.
SMIS-HSIC中稳定性监控部分由平衡图式、同化图式和顺应图式构成, 其中平衡图式可以结合目标任务信息依据内部模型中被控对象的特性, 从系统状态信息中提取稳定性相关的特征基元, 组合构成稳定性特征模型, 依据稳定性状态进行关联与决策, 对同化图式、顺应图示进行协调与调度. 同化图式的作用是参数整定与校正, 这实质上是一种需要配合优化算法的参数搜索, 顺应图式的作用是以有监督或无监督学习的方式, 自主的改变低阶动觉智能图式的控制模态, 同时嵌套参数优化. 以此智能控制器通过不断与环境和输入输出响应的交互, 实现系统稳定性监控地目的.
3.3 第三代仿人智能控制的理论应用进展
SMIS-HSIC模型能够实现高复杂度和高智能需求系统的有效控制, 因此应用集中于多级倒立摆、机器人控制等领域. 2004年, 李祖枢等人利用SMIS-HSIC模型成功实现倾斜轨道的直线二级倒立摆的摆起倒立实时控制[90]这一标志性成果, 同时实现了直线轨道上的小车三级摆的摆起倒立实时控制[91], 这一系列的成功应用引起了当时控制学界的极大关注; 吴垣甫等[92]借助GA对参数的优化实现了小车单摆的摆起于稳定控制. 文献[93-94]实现了小车二级摆的摆动控制问题.
机器人控制领域的成果集中体现在足球机器人的运动控制、体操机器人的动作控制和一些多自由度的工业机器人. 其中足球机器人多次在ROBOCUP大赛中获奖, 而倒立摆和体操机器人等部分成果已经与企业合作, 销往国内外高校, 实现了产业化. 王牛利用该理论成功实现两轮轮式机器人的典型双闭环轮速跟随运动控制[95]; 刘成军设计了双足机器人控制器, 实现机器人连续动态步行控制[96]; 但远宏通过SMIS-HSIC模型实现双摆机器人倒立点到悬垂点的控制[97]. 董小闵利用该理论实现了磁流变阻尼器的MR悬架控制系统[98-99]以及基于GA优化SMIS-HSIC模型的飞机起落架磁流变吸收器的自适应调谐控制[100].
4. 总结与展望
仿人智能控制作为我国学者提出的智能控制理论, 对提高我国控制领域基础理论研究, 扩展智能控制理论内容具有重要意义. 经过几十年的发展, 无论从理论思想还是具体方法, 仿人智能控制都已经发展成熟, 形成了完善的理论体系. 原型算法开创性的提出仿人思维式的控制思想, 简单的模型结构更适应于单一对象的控制, 在工业控制领域应用颇多; HSIC模型将复杂对象与过程切分, 利用多模态控制思想对多种特征状态进行实时控制, 实现分层递阶的多模态控制结构, 使控制系统性能有较大提升, 在倒立摆、汽车等许多领域得到了探索与应用; SMIS-HSIC模型利用图式理论对复杂对象的分析, 在复杂对象切分的基础上, 进一步将控制任务模块化, 通过高层智能图式的自组织、自学习能力赋予控制系统更多智能元素, 将控制模型推向更复杂难控的对象与过程, 在机器人、多级倒立摆、磁流变等领域得到了应用与推广.
考虑到智能控制的实际现状和发展趋势, 仿人智能控制理论已经得到了广泛的研究并取得了一系列标志性成果, 但仍存在一些挑战性的问题有待进一步研究, 具体体现在以下几个方面:
1)多学科领域交叉发展
近年来, 随智能制造的飞速发展和日渐成熟, 被控对象的复杂度和难控程度与日俱增, 同时大量的噪声干扰严重影响了控制效果, 为智能控制的稳定性和抗干扰性带来了挑战. 而人工智能、自然计算、边缘计算等技术不断成熟, 智能控制要想获得长足发展必然需要与这些领域有所交叉. 仿人智能控制应该紧跟智能控制发展的步伐, 吸纳更多智能元素, 结合多模态控制对噪声敏感的特点, 研究更先进的控制模型, 将仿人智能控制推向更复杂的控制领域, 比如作为控制核心完成仿人机器人的行为控制、无人驾驶车辆的行为控制等.
2)图式理论与仿人智能的深度融合
受被控对象复杂程度和研究深度的影响, 当前各类文献中设计的仿人智能控制器多为分层递阶控制理论中底层的控制级, 对协调级与组织级的研究较少, 这也导致SMIS-HSIC模型中对上层图式的形式化描述与具体设计方法没有完善的理论. 对动觉智能图式的进一步研究, 或者融合更多人体生物机理的前沿进展可能会产生突破性成果, 最终促进SMIS-HSIC模型的发展, 主要的难点在于如何将图式理论中同化、顺应、平衡的思想在SMIS-HSIC模型中体现, 完成高层图式的自组织、自学习功能, 这将提升仿人智能控制的智能水平.
3)探索参数与结构的优化方案
在仿人智能控制发展过程中, 许多固有缺陷并没有很好的解决, 比如控制参数整定难问题. 控制器获得的控制效果与特征模型中特征状态的数量存在正比关系, 但同时控制参数增加为控制器设计带来极大困难, 当前参数整定仍以离线为主在线为辅, 原因在于大量参数寻优带来的时间开销是控制器无法接受的, 双重嵌套搜索的结构优化更是难以实现, 而云计算、边缘计算等技术可能是这一难题的解决方案之一. 从仿生学角度思考, 具有超强算力的云服务中心相当于人的大脑, 可以完成控制结构优化这类寻优难题, 而低时延的边缘计算服务相当于人的神经末梢, 可以协助完成参数寻优这类难题. 这将极大提升仿人智能控制的自适应能力与鲁棒性, 提升控制器在强干扰环境下的工作能力.
-
表 1 三代仿人智能控制关系表
Table 1 Relation table of three generations of human simulated intelligent control
控制模型 联系与发展改进 提出时间 服务对象 原型算法 用极值采样保持替代积分器, 能够很好的兼顾稳定性、快速性和精确性. 1979 温度控制、PH控制等 仿人智能控制(HSIC) 以原型算法为核心思想, 建立分层递阶的信息处理与决策机构, 基于特征模型在线特征辨识和特征记忆, 构建能够定性决策与定量控制的多模态集, 采用启发式推理的规则集. 1990 倒立摆、工业控制等具有强非线性、欠驱动特性的控制对象 基于动觉智能图式的仿人智能控制(SMIS-HSIC) 以第二代仿人智能控制为基础, 融合图式理论, 提升控制器的控制效果与智能程度, 赋予控制器自适应自学习能力, 加强控制器分布式、并行执行的特点. 2003 多级倒立摆、机器人等更复杂难控的对象 
下载: 导出CSV
-
[1] 辛斌, 陈杰, 彭志红. 智能优化控制: 概述与展望. 自动化学报, 2013, 39(11): 1831−1848 doi: 10.3724/SP.J.1004.2013.01831Xin Bin, Chen Jie, Peng Zhi-Hong. Intelligent optimized control: overview and prospect. Acta Automatica Sinica, 2013, 39(11): 1831−1848 doi: 10.3724/SP.J.1004.2013.01831 [2] 周其鉴, 柏建国, 吕炳朝, 张兴华. 增益适应式非线性调节. 重庆大学学报(自然科学版), 1980, 04: 36−68Zhou Qi-Jian, Bai Jian-Guo, Lv Bing-Chao, Zhang Xing-Hua. A variable gain type of nonlinear adaptive controller. Journal of Chongqing University, 1980, 04: 36−68 [3] Zhou Qi-Jian, Bai Jian-Guo. An intelligent controller of novel design. In: Proceeding of a Multinational Instrumentation Conference. Shanghai, China: United States, 1983.127−149. [4] 李祖枢, 徐鸣, 周其鉴. 一种新型的仿人智能控制器(SHIC). 自动化学报, 1990, 06: 503−509Li Zu-Shu, Xu Ming, Zhou Qi-Jian. A novel simulating of human intelligent controller (SHIC). Acta Automatica Sinica, 1990, 06: 503−509 [5] 涂亚庆, 李祖枢, 黄尚廉. 仿人智能控制(SHIC)进展. 光学精密工程, 1993, 06: 40−44Tu Ya-Qing, Li Zu-Shu, Huang Shang-Lian. The progression of simulating human intelligent control. Optics and Precision Engineering, 1993, 06: 40−44 [6] 涂亚庆, 李祖枢. 一种新型的仿人智能控制器的设计方法. 自动化学报, 1994, 05: 616−621Tu Ya-Qing, Li Zu-Shu. Design method for a novel human simulating intelligent controller. Acta Automatica Sinica, 1994, 05: 616−621 [7] 李祖枢, 涂亚庆. 仿人智能控制. 北京: 国防工业出版社, 2003.Li Zu-Shu, Tu Ya-Qing. Human Simulated Intelligent Control Beijing: National Defense Industry Press, 2003. [8] 蔡自兴, 余伶俐, 肖晓明. 智能控制原理与应用. 北京: 清华大学出版社, 2014.Cai Zi-Xing, Yu Ling-Li, Xiao Xiao-Ming.Principles and Applications of Intelligent Control . Beijing: Tsinghua University Press, 2014. [9] 蔡自兴. 中国智能控制40年. 科技导报, 2018, 17: 23−39Cai Zi-Xing. 40 Years of intelligent control in China. Science & Technology Review, 2018, 17: 23−39 [10] Luo Zhong, Liu Hong-Yi, Wang Fei, Xu Li-Xia. Overview of human-simulated intelligent control method and its application. International Journal of Modelling, Identification and Control, 2010, 1-2(9): 161−167 [11] 陈民铀, 周其鉴. PH过程的智能控制. 信息与控制, 1987, 02: 1−6Chen Min-You, Zhou Qi-Jian. Intelligent control of PH process. Information & Control, 1987, 02: 1−6 [12] 杨飚, 张曾科. 仿人智能控制器的动态特性参数整定方法. 信息与控制, 2004, 06: 670−673 doi: 10.3969/j.issn.1002-0411.2004.06.007Yang Yan, Zhang Zeng-Ke. Dynamic characteristic parameter setting method for human-simulated intelligent controller. Information and Control, 2004, 06: 670−673 doi: 10.3969/j.issn.1002-0411.2004.06.007 [13] 刘军, 胡章军. 一种仿人智能控制参数整定方法. 控制工程, 2006, S1: 91−93 doi: 10.3969/j.issn.1671-7848.2006.01.025Liu Jun, Hu Zhang-Jun. Parameter setting method for human-simulated intelligent controller. Control Engineering of China, 2006, S1: 91−93 doi: 10.3969/j.issn.1671-7848.2006.01.025 [14] Wang Pei-Jin. Improvement of the prototype algorithm of human simulated intelligent control. In: Proceedings of International Conference on Machine Learning & Cybernetics. Kunming, China: IEEE, 2008.1998−2003. [15] 罗晓平, 黄海. 智能桁架结构振动的仿人智能控制. 振动与冲击, 2006, 25(06): 92−96 doi: 10.3969/j.issn.1000-3835.2006.06.023Luo Xiao-Ping. Human-simulated intelligent control for intelligent truss structures. Journal of Vibration and Shock, 2006, 25(06): 92−96 doi: 10.3969/j.issn.1000-3835.2006.06.023 [16] 白美卿, 高富强. 仿人智能温度控制器. 仪器仪表学报, 1988, 01: 85−89Bai Mei-Qin, Gao Fu-Qiang. Temperature-controller using an algorithm of intelligent control simulating humen behavior. Chinese Journal of Scientific Instrument, 1988, 01: 85−89 [17] 王昌银, 王应建, 林建亚. 机器人电液伺服关节的仿人智能控制实践. 机器人, 1990, 05: 25−29Wang Chang-Yin, Wang Ying-Jian, Lin Jian-Ya. Intelligent control of electro-hydraulic servo system. Robot, 1990, 05: 25−29 [18] 张虹, 陈淑羚, 张兵. 仿人智能控制器的模糊自整定. 内蒙古工业大学学报(自然科学版), 1999, 03: 201−205Zhang Hong, Chen Shu-Ling, Zhang Bing. A Self-tuning approach of HSIC based on fuzzy in ference. Journal of Innermongolia Polytechnic University, 1999, 03: 201−205 [19] Li Zu-Shu, Liang Dong-Wu, Chen Gui-Qiang. Fuzzy self-tuning of parameters online for human simulated intelligent controller. In: Proceedings of the IEEE International Conference on Systems, Man and Cybernetics. Montréal, Canada: IEEE, 2007.2402−2407. [20] Tian Jian-Yan, Zhang Guan-Yu, Wu Jin, Li Wen-Ting. The fuzzy human-simulated intelligent control for hot-rolling strip width. In: Proceedings of Intelligent Control & Automation. Beijing, China: IEEE, 2012.270−274. [21] Chen Gui-Qiang, Tang Lin-Jian, Li Zu-Shu. Parameter optimisation of human-simulated intelligent controller for a cart-double pendulum system. International Journal of Modelling, Identification and Control, 2010, 10(3/4): 194−201 doi: 10.1504/IJMIC.2010.034571 [22] 雷建和, 万斌, 刘明, 张栋. 基于粒子群算法的四旋翼仿人智能控制器设计. 计算机仿真, 2018, 35(01): 27−32 doi: 10.3969/j.issn.1006-9348.2018.01.006Lei Jian-He, Wan Bin, Liu Ming, Zhang Dong. The design of four-rotor human-simulated intelligent controller based on particle swarm optimization algorithm. Computer Simulation, 2018, 35(01): 27−32 doi: 10.3969/j.issn.1006-9348.2018.01.006 [23] 张贯宇, 田建艳, 张维杰, 邱华东, 张婵爱. 基于模糊神经网络参数整定的仿人智能控制. 传感器与微系统, 2013, 10: 30−33 doi: 10.3969/j.issn.1000-9787.2013.06.009Zhang Guan-Yu, Tian Jian-Yan, Zhang Wei-Jie, Qiu Hua-Dong, Zhang Chan-Ai. Human-simulated intelligent control based on parameters correcting by fuzzy neural network. Transducer and Microsystem Technologies, 2013, 10: 30−33 doi: 10.3969/j.issn.1000-9787.2013.06.009 [24] Xiao Qian-Jun, Wu Qian, Liu Bu-Qing. Optimization tuning model of control parameter based on artificial immune principle in human simulated intelligent controller. International Journal of Control and Automation, 2016, 9(8): 21−30 doi: 10.14257/ijca.2016.9.8.03 [25] 雷正桥. 仿人智能控制器控制参数的免疫优化方法. 辽宁工程技术大学学报(自然科学版), 2016, 35(01): 101−104Lei Zheng-Qiao. Method of immune optimization for control parameter in human simulated intelligent controller. Journal of Liaoning Technical University(Natural Science), 2016, 35(01): 101−104 [26] 盖晓华, 刘叔军, 张南纶. 一种模糊HSIC特征模型新算法的分析与仿真. 信息与控制, 2009, 38(02): 239−244 doi: 10.3969/j.issn.1002-0411.2009.02.020Gai Xiao-Hua, Liu Shu-Jun, Zhang Nan-Lun. Analysis and simulation on a new algorithm of characteristic model of fuzzy HSIC. Information & Control, 2009, 38(02): 239−244 doi: 10.3969/j.issn.1002-0411.2009.02.020 [27] 翟天嵩, 刘叔军, 张南纶. Robocup中型组足球机器人的改进模糊HSIC运动控制. 信息与控制, 2011, 40(04): 537−541Zhai Tian-Song, Liu Shu-Jun, Zhang Nan-Lun. An improved fuzzy-HSIC based motion control for robocup middle-sized soccer robot. Information and Control, 2011, 40(04): 537−541 [28] Zhang Feng-Rui, Huo Da-Yong. Research of human-simulated intelligent controller in industrial control. In: Proceedings of Second International Workshop on Education Technology & Computer Science. Wuhan, China: IEEE, 2010.216−219. [29] 祁虔. 自校正仿人智能控制器及其在等摆长倒立摆系统中的应用[博士学位论文], 重庆大学, 2017Qi Qian. Adaptive human simulated intelligent controller and its application in inverted pendulum system with uniform rods[Ph. D. dissertation], Chongqing University, 2017. [30] 王牛. 基于动觉智能图式足球机器人运动控制[博士学位论文], 重庆大学, 2008Wang Niu. Research of soccer robot human simulated intelligence motion control based on sensory-motor intelligence schema[Ph. D. dissertation], Chongqing University, 2008. [31] Zhang Qi, Wang Niu, Li Zu-Shu. Point stabilization control for two-wheel robot with online parameters settings. In: Proceedings of Intelligent Control & Automation. Taipei, China: IEEE, 2011.176−181. [32] Ran Song, Wang Niu, Pu Hua, Yin Chang-Wei, Wang Te-Te, Wang Teng-Fei. Adaptive point stabilization control of two-wheel robot with parameter uncertainties based on human-simulated intelligent backstepping method. In: Proceedings of The 37th China Control Conference. Wuhan, China: IEEE, 2018.3915−3920. [33] 陈晓龙, 章云, 杨玲玲. 基于确定有穷自动机描述的仿人智能控制记忆. 微电子学与计算机, 2008, 05: 88−90+94Chen Xiao-Long, Zhang Yun, Yang Ling-Ling. Memory of HSIC based on the describing about deterministic finite automata. Microelectronics & Computer, 2008, 05: 88−90+94 [34] Liu Yu-Cheng, Liu Yu-Bin. Intelligent integration between human simulated intelligence and expert control technology for the combustion process of gas heating furnace. Mathematical Problems in Engineering, 2014, 2014: 1−6 [35] 董小闵, 余淼, 陈伟民. 磁流变悬架的瞬态动力学控制研究. 振动工程学报, 2008, 21(02): 167−172 doi: 10.3969/j.issn.1004-4523.2008.02.012Dong Xiao-Min, Yu Miao, Chen Wei-Min. Control for transient dynamics of magneto-rheological suspension. Journal of Vibration Engineering, 2008, 21(02): 167−172 doi: 10.3969/j.issn.1004-4523.2008.02.012 [36] Yu Miao, Dong Xiao-Min, Choi S. B., Liao Chang-Rong. Human simulated intelligent control of vehicle suspension system with mr dampers. Journal of Sound and Vibration, 2009, 319(3-5): 753−767 [37] Xu Ai-Dong, Li Chuan-Qing, Chen Yan-Jun, Liu Guang-Sheng, Han Li. Model-free adaptive with human-simulated intelligent control and its application in super-heated steam temperature system. In: Proceedings of the 26th Chinese Control Conference. Hunan, China: IEEE, 2007.725−728. [38] Guo Cheng, Du Feng, Li Jin-Yu, Ren Jia, Zhang Yu, Zhou Hui. Networked control systems based on human-simulated intelligent and fuzzy control. In: Proceedings of World Automation Congress Proceedings. Puerto Vallarta, Mexico: IEEE, 2012.1−4. [39] 周彦, 何小阳, 王冬丽. 时变大滞后过程的专家模糊控制设计与仿真. 系统仿真学报, 2006, 10: 2786−2789 doi: 10.3969/j.issn.1004-731X.2006.10.023Zhou Yan, He Xiao-Yang, Wang Dong-Li. Design and simulation of expert fuzzy control for time-varying processes with large time delay. Journal of System Simulation, 2006, 10: 2786−2789 doi: 10.3969/j.issn.1004-731X.2006.10.023 [40] Lin Hai-Jun, Teng Zhao-Sheng, Chen Tao, Yang Sheng-Jie, Zhang Hong-Chuan, Chi Hai. Improved fuzzy control method for temperature in water tank of intelligent viscometer. In: Proceedings of IEEE International Conference on Information & Automation. Changsha, China: IEEE, 2008.1106−1110. [41] Qi Qian, Li Zu-Shu, Tan Zhi, Dan Yuan-Hong, Lin Xiao. Adaptive human-simulated intelligent controller and its application in double inverted pendulum. In: Proceedings of Intelligent Control & Automation. Jinan, China: IEEE, 2010.1063−1066. [42] Liu Cui-Ling, Sun Xiao-Rong, Chen Jian-Ming. Application of human-simulating intelligent control in heating the super-high pressure kettle. In: Proceedings of World Congress on Intelligent Control & Automation. Beijing, China: IEEE, 2008.7070−7073. [43] 李祖枢. 力矩受限单摆的摆起倒立控制——仿人智能控制在非线性系统中的应用. 控制理论与应用, 1999, 02: 225−229 doi: 10.3969/j.issn.1000-8152.1999.02.016Li Zu-Shu. The control for swinging up of a pendulum under limited torquen application of human simulated intelligent control in nonlinear system. Control Theory & Applications, 1999, 02: 225−229 doi: 10.3969/j.issn.1000-8152.1999.02.016 [44] 雷李, 李祖枢, 王牛. 基于仿人智能控制的足球机器人底层运动研究. 哈尔滨工业大学学报, 2004, 07: 978−980 doi: 10.3321/j.issn:0367-6234.2004.07.044Lei Li, Li Zu-Shu, Wang Niu. Study of robot soccer's basic motion based on HSIC. Journal of Harbin Institute of Technology, 2004, 07: 978−980 doi: 10.3321/j.issn:0367-6234.2004.07.044 [45] Luo Zhong, Liu Hong-Yi, Wang Fei, Li Li-Na, Yang Jiang. The human-simulation intelligent control of contact force based on the detection of ultrasonic sensors. In: Proceedings of IEEE International Conference on Robotics & Biomimetics. Sanya, China: IEEE, 2007.1664−1668. [46] Luo Zhong, Liu Hong-Yi, Wang Fei. Error analysis of robot detecting system with laser sensors in unknown environment. International Journal of Modelling, Identification and Control, 2011, 12(1/2): 160−165 doi: 10.1504/IJMIC.2011.037845 [47] Li Tie-Jun, Chen Gui-Qiang, Shao Gui-Fang. Action control of soccer robots based on simulated human intelligence. International Journal of Automation and Computing, 2010, 7(1): 55−63 doi: 10.1007/s11633-010-0055-1 [48] 敬成林, 朱晓铭. 仿人预测控制在双足机器人步行控制中的应用. 传感器与微系统, 2014, 33(03): 157−160 doi: 10.3969/j.issn.1000-9787.2014.03.045Jing Cheng-Lin, Zhu Xiao-Ming. Application of human-simulated predictive control in walking control of biped robot. Transducer and Microsystem Technologies, 2014, 33(03): 157−160 doi: 10.3969/j.issn.1000-9787.2014.03.045 [49] 陈情, 薛方正. 工业机器人的仿人智能控制. 重庆理工大学学报(自然科学), 2012, 26(07): 42−49Chen Qing, Xue Fang-Zheng. Human-simulated intelligent control for manipulator. Journal of Chongqing University of Technology (Natural Science), 2012, 26(07): 42−49 [50] Liu Rong-Sheng, Gao Ying-Jie, Yang Yu-Lin, Liu Yan-Long. Human simulated intelligent control with double-direction dead-zone compensation for joint motion control of a large-sized boom system. Journal of Control Science and Engineering, 2015, 2015: 1−7 [51] 刘成军, 薛方正, 李祖枢, 钟灶生, 敬成林. 基于分时段模型的无刷直流电机仿人智能控制. 系统仿真学报, 2011, 23(06): 1098−1103Liu Cheng-Jun, Xue Fang-Zheng, Li Zu-Shu, Zhong Zao-Sheng, Jing Cheng-Lin. Human simulated intelligent control of brushless dc motor based on time-varying model. Journal of System Simulation, 2011, 23(06): 1098−1103 [52] Zhao Zhong-Yuan, Li Nan, Ma Qin-Yong, Huang Jian-Ming, Wang Niu. Application of human simulation intelligent control method in acceleration control of DC motor speed regulating system. Journal of Central South University (Science and Technology), 2013, 44: 63−68 [53] Xu Peng, Xiao Jian, Li Shan, Yang Yi. Human simulated intelligent control for permanent magnet synchronous motor. Applied Mechanics and Materials, 2013, 241: 1821−1827 [54] 李锐, 郑太雄, 李银国, 冯辉宗, 陈伟民. 汽车防抱死制动系统分级智能控制. 机械工程学报, 2007, 08: 135−141 doi: 10.3321/j.issn:0577-6686.2007.03.023Li Rui, Zheng Tai-Xiong, Li Yin-Guo, Feng Hui-Zong, Chen Wei-Min. Hierarchical intelligent control of automobile anti-lock braking system. Journal of Mechanical Engineering, 2007, 08: 135−141 doi: 10.3321/j.issn:0577-6686.2007.03.023 [55] 涂亚庆, 陈浩, 杨辉跃. 一种自动泊车的仿人智能控制方法. 控制工程, 2014, 21(02): 161−167 doi: 10.3969/j.issn.1671-7848.2014.02.003Tu Ya-Qing, Yang Hao, Yang Hui-Yue. Autonomous parking method based on human-simulated intelligent control. Control Engineering of China, 2014, 21(02): 161−167 doi: 10.3969/j.issn.1671-7848.2014.02.003 [56] Zhang Wei-Zhong, Chen Gang, Hu Li-Ming, Wang Tao, Cui Shi-Tang, Jiang Qiang. Research of vehicle trajectory tracking based on human-simulated intelligent control. Advanced Materials Research, 2014, 940: 375−379 doi: 10.4028/www.scientific.net/AMR.940.375 [57] 王少杰, 侯亮, 黄鹤艇, 祝青园. 基于最优换挡控制目标的仿人智能模糊控制策略. 厦门大学学报(自然科学版), 2016, 55(01): 131−136Wang Shao-Jie, Hou Liang, Huang He-Ting, Zhu Qing-Yuan. Applications of optimal shift control strategy to human intelligent fuzzy control. Journal of Xiamen University (Natural Science), 2016, 55(01): 131−136 [58] Li Rui, Zhou Hong-Li, Li Xi, Zhang Ze, Wang Xiao-Jie. Human simulated intelligent control on magneto-rheological vibration isolation system for subway floating slab track with moving load. In: Proceedings of Intelligent Control & Automation. Guilin, China: IEEE, 2016.971−976. [59] Hua Yi-Ding, Gong Jin-Feng, Rong Hui, Wang Wen-Yang, Guo Peng, He Jia. Intelligent vehicle human-simulated steering characteristics access and control strategy. Journal of Shanghai Jiaotong University (Science), 2018, 23(1): 117−123 [60] 苏杰, 孙金龙, 刘友宽, 刘适. 基于仿人智能控制的火电厂AVC系优化研究. 电力系统保护与控制, 2018, 02: 157−162 doi: 10.7667/PSPC170442Su Jie, Sun Jin-Long, Liu You-Kuan, Liu Shi. Research on AVC system optimization of power plant based on human-simulated intelligent control. Power System Protection and Control, 2018, 02: 157−162 doi: 10.7667/PSPC170442 [61] Chen Zhong, Yan Wei, Xu Gao-Yu, Wang Guan-Jie. The UPFC intelligent control system based on human-simulated intelligent control. In: Proceedings of International Conference on Machine Learning and Cybernetics, Xian, China: IEEE, 2003.736-740. [62] Liu Li-Jun, Gao Hong-Ming, Zhang Guang-Jun, Wu Lin. Investigation on human-simulation intelligent control of the touch force in remote welding teleteaching. International Journal of Innovative Computing, Information and Control, 2006, 30: 85−88 [63] Zhang Kai-Sheng, Liu Jin-Hao. Study on human-simulated intelligent control method of fruit & vegetable cold satorage. In: Proceedings of IEEE International Conference on Computer Science & Information Technology. Beijing, China: IEEE, 2009.30−33. [64] 李国昉, 李栋, 齐玉斌, 毛志怀. 连续流动式粮食干燥机的仿人智能控制器. 农业工程学报, 2006, 07: 105−107 doi: 10.3321/j.issn:1002-6819.2006.10.022Li Guo-Zhen, Li Dong, Qi Yu-Bin, Mao Zhi-Huai. Human simulated intelligent controller for continuous-flow grain dryer. Transactions of the Chinese Society of Agricultural Engineering, 2006, 07: 105−107 doi: 10.3321/j.issn:1002-6819.2006.10.022 [65] 李国昉, 齐玉斌, 李栋, 毛志怀. 谷物干燥仿人智能控制系统. 农业机械学报, 2007, 01: 83−86 doi: 10.3969/j.issn.1000-1298.2007.01.021Li Guo-Zhen, Qi Yu-Bin, Li Dong, Mao Zhi-Huai. Human simulated intelligent control system for grain drying. Transactions of the Chinese Society for Agricultural Machinery, 2007, 01: 83−86 doi: 10.3969/j.issn.1000-1298.2007.01.021 [66] Xu Peng, Dan Yuan-Hong. Human simulated intelligent control of magnetic levitation systems. In: Proceedings of World Congress on Intelligent Control and Automation. Jinan, China: IEEE, 2010.1376−1381. [67] 杨辉跃, 涂亚庆, 毛育文. 科氏质量流量计振动幅值的仿人智能控制方法. 仪器仪表学报, 2019, 40(05): 118−123Yang Hui-Yue, Tu Ya-Qing, Mao Yu-Wen. Human-simulated intelligent control method for vibration amplitude of Coriolis mass flowmeter. Chinese Journal of Scientific Instrument, 2019, 40(05): 118−123 [68] Liu Yu-Cheng, Liu Yu-Bin. Human simulated intelligent control technique for incineration treatment of municipal solid waste. Information Technology Journal, 2013, 12(23): 7758−7761 doi: 10.3923/itj.2013.7758.7761 [69] 肖前军, 许虎. 生活垃圾焚烧炉燃烧过程温度的仿人智能控制. 智能系统学报, 2015, 06: 881−885Xiao Qian-Jun, Xu Hu. Human simulated intelligent control of temperature in the combustion process of domestic waste incinerator. CAAI Transactions on Intelligent Systems, 2015, 06: 881−885 [70] 敖朝华, 邓薪莉, 郭兵. 垃圾焚烧炉燃烧过程的优化控制策略. 环境工程, 2010, 01: 77−80+72Ao Chao-Hua, Deng Xian-Li, Guo Bing. Optimal control strategy of combustion process of waste incinerator. Environmental Engineering, 2010, 01: 77−80+72 [71] 李会军. 城市生活垃圾焚烧的智能控制策略. 重庆理工大学学报(自然科学), 2019, 33(01): 64−68Li Hui-Jun. Application research on intelligent control strategy for municipal solid waste incineration. Journal of Chongqing University of Technology(Natural Science), 2019, 33(01): 64−68 [72] 曾令辉, 曾建成. 酶解胎盘粉制备羊胎素粉剂量产工艺仿人控制实验研究. 制造业自动化, 2019, 41(01): 99−103 doi: 10.3969/j.issn.1009-0134.2019.01.022Zeng Ling-Hui, Zeng Jian-Cheng. Human simulated intelligent control experimental investigations of mass production process in prepar. Manufacturing Automation, 2019, 41(01): 99−103 doi: 10.3969/j.issn.1009-0134.2019.01.022 [73] 黄伟. 工业燃气窑炉炉膛温度的仿人智能控制策略. 重庆理工大学学报(自然科学), 2019, 06: 117−121Huang Wei. Control strategy based on human simulated intelligence in combustion chamber temperature of industrial gas kilns. Journal of Chongqing University of Technology (Natural Science), 2019, 06: 117−121 [74] 何成, 王耀南, 邹伟生, 成晓明. 矿浆管道输送流速仿人智能多模态控制研究. 控制与决策, 2012, 02: 295−298+303He Cheng, Wang Yao-Nan, Zou Wei-Sheng, Cheng Xiao-Ming. Research on human simulated intelligent multi-modal control of flow velocity of slurry pipeline transportation. Control and Decision, 2012, 02: 295−298+303 [75] 冯茜, 王磊. 仿人智能协调控制在循环流化床锅炉燃烧控制系统中的应用. 计算机测量与控制, 2014, 10: 3158−3160 doi: 10.3969/j.issn.1671-4598.2014.10.024Feng Qian, Wang Lei. Application of human simulated intelligent coordinated control in combustion control system of circulating fluidized bed boiler. Computer Measurement & Control, 2014, 10: 3158−3160 doi: 10.3969/j.issn.1671-4598.2014.10.024 [76] 雷正桥, 李雷. 燃气辊道窑炉燃烧过程的强鲁棒性控制. 自动化仪表, 2014, 12: 75−78 doi: 10.3969/j.issn.1000-0380.2014.04.022Lei Zheng-Qiao, Li Lei. Strong robustness control of combustion process of gas roller kiln. Process Automation Instrumentation, 2014, 12: 75−78 doi: 10.3969/j.issn.1000-0380.2014.04.022 [77] 胡洁. 基于仿人智能控制的无人船自动驾驶系统的研究. 舰船科学技术, 2017, 14: 46−48 doi: 10.3404/j.issn.1672-7619.2017.03.009Hu Jie. Research on unmanned autopilot system based on human simulated intelligent control. Ship Science and Technology, 2017, 14: 46−48 doi: 10.3404/j.issn.1672-7619.2017.03.009 [78] 唐月夏, 李光平. 货船甲板起货装置机电交流恒功率控制算法. 舰船科学技术, 2018, 22: 199−201Tang Yue-Xia, Li Guang-Ping. Electromechanical AC constant power control algorithm for cargo ship deck lifting device. Ship Science and Technology, 2018, 22: 199−201 [79] Li Zu-Shu, Wang Gui-Ping. Schema theory and human simulated intelligent control. In: Proceedings of IEEE International Conference on Robotics, Intelligent Systems and Signal Processing. Changsha, China: IEEE, 2003.524−530. [80] Li Zu-Shu, Zhang Hua, Wen Yong-Ling, Wang Gui-Ping. Human simulated intelligent control based on sensory-motor intelligent schemas. In: Proceedings of Intelligent Control and Automation. Hangzhou, China: IEEE, 2004.2423−2427. [81] 李祖枢. 仿人智能控制理论和多级倒立摆的摆起控制. 人工智能:回顾与展望. 北京: 北京科学出版社, 2006. 174−207Li Zu-Shu. Human simulated intelligent control theory and swing control of multi-stage inverted pendulum. Artificial Intelligence: Retrospect and Prospect. Beijing: Science Press, 2006.174−207. [82] 张华. 基于动觉智能图式的多级摆系统仿人智能运动控制[博士学位论文], 重庆大学, 2006Zhang Hua. Research of multi-pendulum system human simulated intelligence motion control based on sensory-motor schema[Ph. D. dissertation]. Chongqing University, 2006. [83] 吴恭兴, 万磊, 邹劲, 庄佳园, 廖煜雷. 混合仿人智能图式的无人艇自主驾控系统设计. 控制理论与应用, 2010, 27(12): 1647−1654Wu Gong-Xing, Wan Lei, Zou Jin, Zhuang Jia-Yuan, Liao Yu-Hua. Design of the autonomous pilot system for the unmanned surface vehicle based on the hybrid human simulated intelligent schema. Control Theory & Applications, 2010, 27(12): 1647−1654 [84] 但远宏. 二级倒立摆平衡点间任意转换的运动控制方法研究[博士学位论文], 重庆大学, 2017.Dan Yuan Hong. Study on arbitrary transfer movement control between rod’s equilibrium statuses for a double inverted pendulum[Ph. D. dissertation], Chongqing University, 2017. [85] Dong Xiao-Min, Yu Miao, Liao Chang-Rong, Chen Wei-Min. Human-simulated intelligent control of vehicle suspension with magneto-rheological dampers. Journal of Advanced Science, 2006, 18(1& 2): 103−106 [86] Tsai J T, Liu T K, Chou J H. Hybrid taguchi-genetic algorithm for global numerical optimization. IEEE Transactions on Evolutionary Computation, 2004, 8(4): 365−377 doi: 10.1109/TEVC.2004.826895 [87] Liu Tung-Kuan, Shen Yao-Chun, Li Zu-Shu. An application of multiobjective optimization genetic algorithm for cart-double-pendulum system control. In: Proceedings of IEEE International Conference on Systems, Man and Cybernetics, Taipei, China: IEEE, 2006.3292−3297. [88] Liu Tung-Kuan, Chen Chiu-Hung, Li Zu-Shu, Chou Jyh-Horng. Method of inequalities-based multiobjective genetic algorithm for optimizing a cart-double-pendulum system. International Journal of Automation and Computing, 2009, 6(1): 29−37 doi: 10.1007/s11633-009-0029-3 [89] 李祖枢, 但远宏, 张小川, 肖琳, 谭智. 双摆机器人摆杆平衡态任意转换运动控制的实现. 自动化学报, 2010, 36(12): 1720−1731Li Zu-Shu, Dan Yuan-Hong, Zhang Xiao-Chuan, Xiao Lin, Tan Zhi. Fulfillment of arbitrary movement transfer control between equilibrium states for a double pendulum robot. Acta Automatica Sinica, 2010, 36(12): 1720−1731 [90] Li Zu-Shu, Tan Zhi, Wang Yu-Xin, Zhang Hua. Real time swing-up and handstand-control of cart-double-pendulum system on an incline rail. In: Proceedings of China Automation Society Control Theory Committee. Wuxi, China: IEEE, 2004.835−839. [91] 李祖枢, 但远宏, 温永玲, 张华. 小车三级摆摆起倒立的仿人智能控制. 华中科技大学学报(自然科学版), 2004, S1: 38−41Li Zu-Shu, Dan Yuan-Hong, Wen Yong-Ling, Zhang Hua. Swing-up and handstand control of cart-triple-pendulum system based on human simulated intelligent control theory. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2004, S1: 38−41 [92] 吴垣甫. 小车单摆系统仿人智能控制与参数优化仿真. 信息与控制, 2010, 01: 120−128 doi: 10.3969/j.issn.1002-0411.2010.01.021Wu Yuan-Fu. Simulation of human simulated intelligent control and parameter optimization of a single pendulum system for a car. Information and control, 2010, 01: 120−128 doi: 10.3969/j.issn.1002-0411.2010.01.021 [93] Xiao Lin, Li Zu-Shu, Dan Yuan-Hong. The up-down giant-circle movement control of cart-double pendulum using HSIC. In: Proceedings of Intelligent Control & Automation. Jinan, China: IEEE, 2010.1076−1081. [94] Chen Gui-Qiang, Wu Peng, Zhao You-Hua. Research of DD-DU for the cart-double pendulum based on human-simulated intelligent control. In: Proceedings of Intelligent Control & Automation. Shenyang, China: IEEE, 2015.3844−3847. [95] 王牛, 李祖枢. 一种两轮轮式机器人点镇定智能控制实现. 控制理论与应用, 2010, 27(04): 437−443Wang Niu, Li Zu-Shu. Realization of point stabilization intelligence control for two-wheel robot. Control Theory & Applications, 2010, 27(04): 437−443 [96] 刘成军, 薛方正, 李祖枢, 邓航见. 双足机器人动态步行仿人智能控制. 重庆大学学报, 2013, 36(02): 45−50Liu Cheng-Jun, Xue Fang-Zheng, Li Zu-Shu, Deng Hang-Jian. Human simulated intelligent control for dynamic walking of biped robot. Journal of Chongqing University, 2013, 36(02): 45−50 [97] 但远宏, 杨武, 唐继强, 谭智, 张小川. 双摆机器人倒立点到悬垂点的欠驱动控制研究. 机床与液压, 2019, 15: 29−32+37 doi: 10.3969/j.issn.1001-3881.2019.08.007Dan Yuan-Hong, Yang Wu, Tang Ji-Qiang, Tan Zhi, Zhang Xiao-Chuan. Research on underactuated control of double pendulum robot's inverted to overhang point. Machine Tool & Hydraulics, 2019, 15: 29−32+37 doi: 10.3969/j.issn.1001-3881.2019.08.007 [98] Dong Xiao-Min, Yu Miao, Li Zu-Shu, Liao Chang-Rong, Chen Wei-Min. Neural network compensation of semi-active control for magneto-rheological suspension with time delay uncertainty. Smart Materials and Structures, 2009, 18(1): 1−14 [99] Dong Xiao-Min. Semi-active control of magneto-rheological variable stiffness and damping seat suspension with human-body model. International Journal of Vehicle Design, 2013, 63(2/3): 119 doi: 10.1504/IJVD.2013.056098 [100] Dong Xiao-Min, Xiong G M. Vibration attenuation of magneto rheological landing gear system with human simulated intelligent control. Mathematical Problems in Engineering, 2013, 14: 1−13 -
下载:
计量
- 文章访问数: 2035
- HTML全文浏览量: 668
- 被引次数: 0
