Parallel Management: The DAO to Smart Ecological Technology for Complexity Management Intelligence
-
摘要: 本文介绍平行管理的基本原理和框架流程及其核心任务与相应的生态科技: 即利用虚实互动、平行驱动以及智能科学与技术, 使知识工作可以衡量, 并对量化后的知识工作者之社会行为进行以人为本, 基于复杂性科学的引导与管理, 形成可信、可靠、可用、高效益上DAO (全中心化自主组织及其全中心化自主运行)的可编程智慧管理生态, 实现社会可持续性发展. 以此为目标, 我们提出利用基础模型和学科交叉, 融合区块链智能和DeSci及DeSoc等技术, 构建管理科学的新范式, 推动从管理的案例教学到管理的场景工程建设. 我们认为, 管理科学与技术的这一变革, 必将推动社会从工业向智业形态的加速升华, 造福整个人类世界和自然生态.Abstract: This paper outlines basic principles, frameworks and processes of parallel management, and its core tasks and corresponding ecological technologies. Our object is using virtual-real interaction, parallel driven, and intelligent science and technology to make knowledge works measurable, to prescribe and manage the quantified social behaviors of knowledge workers in a human-centered and complexity-science-supported approach, and to build a trustworthy, reliable, usable, effective/efficient, and DAO (decentralized autonomous organizations and decentralized autonomous operations) based smart management ecology. Towards this goal, we need a system of intelligent management education that would transform current case studies to future scenarios engineering for management innovation, facilitated by foundation models, interdisciplinary studies, blockchain intelligence, DeSci as well as DeSoc. We believe that such paradigm shift in management science and technology would speed up the transformation of our societies to future smart societies for the benefit of our humankind as well as our natural ecology.
-
Key words:
- Parallel management /
- parallel economics /
- parallel intelligence /
- management intelligence /
- metaverses /
- blockchain /
- smart contracts /
- complexity science /
- complexity management /
- intuitive rationality /
- adaptative rationality /
- computational rationality /
- knowledge automation /
- narrative management /
- DeSoc /
- DeSci /
- DeOrg /
- DeEnterprises /
- DAO
-
切换控制方法是解决一类难以建立精确数学模型的非线性系统的主要控制方法, 采用多模型切换控制方法的思想可追溯到20世纪70年代[1], 其特点是: 根据被控对象的不确定范围, 以多个模型来逼近对象的全局动态特性, 进而基于多个模型建立相应的控制器, 通过模型(控制器)的调度策略从而达到快速响应外界需要的目的. 自90年代以来, 该方法成为非线性系统控制领域的研究热点[2-5]. Chen和Narendra[6]针对一类零动态渐近稳定的非线性动态系统, 提出了一种带有非线性项估计与补偿的切换控制方法, 并取得了较好的控制效果. 沿着这种切换控制方法的设计思路, 文献[7-11]分别针对一类零动态不稳定的非线性系统, 采用不同的控制策略提出了非线性切换控制方法. 在上述文献中, 为了估计系统的未知非线性项, 分别采用BP (Back propagation)神经网络、高阶神经网络、神经模糊推理系统和模糊逻辑系统等智能工具对非线性项进行估计, 这种估计方法在估计非线性项时往往缺乏考虑非线性项中蕴含的可测数据信息, 造成部分可测数据信息也通过估计算法产生, 存在增大估计误差的可能性. 另外, 在设计线性控制器时, 以往的方法直接忽略非线性项, 并没有充分利用非线性的历史可测数据进行控制器设计, 造成有用数据丢失. 由于数据驱动控制方法是解决机理不明确或含不确定性机理模型的非线性系统建模与控制问题的有效方法[12], 其主要思想是直接利用被控对象的离线、在线数据来描述对象的运行规律和相关模式, 并结合反映系统参数、结构等数据, 实现非线性系统的预报、评价、调度、监控、诊断、决策、优化和控制等的各种期望功能[13-14]. 如文献[15]利用数据驱动方法, 提出了一种新的多状态空间模型状态估计方法. 文献[16]首次提出了一种基于数据驱动的非线性系统交替辨识算法. 另外, 近年来已有不少基于数据驱动的黑箱建模与控制方法(如迭代学习[17]、无模型自适应控制方法[18]和自适应动态规划方法[19-20]等)被提出. 文献[21]把基于模型的控制方法、数据驱动控制方法以及切换控制方法相结合, 优势互补, 提出了基于数据与虚拟未建模动态驱动的非线性切换控制方法, 但该方法在处理系统的虚拟未建模动态时仍然采用了智能估计算法, 该估计方法与文献[7-11]所采用的估计算法本质相同, 有待于进一步改进. 文献[22-24]提出了一种带死区的切换控制方法, 并采用了具有任意切换次数的控制策略. 文献[25-26]采用Backstepping 方法分别研究了一类具有下三角结构的非线性切换控制方法. 文献[27]提出了一种基于神经网络的非线性自适应输出反馈切换控制方法. 上述文献对特定的非线性系统都取得了较好的控制效果, 但仍然存在没有充分利用被控对象过程数据的缺陷. 文献[28-29]对于一类具有全状态约束的非线性系统, 提出一种具有随机切换的自适应智能控制方法, 为研究非线性系统提供了新思路.
综上, 本文在数据驱动控制方法、非线性切换控制方法的基础上, 提出了一种新的基于数据驱动的非线性自适应切换控制方法. 首先, 考虑到被控对象的非线性项历史数据可测, 本文把非线性项分解为前一时刻可测部分与未知增量的和, 并利用非线性项前一时刻的可测数据信息进行控制器设计, 克服了以往方法中没有充分利用非线性项可测数据信息, 造成有用数据信息丢失的不足. 在上述工作的基础上, 结合文献[9]和文献[21]中的未建模动态估计方法, 提出了一种未建模动态未知增量的估计算法, 在简化估计算法的同时, 提高估计精度. 其次, 分别设计了带有非线性项增量估计与补偿的非线性自适应控制器、带有非线性项前一拍数据补偿的非线性控制器和不带非线性补偿的线性自适应控制器, 三个自适应控制器采用改进文献[6]中的切换策略来协调控制被控对象. 这种控制方法结合了多模型切换控制的优势, 同时也充分利用了被控对象的大数据信息和知识, 通过补偿器的设计, 消除了非线性项对闭环系统的不利影响. 通过切换控制策略既保证了闭环系统的稳定性, 同时提高了闭环系统的瞬态性能. 在此基础上, 分析了闭环切换系统的稳定性和收敛性. 最后, 将所提的控制算法通过实验进行验证, 实验结果说明了该新型切换控制算法的有效性. 综上所述, 本文的主要创新点如下:
1) 针对一类难以建立精确数学模型的复杂非线性系统, 充分利用被控对象的过程大数据信息和有用知识, 提出了一种新的基于数据驱动的非线性自适应切换控制方法.
2) 利用数据驱动控制的思想, 将未建模动态的前一时刻可测数据用于控制器设计, 克服了常规切换控制算法没有充分利用数据, 造成有用数据丢失的不足.
3) 给出了所提的新型切换控制算法的设计方法, 并分析了闭环系统的稳定性和收敛性.
1. 控制问题描述
单输入单输出(Sinple-Input Sinple-Output, SISO)离散时间非线性动态系统可描述为:
$$ \begin{split} y(k + \tau ) = & f[y(k), \cdots ,y(k - {n_s} + 1),u(k),\\ &u(k - 1), \cdots ,u(k - {m_s})] \end{split} $$ (1) 其中,
$ \tau $ 为系统的时滞且$1 \le \tau < {n_s},\;$ $u(k) \in{\rm{{R} }}$ ,$y(k) \in {\rm{{R}}}$ , 分别为系统在时刻的输入和输出; 系统阶次$ {n_s} $ 和$ {m_s} $ 已知;$f( \cdot ) \in \rm{R}$ 是连续可微的非线性函数.为简单, 本文研究系统时滞
$ \tau = 1 $ 的一类非线性系统.假设原点
$ (u,y) = (0,0) $ 为上述非线性系统的平衡点, 将系统(1)在原点处Taylor展开得到如下等价模型:$$ \begin{split} y(k + 1) =\,& - {a_1}y(k) - \cdots - {a_{{n_s}}}y(k - {n_s} + 1) + \\ &{{b_0}u(k)\; \cdots + {b_{{m_s}}}u(k - {m_s}) + v[{{x}}(k)]} \end{split} $$ (2) 其中,
$ {a_i},(i = 1, \cdots ,{n_s}) $ ,$ {b_j},(j = 0, \cdots ,{m_s}) $ 为在工作点处的一阶Taylor系数, 分别为$$ \begin{split} & {a_{i} = -\left.\frac{\partial f\left[y(k-1), \cdots, u\left(k-1-n_{s}\right)\right]}{\partial y(k-i)}\right|_{y = 0 \atop u = 0}, }\\ & \qquad\qquad\qquad{ i = 0, \cdots, n_s } \end{split} $$ $$ \begin{split} & {b_{i} = -\left.\frac{\partial f\left[y(k-1), \cdots, u\left(k-1-m_{s}\right)\right]}{\partial u(k-1-j)}\right|_{y = 0 \atop u = 0},}\\ & \qquad\qquad {i = 0, \cdots, m_s } \end{split} $$ $ {{x}}(k) $ 为数据向量, 定义$$ \begin{split} & {{{x}}(k) = }\\ & {[y(k), \cdots ,y(k - {n_s} + 1),u(k), \cdots ,u(k - {m_s})]^{\rm T}} {} \end{split} $$ $ v[{{x}}(k)] $ 是由$ {{x}}(k) $ 的高阶项组成的光滑非线性函数, 称为未建模动态.注1. 若平衡点偏离或远离原点, 可用坐标变换将其移至该点.
利用单位后移算子
$ {z^{ - 1}} $ , 系统(2)可等价地写成如下形式:$$ A({z^{ - 1}})y(k + 1) = B({z^{ - 1}})u(k) + v[{{x}}(k)] $$ (3) 其中,
$ A({z^{ - 1}}) $ 和$ B({z^{ - 1}}) $ 是关于单位延迟算子$ {z^{ - 1}} $ 的多项式, 其阶次分别为$ {n_s} $ 和${m_s} ;\;$ $ A({z^{ - 1}}) $ 和$ B({z^{ - 1}}) $ 的具体表达式如下:$$ A({z^{ - 1}}) = 1 + {a_1}{z^{ - 1}} + \cdots + {a_{{n_s}}}{z^{ - {n_s}}} $$ $$ B({z^{ - 1}}) = {b_0} + {b_1}{z^{ - 1}} + \cdots + {b_{{m_s}}}{z^{ - {m_s}}} $$ 在上述非线性系统(3)中, 由于非线性项
$ v[{{x}}(k)] $ 未知, 因此, 基于此模型设计的控制器无法实现.由式(3)可知:
$$ v[{{x}}(k - 1)] = A({z^{ - 1}})y(k) - B({z^{ - 1}})u(k - 1) $$ (4) 从式(4)可以看出,
$ A({z^{ - 1}}) $ 和$ B({z^{ - 1}}) $ 可通过系统的历史数据信息获得, 从而可间接获得未建模动态前一拍的数据$ v[{{x}}(k - 1)] $ , 因此, 可充分利用$ v[{{x}}(k - 1)] $ 的可测数据信息进行控制器设计. 以往的方法没有考虑该历史数据信息, 从而造成有用数据丢失. 为此, 下面首先将非线性项等价地表示成如下形式:$$ v[{{x}}(k)] = v[{{x}}(k - 1)] + \Delta v[{{x}}(k)] $$ (5) 其中,
$ {\Delta = 1} - {z^{ - 1}} $ ,$$ \Delta v\left[ {{{x}}(k)} \right] = v\left[ {{{x}}(k)} \right] - v\left[ {{{x}}(k - 1)} \right] $$ 则系统(3)可进一步地表示为如下形式:
$$ \begin{split} A({z^{ - 1}})y(k + 1) =\,& B({z^{ - 1}})u(k) +\\ & {v[{{x}}(k - 1)] + {\Delta }v[{{x}}(k)]} \end{split} $$ (6) 假设1. 对任意的
$k ,\;$ 非线性项$ v[{{x}}(k)] $ 的增量$ \Delta v[{{x}}(k)] $ 全局有界, 即$$ \left| {\Delta v[{{x}}(k)]} \right| \le M $$ (7) 其中,
$ M > 0 $ 为已知正数.注2. 事实上, 假设1要求未建模动态的变化率有界, 实际物理系统, 如水箱液位控制系统、倒立摆控制系统, pendubot 欠驱动机械臂控制系统等, 由于受到传感器、执行器以及电子元件等物理特性的限制, 如限幅、饱和特性等, 系统的输入输出信号是有界的, 未建模动态也是有界的, 因此, 假设1是合理的.
控制目标为设计控制器使得:
1)闭环系统的输入输出信号有界, 即闭环系统BIBO (Bounded-input bounded-output)稳定.
2)系统输出渐近跟踪预先给定的有界参考信号的变化.
2. 控制器设计
2.1 系统已知时的控制器设计
由于系统运行的过程中不可避免地存在某种干扰的影响, 导致系统的工作点会偏离平衡点, 此时未建模动态如果过大将会对系统的控制精度以及稳定性和收敛性造成影响, 甚至导致系统不稳定, 因此, 须采用前馈补偿的策略抑制其对闭环系统的影响. 为此, 针对被控对象(6), 设计如图1所示的带有非线性项
$ v[{{x}}(k)] $ 前一拍数据及其未知增量补偿的非线性控制器.
图 1 带有$v[{{x}}(k)]$ 前一拍数据及其未知增量补偿的非线性控制器Fig. 1 Nonlinear controller with$v[{{x}}(k)]$ previous step data and its unknown incremental compensation由图1可知, 该非线性控制器
$ u(k) $ 可表示为$$\begin{split} & {H({z^{ - 1}})u(k) + G({z^{ - 1}})y(k) = }\\ & \quad {R({z^{ - 1}})w(k + 1) -}\\ & \quad {K({z^{ - 1}})\{ v[{{x}}(k - 1)] + {\Delta }v[{{x}}(k)]\}}\\ \end{split} $$ (8) 给控制器方程(8)乘以
$ B({z^{ - 1}}) $ , 可得:$$ \begin{split} & {H({z^{ - 1}})B({z^{ - 1}})u(k) + B({z^{ - 1}})G({z^{ - 1}})y(k) = }\\ & \quad {B({z^{ - 1}})R({z^{ - 1}})w(k + 1) -}\\ & \quad {B({z^{ - 1}})K({z^{ - 1}})\{ v[{{x}}(k - 1)] + {\Delta }v[{{x}}(k)]\} } \end{split} $$ (9) 由式(6)可得:
$$ \begin{split} B({z^{ - 1}})u(k) =\,& A({z^{ - 1}})y(k + 1) - v[{{x}}(k - 1)] -\\ & { \Delta v[{{x}}(k)]} \end{split} $$ (10) 将式(10)代入式(9), 整理可得闭环系统
$$\begin{split} & {\left[A\left(z^{-1}\right) H\left(z^{-1}\right)+z^{-1} B\left(z^{-1}\right) G\left(z^{-1}\right)\right]y(k+1)}=\\ & \quad {B({z^{ - 1}})R({z^{ - 1}})w(k + 1) + [H({z^{ - 1}}) - }\\ & \quad {B({z^{ - 1}})K({z^{ - 1}})]{\kern 1pt} \{ v[{{x}}(k - 1)] + \Delta v[{{x}}(k)]\}}\\[-10pt] \end{split} $$ (11) 分析闭环系统方程(11)可以看出, 适当选择
$ H({z^{ - 1}}),G({z^{ - 1}}),R({z^{ - 1}}) $ 可以使闭环系统的特征多项式$ \dfrac{{B({z^{ - 1}})R({z^{ - 1}})}}{{H({z^{ - 1}})A({z^{ - 1}}) + {z^{ - 1}}B({z^{ - 1}})\bar G({z^{ - 1}})}} $ 的稳态增益为1. 通过选择$ K({z^{ - 1}}) $ 可以使$ H({z^{ - 1}}) $ 与$B({z^{ - 1}}) K({z^{ - 1}})$ 的差尽可能的小, 以减小未建模动态$ v[{{x}}(k)] $ 对被控对象输出的影响, 从而使被控对象的输出尽可能地跟踪理想输出.针对控制器(8), 选择控制器加权多项式
$ H({z^{ - 1}}) $ 和$ G({z^{ - 1}}) $ 的原则是在保证闭环系统稳定的前提下, 使闭环系统的输出$ y(k + 1) $ 能够很好地跟踪$ w(k + 1) $ , 即:$$ {A({z^{ - 1}})H({z^{ - 1}}) + {z^{ - 1}}B({z^{ - 1}})G({z^{ - 1}}) \ne 0,} \;\;{\left| z \right| \ge 1} $$ (12) 且
$$ {\mathop {\lim }\limits_{k \to \infty } {e_g}(k + 1) = \mathop {\lim }\limits_{k \to \infty } [y(k + 1) - w(k + 1)]} { = 0 } $$ (13) 其中,
$ {e_g}(k + 1) $ 为系统的跟踪误差, 定义为:$$ {e_g}(k + 1) = y(k + 1) - w(k + 1) $$ 从闭环系统方程(11)还可以看出, 设计补偿器
$ K({z^{ - 1}}) $ 是非线性控制器的关键, 如果系统是零动态渐近稳定的, 则选择补偿器的形式为:$$ K({z^{ - 1}}) = \frac{H({z^{ - 1}})} {B({z^{ - 1}})} $$ (14) 如果系统是零动态不稳定的, 则选择补偿器
$ K({z^{ - 1}}) $ 为使得$ H({z^{ - 1}}) $ 与$ B({z^{ - 1}})K({z^{ - 1}}) $ 近似相等的最小二乘解.对上述非线性控制器(8), 如果未建模动态的变化不是十分剧烈, 此时非线性项的增量
$ \Delta v[{{x}}(k)] $ 比较小, 可将其忽略, 直接采用前一时刻未建模动态的可测信息补偿当前时刻的未建模动态, 因此, 设计非线性控制器为$$ \begin{split} & {H({z^{ - 1}})u(k) + G({z^{ - 1}})y(k) = }\\ & \quad {R({z^{ - 1}})w(k + 1) - K({z^{ - 1}})v[{{x}}(k - 1)]} \end{split} $$ (15) 如果被控对象在工作点处运行时, 那么线性化的模型将能表示整个非线性模型的主体部分, 此时可设计不带补偿的控制器作用于被控对象. 故, 将非线性控制器(8)中的
$ v[{{x}}(k)] $ 完全忽略, 直接设计不带非线性项补偿的线性控制器:$$ {H({z^{ - 1}})u(k) + G({z^{ - 1}})y(k) =} {R({z^{ - 1}})w(k + 1)} $$ (16) 2.2 自适应控制算法
考虑到系统的阶次
$ {n_s} $ ,$ {m_s} $ 和时滞$ \tau $ 已知, 但组成$ A({z^{ - 1}}) $ ,$ B({z^{ - 1}}) $ 的参数未知, 由式(6)以及$ A({z^{ - 1}}) $ ,$ B({z^{ - 1}}) $ 多项式的定义, 利用后移算子$ {z^{ - 1}} $ 可将式(6)改写成如下等价形式:$$ \begin{split} & {y(k) = - {a_1}y(k - 1) - {a_2}y(k - 2) - \cdots - }\\ & \quad {{a_{{n_s}}}y(k - {n_s}) + {b_1}u(k - 1)+ {b_2}u(k - 2) + }\\ & \quad {\cdots - {b_{{m_s}}}u(k - {m_s}) + v[{{x}}(k - 1)] + \Delta v[{{x}}(k)]}=\\ & \quad { [ - y(k - 1), \cdots , - y(k - 2),u(k - 1), \cdots ,}\\ & \quad {u(k - {m_s})] {[{a_1}, \cdots ,{a_{{n_s}}},{b_1}, \cdots ,{b_{{m_s}}}]^{\rm T}} +}\\ & \quad {v[{{x}}(k - 1)] + \Delta v[{{x}}(k - 1)]}=\\ & \quad { {{\varphi }}{(k - 1)^{\rm T}}{{\theta }} + v[{{x}}(k - 1)] +}\\ & \quad {\Delta v[{{x}}(k - 1)]}\\[-10pt] \end{split} $$ (17) 其中,
$$ \begin{split} {{\varphi }}^{\rm T}{(k - 1)} =& [ - y(k - 1), \cdots , - y(k - 2), \\ & u(k - 1), \cdots ,u(k - {m_s})] \end{split} $$ $$ {{{\theta }}^{\rm T}} = [{a_1}, \cdots ,{a_{{n_s}}},{b_1}, \cdots ,{b_{{m_s}}}] $$ 2.2.1 线性自适应控制算法
由式(17)可知, 当采用线性控制器时, 系统的参数辨识方程定义为
$$ {\hat y_1}(k + 1) = {{\varphi }}^{\rm T}{(k)}{{\hat{{\theta }}}_1}(k) $$ (18) 其中,
$$ \begin{split} {{\hat{{\theta }}}_1^{\rm T}}{(k)} =\,&[ - {a_{1,1}}(k), \cdots , - {a_{1, {n_s}}}(k),\\ & {{b_{1,1}}(k), \cdots ,{b_{1,{m_s}}}(k)]} \end{split} $$ (19) 表示在
$ k $ 时刻对参数$ {{\theta }} $ 的估计. 采用下面改进的投影算法[6, 30]进行辨识:$$ {{\hat{{\theta }}}_1}(k) = {{\hat{{\theta }}}_1}(k - 1) + \frac{{{\mu _1}(k){{\varphi }}(k - 1){e_1}(k)}}{{1 + {{{\varphi }}^{\rm T}}(k - 1){{\varphi }}(k - 1)}} $$ (20) $$ {\mu _1}(k) = \left\{ {\begin{array}{*{20}{l}} {1,}&{{\mkern 1mu} |{e_1}(k)| > 2M}\\ {0,}&{\text{其他}} \end{array}} \right. $$ (21) $$ {e_1}(k) = y(k) - {\hat y_1}(k) $$ (22) 由式(16)可知, 线性自适应控制器通过下式获得:
$$ \begin{split} & {{\hat H_1}(k,{z^{ - 1}})u(k) + {\hat G_1}(k,{z^{ - 1}})y(k) =}\\ & \quad {{\hat R_1}(k,{z^{ - 1}})w(k + 1)} \end{split} $$ (23) 其中,
$ {\hat H_1}(k,{z^{ - 1}}) $ 、$ {\hat G_1}(k,{z^{ - 1}}) $ 和$ {\hat R_1}(k,{z^{ - 1}}) $ 通过下式在线计算:$$ \begin{split} & {{\hat H_1}(k,{z^{ - 1}}){\hat A_1}(k,{z^{ - 1}}) + {z^{ - 1}}{\hat B_1}(k,{z^{ - 1}}){\hat G_1}(k,{z^{ - 1}})}\ne 0,\\ & \quad {\left| z \right| \ge 1}\\[-10pt] \end{split} $$ (24) $$\begin{split} &{{\hat R}_1}(k,{z^{ - 1}}) \!=\\ &\dfrac{{{\hat H}_1}(k,{z^{ \!-\! 1}}){{\hat A}_1}(k,{z^{ \!-\! 1}}) \!+\! {z^{ \!-\! 1}}{{\hat B}_1}(k,{z^{ \!-\! 1}}){{\hat G}_1}(k,{z^{ \!-\! 1}})}{{{\hat B}_1}(k,{z^{ \!-\! 1}})} \end{split} $$ (25) 2.2.2 带有
$ v[{{x}}(k - 1)] $ 补偿的的非线性自适应控制算法系统(17)的参数辨识方程定义为
$$ {\hat y_2}(k + 1) = {{\varphi }}^{\rm T}{(k)}{{\hat{{\theta }}}_2}(k) + v[{{x}}(k - 1)] $$ (26) 其中,
$$ \begin{split} {{\hat{{\theta }}} _2^{\rm T}}{(k)} =\,& [ - {a_{2,1}}(k), \cdots , - {a_{2,{n_s}}}(k), \\ &{{b_{2,1}}(k), \cdots ,{b_{2,{m_s}}}(k)]} \end{split} $$ (27) 表示在
$ k $ 时刻对参数$ {{\theta }} $ 的估计. 采用类似于(18) ~ (22)的辨识算法[6, 30]得到, 不同的是辨识误差为$$ {e_2}(k) = y(k) - {\hat y_2}(k) $$ (28) 由式(15)和辨识模型(26)可知, 非线性自适应控制器通过下式获得:
$$ \begin{split} & {{\hat H_2}(k,{z^{ - 1}})u(k) + {\hat G_2}(k,{z^{ - 1}})y(k) =}\\ & \quad {{\hat R_2}(k,{z^{ - 1}})w(k + 1) -}\\ & \quad {{\hat K_2}(k,{z^{ - 1}})v[{{x}}(k - 1)]} \end{split} $$ (29) 其中,
$ {\hat H_2}(k,{z^{ - 1}}) $ 、$ {\hat G_2}(k,{z^{ - 1}}) $ 和$ {\hat R_2}(k,{z^{ - 1}}) $ 是非线性自适应控制器参数, 采用类似于式(24) ~ (25)的方式计算. 补偿器$ {\hat K_2}(k,{z^{ - 1}}) $ 通过下式在线计算:$$ {\hat K_2}(k,{z^{ - 1}}) =\frac {{{\hat H}_2}(k,{z^{ - 1}})} {{{\hat B}_2}(k,{z^{ - 1}})} $$ (30) 2.2.3 带有非线性项未知增量估计的非线性自适应控制算法
由式(17)可知, 带有非线性项增量
$ \Delta v[{{x}}(k)] $ 估计的参数辨识方程为$$ \begin{split} \hat y(k + 1) =\,& {{\varphi }}^{\rm T}{(k)}{{\hat{{\theta}}}} _{\bf{3}}(k) + v[{{x}}(k - 1)] + \\] & {\Delta \hat v[{{x}}(k)]} \end{split} $$ (31) 其中,
$ {\hat{{\theta }}}_3 $ 表示在$ k $ 时刻对参数$ {{\theta }} $ 的估计. 定义为$$ \begin{split} {{\hat{{\theta }}} _3^{\rm T}}{(k)} =\,& [ - {a_{3,1}}(k), \cdots , - {a_{3,{n_s}}}(k),\\ & {{b_{3,1}}(k), \cdots ,{b_{3,{m_s}}}(k)]} \end{split} $$ (32) 采用类似于
$ {\hat{{\theta }}} _1 $ 的辨识算法来估计$ {\hat{{\theta }}} _3 $ , 其中$$ {e_3}(k) = y(k) - {\hat y_3}(k) $$ (33) $ \Delta \hat v[{{x}}(k)] $ 是$ \Delta v[{{x}}(k)] $ 的估计值.采用文献[6]和文献[21]提出的估计算法对
$ \Delta v[{{x}}(k)] $ 进行估计. 于是, 由式(8)可知, 非线性自适应控制器为:$$ \begin{split} & {{\hat H_3}(k,{z^{ - 1}})u(k) + {\hat G_3}(k,{z^{ - 1}})y(k) = }\\ & \quad {{\hat R_3}(k,{z^{ - 1}})w(k + 1) -}\\ & \quad {{\hat K_3}(k,{z^{ - 1}})\left\{ {v[{{x}}(k - 1)] + \Delta \hat v[{{x}}(k)]} \right\}} \end{split} $$ (34) 其中,
$ {\hat H_3}(k,{z^{ - 1}}) $ 、$ {\hat G_3}(k,{z^{ - 1}}) $ 、${\hat R_3}(k,{z^{ - 1}})$ 和${\hat K_3} (k, \;{z^{ - 1}})$ 是非线性自适应控制器参数, 采用类似于式(24)~(25)的方式计算.$\Delta \hat v[{{x}}(k)] $ 的值通过估计算法获得.2.3 切换控制
上述线性自适应控制器(23)、非线性自适应控制器(29)以及带有非线性项估计和补偿的非线性自适应控制器(34) 通过下面的切换函数来协调控制被控对象(7), 从而形成一种闭环切换控制系统. 由式(22), (28)和(33)可知, 模型误差越小, 那么以该模型所设计的控制器将会使得闭环系统的输出与理想输出之间的跟踪误差越小, 同时也表明该控制器能更快收敛到以实际被控对象模型为控制器设计模型所设计的控制器. 因此将模型误差
$ {e_1}(k) $ 、${e_2}(k) \;$ 和$ {e_3}(k) $ 引入切换机制, 在某一时刻, 选择较小切换指标所对应的控制器作用于被控对象. 为此, 提出如图2所示的由$ {C_1} $ (线性自适应控制器),$ {C_2} $ (带有非线性项前一拍补偿的非线性自适应控制器),$ {C_3} $ (带有非线性项增量估计器和补偿器的非线性自适应控制器)和切换函数组成的切换控制方法, 其中,$ {C_1} $ 、$ {C_2} $ 和$ {C_3} $ 分别由(23)、(29)和(34)决定.图2中的切换函数为:
$$ \begin{split} {J_j}[{{ e}_j}(k)] =\,& \sum\limits_{l = 1}^k {\frac{{{\mu _j}(l)[{ e}_j^2(l) - 4{M^2}]}}{{2[1 + {{\varphi }}^{\rm T}{{(l - 1)}}{{\varphi }}(l - 1)]}}} +\\ &{c\sum\limits_{l = k - N + 1}^k {[1 - {\mu _j}(l)]{e}_j^2(l} ) } \end{split} $$ (35) $$ {\mu _j}(k) = \left\{ \begin{array}{*{20}{l}} \begin{aligned} & {1,}\quad {|{{ e}_j}(k)| > 2M}\\ & {0,}\quad {\text{其他}} \end{aligned}&{j{\rm{ = 1,2,3}}} \end{array} \right. $$ (36) 其中,
$ {\mu _j}(k),\;(j = 1,2,3) $ 表示死区函数; 当$ j = 1 $ 时,${{ e}_1}(k)$ 表示采用模型(18)时的误差;$ j = 2 $ 时,${{ e}_2}(k)$ 表示采用非线性模型(26)时的误差;$ j = 3 $ 时,${{ e}_3}(k)$ 表示采用非线性模型(31)时的误差.$ N $ 是正整数,$ c \ge 0 $ 是一个常数.任意时刻
$k ,\;$ 切换机制选择最小的切换函数所对应的控制器来控制系统, 即$$ {J^*}(k) ={\rm{ {min}}}\,[{J_j}[{{e}_j}(k)]],j = 1,2,3 $$ (37) 如果
${J^*}(k) = {J_1}[{{ e}_1}(k)]$ , 选择控制器(23);如果
${J^*}(k) = {J_2}[{{ e}_2}(k)]$ , 选择控制器(29);如果
${J^*}(k) = {J_3}[{{ e}_3}(k)]$ , 选择控制器(34).注3. 整个切换函数分为两部分, 第一部分为
$\displaystyle\sum\nolimits_{l = 1}^k {\dfrac{{{\mu _j}(l)[{ e}_j^2(l) - 4{M^2}]}}{{2[1 + {{\varphi }}^{\rm T}{{(l - 1)}}{{\varphi }}(l - 1)]}}}$ , 用来区分不同信号的增长速度, 可以用来保证闭环系统的鲁棒性; 第二部分为$c\displaystyle\sum\nolimits_{l = k - N + 1}^k {[1 - {\mu _j}(l)]{ e}_j^2(l} )$ , 是有限时间内辨识误差的累积, 这部分主要用于提高系统的性能. 因此, 该切换机制在保证闭环系统稳定的同时提高系统的性能.3. 稳定性和收敛性分析
下面给出运用上述非线性自适应控制器设计算法时闭环切换系统的稳定性和收敛性分析.
定理1. 当被控对象(7)满足如下条件1) ~ 3)时具有稳定性和收敛性.
1)系统(1)的零动态渐近稳定;
2)非线性项满足假设条件1;
3)根据式(23) ~ (25)和(30)给出的参数选择方案来适当选择自适应控制器(23)、(29)和(34)中的参数加权多项式
$ {\hat H_i}(k,{z^{ - 1}}) $ 、$ {\hat G_i}(k,{z^{ - 1}}) $ 、$ {\hat R_i}(k,{z^{ - 1}}) $ 和$ {\hat K_i}(k,{z^{ - 1}}) $ ,$ i = 1,2,3 $ ,$ ({\hat K_1}(k,{z^{ - 1}}) = 0) $ . 则把辨识算法(18) ~ (22), 非线性项增量的估计算法以及线性自适应控制器(23)、带有非线性项前一拍补偿的非线性自适应控制器(29)、非线性自适应控制器(34)作用于被控对象(7), 并采用本文的切换控制算法时, 闭环切换系统具有如下特性:1) 闭环系统BIBO稳定, 即:
$$ \left| {u(k)} \right| < \infty ,{\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} {\kern 1pt} \left| {y(k)} \right| < \infty $$ 2) 当
$ k \to \infty $ 时, 系统的跟踪误差有界. 即:$$ \left| {{e_g}(k)} \right| \le \delta $$ 其中, 定义系统的跟踪误差为:
$$ {{e_g}(k) = y(k) - w(k), }\;{\delta \ge 0} $$ 证明. 采用类似于文献[9]与文献[21]的方法可得结论(1) ~ (2)成立, 这里不再赘述.
4. 水箱液位控制系统实验
将本文所提的方法应用在多功能过程控制实验平台上进行水箱的液位控制实验. 如图3所示, 控制目标是通过调节水泵电压占空比, 使得水箱的液位输出值保持在预设定的高度. 实验中, 液位的指定高度为8 cm. 我们针对水箱液位系统进行物理实验, 采样周期为0.1秒. 选择切换函数中的参数
$ N = 2 $ ,$ c = 1 $ . 实验结果如图3 ~ 6 所示.
图 4 采用本文方法时水箱液位的实际响应曲线(输出y)Fig. 4 The actual response curve of tank level by the proposed method (output y)
图 5 采用本文切换控制方法时水箱液位的控制输入uFig. 5 The actual input of tank level by the proposed method in this paper (input u)图4为采用本文切换控制方法时水箱液位的实际响应曲线. 由图中可以看出, 系统的跟踪特性较好, 所设计的控制器可以达到控制目标. 由于实际系统是动态变化, 可能受到一些高频干扰或者噪声的影响, 所以系统的跟踪误差收敛到原点的小邻域内. 图5为相对应的同一时间范围内的系统输入的情况. 图6为控制器的切换序列, 从图中可以看出, 大部分时间是非线性自适应控制器在工作, 说明带有补偿的非线性自适应控制器能有效抑制未建模动态对闭环系统的影响.
5 结论
本文针对一类离散时间非线性动态系统, 提出了一种新的非线性自适应切换控制算法, 该算法在设计控制器时, 充分利用了非线性项的历史数据设计了非线性项前一拍补偿的非线性自适应控制器以及带有非线性项增量估计器和补偿器的非线性自适应控制器, 通过切换机制来协调控制系统. 理论分析表明本文提出的控制方法不仅具有稳定性和收敛性, 而且使得闭环系统具有良好的动静态特性. 通过水箱液位控制系统的物理实验, 实验结果进一步验证了所提方法的有效性和优越性.
-
图 1 管理的新境界: 三个世界、三类管理者、三种理性
Fig. 1 The new management: Three worlds, three managers and three rationalities
图 2 广义循环因果: 从机械反馈到有机反馈
Fig. 2 Generalized circular causality: From mechanical feedback to organic feedback
图 3 社会物理信息系统CPSS: 平行空间及真(TRUE)道(DAO)结构
Fig. 3 Cyber-Physical-Social Systems: Parallel spaces and TRUE DAO
图 4 平行管理的基本框架、流程与功能模式
Fig. 4 Parallel management: Basic framework, processes and functionalities modes
图 5 平行管理智能: 描述智能、预测智能、引导智能
Fig. 5 Parallel management intelligence: descriptive intelligence, predictive intelligence and prescriptive intelligence
图 7 面向智业知识工作者的交叉科学基础
Fig. 7 Interdisciplinary science for knowledge workers in intelligent enterprises
图 10 生态技术的起源: 智能控制的分层递阶结构和流程
Fig. 10 Origins of ecological technologies: Hierarchical progressive structures and processes for intelligent control
图 11 案例的计算化与智能化: 从管理的案例教学到管理的场景工程
Fig. 11 Computational management case studies: From case studies to scenarios engineering
-
[1] Russell B. The History of Western Philosophy. New York: Simon & Schuster, 1945. [2] Pollar H R. Development in Management Thoughts. William Heinemman, 1974. [3] Higgins J M. The Management Challenge: An Introduction to Management (Second edition). New York: Macmillan Publishing Company, 1994. [4] Pindur W, Rogers S E, Kim P S. The history of management: A global perspective. Journal of Management History, 1995, 1(1): 59-77 doi: 10.1108/13552529510082831 [5] Witzel M. A History of Management Thought (Second edition). New York: Routledge, 2016. [6] 郭沫若, 闻一多, 许维遹. 管子集校. 北京: 科学出版社, 1956.Guo Mo-Ruo, Wen Yi-Duo, Xu Wei-Yu. Proof of Guanzi. Beijing: Science Press, 1956. [7] Wang F Y. Guanzi and Complexity management, PARCS Technical Report, University of Arizona, USA, 1999. [8] Ferlie E, Lynn L E, Pollitt C. The Oxford Handbook of Public Management. Oxford: Oxford University Press, 2005. [9] 王飞跃. 《管子》与复杂性控制初探, 技术报告, 中国科学院智能控制与系统工程中心, 中国, 2001.Wang Fei-Yue. Guanzi and Complexity Control, Technical Report, Intelligent Control and Systems Engineering Center, CAS, China, 2001. [10] 王飞跃. 未来的管理, 财经界/管理学家, 管理与复杂性专栏, 中国, 2013.Wang Fei-Yue. Future Management, Finance/Management Scientist, Management and Complexity Column, China, 2013. [11] Crainer S. The Management Century: A Critical Review of 20th Century Thought and Practice. San Francisco: Jossey-Bass, 2000. [12] Wren D A, Bedeian A G, Breeze J D. The foundations of Henri Fayol’s administrative theory. Management Decision, 2002, 40(9): 906-918 doi: 10.1108/00251740210441108 [13] Pryor M G, Taneja S. Henri Fayol, practitioner and theoretician-revered and reviled. Journal of Management History, 2010, 16(4): 489-503 doi: 10.1108/17511341011073960 [14] Evans W R, Haden S S P, Clayton R W, et al. History-of-management-thought about social responsibility. Journal of Management History, 2013, 19(1): 8-32 doi: 10.1108/17511341311286150 [15] 王飞跃. 法约尔: 不能错位. 管理学家(学术版), 2013(8): 70-71Wang Fei-Yue. Fayol: Must not be misplaced. China Management Magazine, 2013(8): 70-71 [16] Taylor F W. The Principles of Scientific Management. New York: Harper and Brothers, 1911. [17] Peters T. Liberation Management: Necessary Disorganization for the Nanosecond Nineties. New York: Knopf, 1992. [18] 王飞跃. 平行管理系统: 概念与方法, 技术报告, 中国科学院复杂系统与智能科学重点实验室, 中国, 2005.Wang Fei-Yue. Parallel Management Systems: Concepts and Methods, Technical Report, Key Laboratory of Complex Systems and Intelligence Science, CAS, China, 2005. [19] Drucker P F. Knowledge-worker productivity: The biggest challenge. California Management Review, 1999, 41(2): 79-94 doi: 10.2307/41165987 [20] Drucker P F. Management Challenges for the 21st Century. New York: Harper Business, 1999. [21] Wang F Y. The DAO to DeEco and DeSoc with DeSci in metaverses: CPSS-based parallel economics with parallel intelligence. Journal Intelligent Science and Technology, 2021, 1(1): 3-13 [22] Weber M. The Theory of Social and Economic Organization. New York: Free Press, 1964. [23] Weber M. Economy and Society: An Outline of Interpretive Sociology. Berkeley: University of California Press, 1978. [24] Maslow A H. A theory of human motivation. Psychological Review, 1943, 50(4): 370-396 doi: 10.1037/h0054346 [25] Mayo E. The Social Problems of An Industrial Civilization. Boston: Harvard University, 1945. [26] Jaques E. The Changing Culture of A Factory. London: Tavistock, 1951. [27] Chandler A D. Strategy and Structure: Chapters in the History of the American Industrial Enterprise. Cambridge: MIT Press, 1962. [28] Revans P R. Action learning—a management development programme. Personnel Review, 1972, 1(4): 36-44 doi: 10.1108/eb055215 [29] Mintzberg H. The Nature of Managerial Work. New York: Harpercollins College Div, 1973. [30] Schumacher E F. Small is Beautiful. London: Blond & Briggs, 1973. [31] Perroux F. A New Concept of Development: Basic Tenets. London: Routledge, 1983. [32] Pascale R. Managing on the Edge. New York: Touchstone, 1991. [33] Mayo E. The Human Problems of An Industrial Civilization. London: Routledge, 2003. [34] Follet M P. Creative Experience. New York: Longmans, Green, 1924. [35] McGregor D. Theory X and theory Y. Organization Theory, 1960, 358(374): 5 [36] Reddin W J. Managerial Effectiveness. New York: McGraw-Hill, 1970. [37] Ouchi W G. Theory Z: How American Business Can Meet the Japanese Challenge. New York: Avon, 1982. [38] Maslow A. Z theory. Psichologija, 1993, 12: 104-121 [39] Hebb D O. The Organization of Behavior: A Neuropsychological Theory. New York: Psychology Press, 2002. [40] Simon H A. Administrative Behavior: A Study of Decision-Making Processes in Administrative Organizations (Fourth edition). New York: Free Press, 1997. [41] 格雷厄姆·阿利森, 菲利普·泽利科. 决策的本质: 解释古巴导弹危机. 第2版. 北京: 北京大学出版社, 2008.Allison G T, Zelikow P. Essence of Decision: Explaining the Cuban Missile Crisis (Second edition). Beijing: Peking University Press, 2008. [42] 钱学森, 许国志, 王寿云. 组织管理的技术——系统工程. 文汇报, 1978年9月27日Qian Xuesen, Xu Guozhi, Wang Shouyun. Technology of Organization and Management- Systems Engineering, Wen Wei Po Daily, Sep. 27, 1978. [43] 钱学森, 于景元, 戴汝为. 一个科学新领域——开放的复杂巨系统及其方法论. 自然杂志, 1990, 13(1): 3-10Qian Xuesen, Yu Jingyuan, Dai Ruwei. A New Field of Science: Open Complex Giant System and Its Methodology, Nature Magazine, 1990, 13(1): 3−10 [44] 钱学森. 一个科学新领域——开放的复杂巨系统及其方法论. 城市发展研究, 2005, 12(5): 1-8 doi: 10.3969/j.issn.1006-3862.2005.05.001Qian Xue-Sen. A new discipline of science——the study of open complex giant system and its methodology. Urban Studies, 2005, 12(5): 1-8 doi: 10.3969/j.issn.1006-3862.2005.05.001 [45] 徐绪松. 复杂科学管理. 北京: 科学出版社, 2010.Xu Xusong. Complex Scientific Management, Beijing: Science Press, 2010. [46] 王慧炯. 社会系统工程方法论. 北京: 中国发展出版社, 2015.Wang Hui-Jiong. Methodology of Social Systems Engineering. Beijing: China Development Press, 2015. [47] Wang F Y. An Organizational Framework and its Decision Processes for Hierarchical Intelligent Control Systems Using Category and Entropy, Technical Report, RAL#12-03-86, Robot Automation Laboratory, USA, 1986. [48] Wang F Y. Modeling and Specification of Complex Economic and Social Systems: Categories, Functors, and Natural Transformations, Technical Report, 05-99, University of Arizona, USA, 1999. [49] Fu M, Yeo C, Lin Y T, Wang F Y. WAVES: Web-based audio/video educational systems for real-time laboratory experiments. IFAC Proceedings Volumes, 2000, 33(31): 205-212 doi: 10.1016/S1474-6670(17)37864-3 [50] 王飞跃. 连通环境下联网系统的智能控制与管理问题. 模式识别与人工智能, 2004, 17(1): 1-6 doi: 10.3969/j.issn.1003-6059.2004.01.001Wang Fei-Yue. Intelligent control and management for networked systems in a connected world. Pattern Recognition and Artificial Intelligence, 2004, 17(1): 1-6 doi: 10.3969/j.issn.1003-6059.2004.01.001 [51] 王飞跃. 关于复杂系统的建模、分析、控制和管理. 复杂系统与复杂性科学, 2006, 3(2): 26-34Wang Fei-Yue. On the modeling, analysis, control and management of complex systems. Complex Systems and Complexity Science, 2006, 3(2): 26-34 [52] 王飞跃. 从平行宇宙到平行管理系统PMS: ERP之后的量子力学方案? 财经界/管理学家, 2007, 10: 48-51 (查阅所有网上资料, 未找到本条文献信息, 请联系作者确认)Wang Fei-Yue. From parallel universes to parallel management systems PMS: A quantum mechanical scheme after ERP? Finance/Management Scientist, 2007, 10: 48-51 [53] 王飞跃. 平行应急管理系统PeMS的体系框架及其应用研究. 中国应急管理, 2007, 2(12): 22-27Wang Fei-Yue. The framework of parallel emergency management system PeMS and its application. China Emergency Management, 2007, 2(12): 22-27 [54] 王飞跃. 复杂经济社会系统分析与管理的一种新的数学框架, 技术报告, TR#08-17-2009, 中国科学院复杂系统与智能科学重点实验室, 中国, 2009.Wang Fei-Yue. Outline of A New Mathematics for Complex Economic and Management Systems, Technical Report, TR#08-17-2009, Key Laboratory of Complex Systems and Intelligence Science, CAS, China, 2009. [55] Wang F Y. Parallel economics: A new supply–demand philosophy via parallel organizations and parallel management. IEEE Transactions on Computational Social Systems, 2020, 7(4): 840-848 doi: 10.1109/TCSS.2020.3012747 [56] Wang F Y, Qin R, Li J J, Wang X, Qi H W, Jia X F, et al. Federated management: Toward federated services and federated security in federated ecology. IEEE Transactions on Computational Social Systems, 2021, 8(6): 1283-1290 doi: 10.1109/TCSS.2021.3125312 [57] Wang F Y, Qin R, Wang X, Hu B. MetaSocieties in metaverse: MetaEconomics and MetaManagement for MetaEnterprises and MetaCities. IEEE Transactions on Computational Social Systems, 2022, 9(1): 2-7 doi: 10.1109/TCSS.2022.3145165 [58] Drucker P F. Management: Tasks, Responsibilities, Practices. New York: HarperBusiness, 1993. [59] Devlin J, Chang M W, Lee K, Toutanova K. BERT: Pre-training of deep bidirectional transformers for language understanding. In: Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. Minneapolis, USA: Association for Computational Linguistics, 2019. 4171−4186 [60] Brown T B, Mann B, Ryder N, Subbiah M, Kaplan J, Dhariwal P, et al. Language models are few-shot learners. In: Proceedings of the 34th International Conference on Neural Information Processing Systems. Vancouver, Canada: Curran Associates Inc., 2020. Article No. 159 [61] Riquelme C, Puigcerver J, Mustafa B, Neumann M, Jenatton R, Pinto A S, et al. Scaling vision with sparse mixture of experts. In: Proceedings of the 35th Neural Information Processing Systems (NIPS). Vancouver, Canada: Curran Associates, Inc., 2021. 8583−8595 [62] Dosovitskiy A, Beyer L, Kolesnikov A, Weissenborn D, Zhai X H, Unterthiner T, et al. An Image is worth 16x16 words: Transformers for image recognition at scale. In: Proceedings of the 9th International Conference on Learning Representations (ICLR). Austria: OpenReview.net, 2021. [63] Ramesh A, Pavlov M, Goh G, Gray S, Voss C, Radford A, et al. Zero-shot text-to-image generation. In: Proceedings of the 38th International Conference on Machine Learning (PMLR). PMLR, 2021. 8821−8831 [64] Poole B, Jain A, Barron J T, Mildenhall B. DreamFusion: Text-to-3D using 2D diffusion. arXiv preprint arXiv: 2209.14988, 2022. [65] Singer U, Polyak A, Hayes T, Yin X, An J, Zhang S Y, et al. Make-A-Video: Text-to-video generation without text-video data. arXiv preprint arXiv: 2209.14792, 2022. [66] Popper K. Three Worlds. The Tanner Lecture on Human Values. Ann Arbor: The University of Michigan, 1978. [67] Wang F Y. Parallel intelligence in metaverses: Welcome to Hanoi! IEEE Intelligent Systems, 2022, 37(1): 16-20 doi: 10.1109/MIS.2022.3154541 [68] Marshall A. Principles of Economics. London: Macmillan, 1890. [69] 陈龙, 王晓, 杨健健, 艾云峰, 田滨, 李宇宸, 等. 平行矿山: 从数字孪生到矿山智能. 自动化学报, 2021, 47(7): 1633-1645Chen Long, Wang Xiao, Yang Jian-Jian, Ai Yun-Feng, Tian Bin, Li Yu-Chen, et al. Parallel mining operating systems: From digital twins to mining intelligence. Acta Automatica Sinica, 2021, 47(7): 1633-1645 [70] 王飞跃. 平行驾驶与平行矿山: 智慧矿业的系统智能基础, 青岛智能产业技术研究院报告, 中国, 2017.Wang Fei-Yue. Parallel Driving and Parallel Mining: Systems Intelligence for Smart Mining Industries, QAII Technical Report, China, 2017. [71] 王拥军, 王飞跃, 王戈, 王晓, 王伊龙, 李瑞. 平行医院: 从医院信息管理系统到智慧医院操作系统. 自动化学报, 2021, 47(11): 2585-2599Wang Yong-Jun, Wang Fei-Yue, Wang Ge, Wang Xiao, Wang Yi-Long, Li Rui. Parallel hospitals: From hospital information system (HIS) to hospital smart operating system (HSOS). Acta Automatica Sinica, 2021, 47(11): 2585-2599 [72] 王飞跃. 数字医生与平行医疗: 从医疗知识自动化到系统化智能医学. 协和医学杂志, 2021, 12(6): 829-833Wang Fei-Yue. Digital doctors and parallel healthcare: From medical knowledge automation to intelligent metasystems medicine. Medical Journal of Peking Union Medical College Hospital, 2021, 12(6): 829-833 [73] DemanaQAII: 智慧管理决策与策略的大模型及其算法的设计、测试、评估和优化的分布式全中心自主工场, QAII技术报告, 青岛智能产业技术研究院, 中国, 2020.Wang F Y, Li J, Qin R, Ding W, Yuan Y, Wang X. DemanaQAII: A Foundation land for Design, Test, Evolution and Optimization of Management Policies and Decisions, QAII TechReport, China, 2020. [74] Stewart T A. Intellectual Capital: The New Wealth of Organization. New York: Doubleday/Currency, 1997. [75] J. W. Lu, X. X. Wang, X. Cheng, et al., Parallel Factories for Smart Industrial Operations: From Big AI models to Field Foundational Models and Scenarios Engineering, IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 12, pp. 2079-2086, 2022. [76] J. Yang, X. X. Wang, et al., Parallel Manufacturing for Industrial Metaverses: A New Paradigm in Smart Manufacturing, IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 12, pp. 2063-2070, 2022. [77] Y. Wang, Y. Tian, J. Wang, et al., “Integrated Inspection of QoM, QoP, and QoS for AOI Industries in Metaverses,” IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 12, pp. 2071–2078, 2022. [78] X. J. Wang, M. Z. Kang, H. Q. Sun, et al., DeCASA in AgriVerse: Parallel Agriculture for Smart Villages in Metaverses. IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 12, pp.2055-2062, 2022. [79] Y. Shen, Y. H. Liu, Y. L. Tian, et al., Parallel Sensing in Metaverses: Virtual-Real Interactive Smart Systems for “6S” Sensing. IEEE/CAA Journal of Automatica Sinica, vol. 9, no. 12, pp. 2047-2054, 2022. [80] Wang F Y. The DAO to MetaControl for MetaSystems in metaverses: The system of parallel control systems for knowledge automation and control intelligence in CPSS. IEEE/CAA Journal of Automatica Sinica, 2022, 9(11): 1899-1908 doi: 10.1109/JAS.2022.106022 [81] Wang X, Yang J, Han J P, Wang W, Wang F Y. Metaverses and DeMetaverses: From digital twins in CPS to parallel intelligence in CPSS. IEEE Intelligent Systems, 2022, 37(4): 97-102 doi: 10.1109/MIS.2022.3196592 [82] Kante R M. The Change Masters. New York: Touchstone, Simon & Schuster, 1984. [83] Kanter R M. When Giants Learn to Dance: The Definitive Guide to Corporate Success. New York: Free Press, 1990. [84] Kanter R M. World Class: Thriving Locally in the Global Economy. New York: Simon & Schuster, 1995. [85] Wang F Y. Toward a paradigm shift in social computing: The ACP approach. IEEE Intelligent Systems, 2007, 22(5): 65-67 doi: 10.1109/MIS.2007.4338496 [86] Wang F Y, Carley K M, Zeng D, Mao W J. Social computing: From social informatics to social intelligence. IEEE Intelligent systems, 2007, 22(2): 79-83 doi: 10.1109/MIS.2007.41 [87] 王飞跃. 社会信号处理与分析的基本框架: 从社会传感网络到计算辩证解析方法. 中国科学: 信息科学, 2013, 43(12): 1598-1611 doi: 10.1360/N112013-00094Wang Fei-Yue. A framework for social signal processing and analysis: From social sensing networks to computational dialectical analytics. Scientia Sinica (Information), 2013, 43(12): 1598-1611 doi: 10.1360/N112013-00094 [88] Wang F Y, Filev D P, Pedrycz W, Li H Y, White C C. Guest editorial from intelligent control to smart management of cyber-physical-social systems: A celebration of 70th anniversary of cybernetics by Norbert Wiener. IEEE Transactions on Cybernetics, 2018, 48(12): 3278-3279 doi: 10.1109/TCYB.2018.2879213 [89] Wang F Y, Qin R, Li J J, Yuan Y, Wang X. Parallel societies: A computing perspective of social digital twins and virtual-real interactions. IEEE Transactions on Computational Social Systems, 2020, 7(1): 2-7 doi: 10.1109/TCSS.2020.2970305 [90] Wang F Y, Yuan Y, Wang X, Qin R. Societies 5.0: A new paradigm for computational social systems research. IEEE Transactions on Computational Social Systems, 2018, 5(1): 2-8 doi: 10.1109/TCSS.2018.2797598 [91] Wang F Y. Intelligent systems and social management. IEEE Intelligent Systems, 2011, 26(6): 2-3 doi: 10.1109/MIS.2011.103 [92] 王飞跃. 从敘述科学到叙述哲学: 王浩学术生涯的启示与意义, 哲学与科学论坛: 逻辑、数学与哲学——王浩诞辰百年纪念, 2021年12月12日.Wang Fei-Yue. From Narrative Sciences to Narrative Philosophy: The Meaning and Inspiration of Hao Wang’s Academic Caree, Philosophy and Science Forum: Logics, Mathematics and Philosophy, Dec. 12, 2012. [93] 王飞跃. 叙述管理: 从经典到展望和使命的社会技术可视化. 见: 第11届平行管理论坛. 青岛, 中国, 2020.Wang Fei-Yue. Narrative management: From classics to sociotechnical visualization of vision and mission. In: Proceedings of the 11th Symposium on Parallel Management. Qingdao, China, 2020. [94] 王飞跃. 系统工程与管理变革: 从牛顿到默顿的升华. 管理学家(实践版), 2013(10): 12-19Wang Fei-Yue. Systems engineering and management revolution: From Newton to Merton. Management Science (Practical Edition), 2013(10): 12-19 [95] Wang S, Ding W W, Li J J, Yuan Y, Ouyang L W, Wang F Y. Decentralized autonomous organizations: Concept, model, and applications. IEEE Transactions on Computational Social Systems, 2019, 6(5): 870-878 doi: 10.1109/TCSS.2019.2938190 [96] 丁文文, 王帅, 李娟娟, 袁勇, 欧阳丽炜, 王飞跃. 去中心化自治组织: 发展现状、分析框架与未来趋势. 智能科学与技术学报, 2019, 1(2): 202-213 doi: 10.11959/j.issn.2096-6652.201917Ding Wen-Wen, Wang Shuai, Li Juan-Juan, Yuan Yong, Ouyang Li-Wei, Wang Fei-Yue. Decentralized autonomous organizations: The state of the art, analysis framework and future trends. Chinese Journal of Intelligent Science and Technology, 2019, 1(2): 202-213 doi: 10.11959/j.issn.2096-6652.201917 [97] Qin R, Yuan Y, Wang F Y. Blockchain-Based knowledge automation for CPSS-oriented parallel management. IEEE Transactions on Computational Social Systems, 2020, 7(5): 1180-1188 doi: 10.1109/TCSS.2020.3023046 [98] Ding W W, Liang X L, Hou J C, Wang G, Yuan Y, Li J Q, et al. Parallel governance for decentralized autonomous organizations enabled by Blockchain and smart contracts. In: Proceedings of the 2021 IEEE 1st International Conference on Digital Twins and Parallel Intelligence (DTPI). Beijing, China: IEEE, 2021. 1−4 [99] Wang F Y, Ding W W, Qin R, Hu B. Parallel philosophy for MetaOrganizations with MetaOperations: From Leibniz’s monad to HanoiDAO. IEEE Transactions on Computational Social Systems, 2022, 9(3): 658-666 doi: 10.1109/TCSS.2022.3172671 [100] Wang F Y, Ding W W, Wang X, Garibaldi J, Teng S Y, Imre R, et al. The DAO to DeSci: AI for free, fair, and responsibility sensitive sciences. IEEE Intelligent Systems, 2022, 37(2): 16-22 doi: 10.1109/MIS.2022.3167070 [101] Ding W W, Hou J C, Li J J, Guo C, Qin J R, Kozma R, et al. DeSci based on Web3 and DAO: A comprehensive overview and reference model. IEEE Transactions on Computational Social Systems, 2022, 9(5): 1563-1573 doi: 10.1109/TCSS.2022.3204745 [102] Wang F Y, Saridis G N. A coordination theory for intelligent machines. Automatica, 1990, 26(5): 833-844 doi: 10.1016/0005-1098(90)90001-X [103] Wang F Y. The engineering of intelligence: DAO to I&I, C&C, and V&V for intelligent systems. International Journal of Intelligent Control and Systems, 2021, 1(3): 1-5 [104] Cao D P, Wang X, Li L X, Lv C, Na X X, Xing Y, et al. Future directions of intelligent vehicles: Potentials, possibilities, and perspectives. IEEE Transactions on Intelligent Vehicles, 2022, 7(1): 7-10 doi: 10.1109/TIV.2022.3157049 [105] Li X, Ye P J, Li J J, Liu Z M, Cao L B, Wang F Y. From features engineering to scenarios engineering for trustworthy AI: I&I, C&C, and V&V. IEEE Intelligent Systems, 2022, 37(4): 18-26 doi: 10.1109/MIS.2022.3197950 [106] Herzberg F. One more time: How do you motivate employees? Harvard Business Review, 2003, 81(1): 87-96 [107] 王飞跃. 平行哲学: 智能产业与智慧经济的本源及其目标. 中国科学院院刊, 2021, 36(3): 308-318Wang Fei-Yue. Parallel philosophy: Origin and goal of intelligent industries and smart economics. Bulletin of Chinese Academy of Sciences, 2021, 36(3): 308-318 [108] 王飞跃. 平行哲学与智能科学: 从莱布尼茨的Monad到区块链之DAO. 模式识别与人工智能, 2020, 33(12): 1055-1065Wang Fei-Yue. Parallel philosophy and intelligent science: From Leibniz’s Monad to Blockchain’s DAO. Pattern Recognition and Artificial Intelligence, 2020, 33(12): 1055-1065 [109] 王飞跃. 平行哲学与智能技术: 平行产业与智慧社会的对偶方程与测试基础. 智能科学与技术学报, 2021, 3(3): 245-255 doi: 10.11959/j.issn.2096-6652.202126Wang Fei-Yue. Parallel philosophy and intelligent technology: Dual equations and testing systems for parallel industries and smart societies. Chinese Journal of Intelligent Science and Technology, 2021, 3(3): 245-255 doi: 10.11959/j.issn.2096-6652.202126 [110] Wang F Y. Blockchain intelligence: Cornerstone of the future smart economy and smart societies. In: Proceedings of the 2nd World Intelligent Congress. 2018. [111] 李娟娟, 袁勇, 王飞跃. 基于区块链的数字货币发展现状与展望. 自动化学报, 2021, 47(4): 715-729 doi: 10.16383/j.aas.c210018Li Juan-Juan, Yuan Yong, Wang Fei-Yue. Blockchain-based digital currency: The state of the art and future trends. Acta Automatica Sinica, 2021, 47(4): 715-729 doi: 10.16383/j.aas.c210018 [112] Li J J, Yuan Y, Wang F Y. A novel GSP auction mechanism for ranking Bitcoin transactions in blockchain mining. Decision Support Systems, 2019, 124: Article No. 113094 doi: 10.1016/j.dss.2019.113094 [113] Li J J, Ni X C, Yuan Y, Wang F Y. A novel GSP auction mechanism for dynamic confirmation games on Bitcoin transactions. IEEE Transactions on Services Computing, 2022, 15(3): 1436-1447 doi: 10.1109/TSC.2020.2994582 [114] Li J J, Yuan Y, Wang F Y. Analyzing Bitcoin transaction fees using a queueing game model. Electronic Commerce Research, 2022, 22(1): 135-155 doi: 10.1007/s10660-020-09414-3 [115] 欧阳丽炜, 王帅, 袁勇, 倪晓春, 王飞跃. 智能合约: 架构及进展. 自动化学报, 2019, 45(3): 445-457Ouyang Li-Wei, Wang Shuai, Yuan Yong, Ni Xiaochun, Wang Fei-Yue. Smart contracts: Architecture and research progresses. Acta Automatica Sinica, 2019, 45(3): 445-457 [116] Wang S, Ouyang L W, Yuan Y, Ni X C, Han X, Wang F Y. Blockchain-enabled smart contracts: Architecture, applications, and future trends. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 2019, 49(11): 2266-2277 doi: 10.1109/TSMC.2019.2895123 [117] Bennis W, Biederman P W. Organizing Genius: The Secrets of Creative Collaboration. Reading: Basic Books, 1998. [118] Wang F Y. Building robots for parallel cognition: Cognitive science in reflection and perspective. In: Proceedings of the 3rd International Conference on Cognitive Systems and Information Processing (ICCSIP). Beijing, China, 2018. [119] Wang F Y. Parallel cognition: Towards the integration of knowledge and behavior in intelligent cognitive science and technology. In: Proceedings of the 1st China Symposium on Cognitive computing and Hybrid Intelligence. Xi’an, China, 2018. [120] Ye P J, Wang F Y. Parallel population and parallel human—a cyber-physical social approach. IEEE Intelligent Systems, 2022, 37(5): 19-27 [121] Ye P J, Wang X, Zheng W B, Wei Q L, Wang F Y. Parallel cognition: Hybrid intelligence for human-machine interaction and management. Frontiers of Information Technology & Electronic Engineering, to be published [122] Ye P J, Zhu F H, Sabri S, Wang F Y. Consistent population synthesis with multi-social relationships based on Tensor decomposition. IEEE Transactions on Intelligent Transportation Systems, 2020, 21(5): 2180-2189 doi: 10.1109/TITS.2019.2916867 [123] Ye P J, Wang X, Xiong G, Chen S C, Wang F Y. TiDEC: A two-layered integrated decision cycle for population evolution. IEEE Transactions on Cybernetics, 2021, 51(12): 5897-5906 doi: 10.1109/TCYB.2019.2957574 期刊类型引用(29)
1. 王飞跃. 我国生成式人工智能的发展现状与趋势. 人民论坛. 2025(02): 21-26 . 
百度学术2. Fei-Yue Wang，Qinghai Miao，Lingxi Li，Qinghua Ni，Xuan Li，Juanjuan Li，Lili Fan，Yonglin Tian，Qing-Long Han. When Does Sora Show:The Beginning of TAO to Imaginative Intelligence and Scenarios Engineering. IEEE/CAA Journal of Automatica Sinica. 2024(04): 809-815 . 必应学术3. Juanjuan Li，Rui Qin，Sangtian Guan，Xiao Xue，Peng Zhu，Fei-Yue Wang. Digital CEOs in Digital Enterprises: Automating, Augmenting, and Parallel in Metaverse/CPSS/TAOs. IEEE/CAA Journal of Automatica Sinica. 2024(04): 820-823 . 必应学术4. 缪青海，王兴霞，杨静，赵勇，王雨桐，陈圆圆，田永林，俞怡，林懿伦，鄢然，马嘉琪，那晓翔，王飞跃. 从基础智能到通用智能:基于大模型的GenAI和AGI之现状与展望. 自动化学报. 2024(04): 674-687 . 本站查看5. 田永林，王兴霞，王雨桐，王建功，郭超，范丽丽，沈甜雨，武万森，张红梅，朱正秋，王飞跃. RAG-PHI：检索增强生成驱动的平行人与平行智能. 智能科学与技术学报. 2024(01): 41-51 . 百度学术6. 林飞，王飞跃，田永林，丁显廷，倪清桦，王静，申乐. 平行药物系统：基于大语言模型和三类人的框架与方法. 智能科学与技术学报. 2024(01): 88-99 . 百度学术7. 李娟娟，管桑田，秦蕊，侯家琛，王飞跃. 智能区块链与区块链智能：构筑DePIN的基础设施智能. 智能科学与技术学报. 2024(01): 5-16 . 百度学术8. 范丽丽，郭超，田永林，张慧，张俊，王飞跃. 基于Sora的平行智能基础机器人：三个世界模型，三种机器人系统（英文）. Frontiers of Information Technology & Electronic Engineering. 2024(07): 917-924 . 百度学术9. 张腾超，田永林，林飞，倪清桦，宋平，戴星原，李娟娟，伍乃騏，李鼎烈，王飞跃. 平行旅游：基础智能驱动的智慧出游服务. 智能科学与技术学报. 2024(02): 164-178 . 百度学术10. 胡学敏，黄婷玉，余雅澜，任佳佳，谢微，陈龙. 仿真到现实环境的自动驾驶决策技术综述. 中国图象图形学报. 2024(11): 3173-3194 . 百度学术11. Fei-Yue Wang，Qinghai Miao，Xuan Li，Xingxia Wang，Yilun Lin. What Does ChatGPT Say:The DAO from Algorithmic Intelligence to Linguistic Intelligence. IEEE/CAA Journal of Automatica Sinica. 2023(03): 575-579 . 必应学术12. Fei-Yue Wang，Jing Yang，Xingxia Wang，Juanjuan Li，Qing-Long Han. Chat with ChatGPT on Industry 5.0:Learning and Decision-Making for Intelligent Industries. IEEE/CAA Journal of Automatica Sinica. 2023(04): 831-834 . 必应学术13. Qinghai Miao，Wenbo Zheng，Yisheng Lv，Min Huang，Wenwen Ding，Fei-Yue Wang. DAO to HANOI via DeSci:AI Paradigm Shifts from AlphaGo to ChatGPT. IEEE/CAA Journal of Automatica Sinica. 2023(04): 877-897 . 必应学术14. 卢经纬，郭超，戴星原，缪青海，王兴霞，杨静，王飞跃. 问答ChatGPT之后:超大预训练模型的机遇和挑战. 自动化学报. 2023(04): 705-717 . 本站查看15. 田永林，陈苑文，杨静，王雨桐，王晓，缪青海，王子然，王飞跃. 元宇宙与平行系统：发展现状、对比及展望. 智能科学与技术学报. 2023(01): 121-132 . 百度学术16. 李娟娟，秦蕊，丁文文，王戈，王坛，王飞跃. 基于Web3的去中心化自治组织与运营新框架. 自动化学报. 2023(05): 985-998 . 本站查看17. Xingxia Wang，Jing Yang，Yutong Wang，Qinghai Miao，Fei-Yue Wang，Aijun Zhao，Jian-Ling Deng，Lingxi Li，Xiaoxiang Na，Ljubo Vlacic. Steps Toward Industry 5.0: Building “6S” Parallel Industries With Cyber-Physical-Social Intelligence. IEEE/CAA Journal of Automatica Sinica. 2023(08): 1692-1703 . 必应学术18. Fei-Yue Wang. New Control Paradigm for Industry 5.0:From Big Models to Foundation Control and Management. IEEE/CAA Journal of Automatica Sinica. 2023(08): 1643-1646 . 必应学术19. 王飞跃. 平行医生与平行医院：ChatGPT与通用人工智能技术对未来医疗的冲击与展望. 协和医学杂志. 2023(04): 673-679 . 百度学术20. 阳东升，卢经纬，李强，王飞跃. 超大预训练模型在指挥控制领域的应用与挑战. 指挥与控制学报. 2023(02): 146-155 . 百度学术21. 鲁越，郭超，潘晴，倪清桦，李华飙，王春法，王飞跃. 平行博物馆系统：框架、平台、方法及应用. 模式识别与人工智能. 2023(07): 575-589 . 百度学术22. Yutong Wang，Xiao Wang，Xingxia Wang，Jing Yang，Oliver Kwan，Lingxi Li，Fei-Yue Wang. The ChatGPT After: Building Knowledge Factories for Knowledge Workers with Knowledge Automation. IEEE/CAA Journal of Automatica Sinica. 2023(11): 2041-2044 . 必应学术23. 秦蕊，梁小龙，李娟娟，丁文文，侯家琛，王雨桐，田永林，文丁. 平行科研院所：从数字化转型到智能化变革. 智能科学与技术学报. 2023(02): 212-221 . 百度学术24. 赵毅飞，申乐，叶佩军，王静，王飞跃. 平行麻醉：从麻醉自动化走向智慧型全周期麻醉平台. 智能科学与技术学报. 2023(02): 234-246 . 百度学术25. 陈晓光，韩金朋，杨满智，王晓，刘昕，王震，王飞跃. 灵境卫士：基于ACP的网络安全平行监管研究. 智能科学与技术学报. 2023(02): 247-253 . 百度学术26. 皮佩定，倪清桦，杨静，康孟珍，李宣昊，杜应昆，王飞跃. 平行夏尔希里：生态资源智能管护及其可持续发展新途径. 智能科学与技术学报. 2023(03): 283-292 . 百度学术27. 王惠珍，张捷，俞怡，赵琳，李葵南，马慧颖，祁肖静，王静，王雨桐，林懿伦，许力，申乐，李汉忠，王飞跃. 平行手术室：围术期护理流程与智慧手术平台管理的新模式. 模式识别与人工智能. 2023(10): 867-876 . 百度学术28. 崔华宁，王飞跃，李娟娟，秦蕊，王戈，梁小龙，侯家琛，管桑田. 平行财务预算：复杂业财的深度融合与智能服务. 智能科学与技术学报. 2023(04): 446-453 . 百度学术29. 卢经纬，程相，王飞跃. 求解微分方程的人工智能与深度学习方法：现状及展望. 智能科学与技术学报. 2022(04): 461-476 . 百度学术其他类型引用(1)
-
下载:
下载:
计量
- 文章访问数: 3903
- HTML全文浏览量: 2600
- PDF下载量: 3917
- 被引次数: 30
