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基本結構的基礎上，介紹了專家控制系統的工作原理。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  神經網絡

　　專家控制(EC)是指將人工智能領域的專家系統理論和技術與控制理論方法和技術相結合，仿效專家智能，實現對較為復雜問題的控制?；趯＜铱刂圃硭O計的系統稱為專家控制系統(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典控制系統所面臨的無法建模等難題，開始把專家系統的思想和方法引入控制系統的研究及其工程應用，從而導致了專家控制系統的誕生。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：專家控制系統的全部行為能被自適應支配，為此，該控制系統必須能夠重復解釋當前狀況，預測未來行為，診斷出現問題的原因，制訂補救（較正）規劃，并監控規劃的執行，確保成功。研究專家控制系統的突出代表首推瑞典學者K.J.Astrom，他于1983年發表“Implementation of an Autotuner Using Expert System Ideas”一文，明確建立了將專家系統引入自動控制的思想，隨后開展了原型系統的實驗。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立。
　　專家控制系統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（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（決策與規劃），又可涉及低層控制（動作與實現）。
1  專家控制系統的基本結構
　　人工智能領域中發展起來的專家系統是一種基于知識的、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驗，能夠利用人類專家的知識和解決問題的經驗方法來處理該領域的高水平難題。
將專家系統技術引入控制領域，首先必須把控制系統看作是一個基于知識的系統，而作為系統核心部件的控制器則要體現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，專家控制系統的結構可能不一樣，但是幾乎所有的專家控制系統都包含知識庫、推理機、控制規則集和控制算法等。圖1所示為專家控制系統的基本結構。

　　與專家系統相似，整個控制問題領域的知識庫和一個體現知識決策的推理機構成了專家控制系統的主體。
　　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據，例如先驗知識、動態信息、由事實及證據推得的中間狀態和性能目標等。數據常常用一種框架結構組織在一起，形成數據庫。另一部分知識可稱為規則，即定性的推理知識，每條規則都代表著與受控系統有關的經驗知識，它們往往以產生式規則（if……then……）表示。所有的規則組成規則庫。在專家控制系統中，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  專家控制系統的研究重點及其應用領域
　　在智能控制領域中，專家系統控制、神經網絡控制、模糊邏輯控制等方法各自有著不同的優勢及適用領域。因而將幾種方法相融合，成為設計更高智能的控制系統的可取方案。而通過引進其他智能方法來實現更有效的專家控制系統業已成為近年來研究的熱點。根據它們結合的方式，專家控制系統可以分為以下三種。
　　(1)一般控制理論知識和經驗知識相結合
基于一般控制理論知識（解析算法）和經驗知識（專家系統）的結合，擴展了傳統控制算法的范圍[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，知識模型與常規數學模型相結合，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模系統和復雜系統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知識編入知識基系統，以克服現有自適應控制系統的不足。這類研究典型地體現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，克服了傳統的液壓挖掘機控制中單純的轉速控制和壓力控制的不足，近似地實現了無級調速，并實現了節能的效果。文獻[5]提出用專家控制理論和方法，與傳統的PID控制方式結合起來，分析計算并判斷各種運行狀態，給出適當的晶閘管觸發角相位信號，使得直流調速裝置能快速無超調起動和制動，并在進入穩態后保持要求的靜態精度，滿足了調速系統快速性、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中，就產生了基于模糊規則的專家控制系統，也稱模糊專家控制系統(FEC)。它運用模糊邏輯和人的經驗知識及求解控制問題時的啟發式規則來構造控制策略。對于難以用準確的數字模型描述，也難以完全依靠確定性數據進行控制的情況，可使用模糊語言變量來表示規則，并進行模糊推理，更能模擬操作人員憑經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，在專家系統協調下，通過各種控制方式，給出接近最優的控制策略。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。在該系統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，并根據自適應模糊控制的目標設計了推理機。系統無需精確的數學模型，能根據輸入、輸出變量自動修改控制規則，達到優化控制的目的。
　　(3)神經網絡與專家控制相結合
　　將神經網絡和專家系統技術結合起來，即神經網絡專家系統的研究已經起步。神經網絡基于數值和算法，而專家系統則基于符號和啟發式推理。神經網絡具有聯想、容錯、記憶、自適應、自學習和并行處理等優點；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過的故障不能給出正確的診斷結論。專家系統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，將神經網絡和專家系統結合起來，充分發揮專家系統“高層”推理的優勢和神經網絡“低層”處理的長處，可以收到更好的控制效果。
　　目前，由于對神經網絡本身的研究還有很多未解的難題，因而應用神經網絡的專家控制系統還不是很多：文獻[8]提出一種神經網絡專家控制策略，使用基于BP網絡和規則模型的專家控制器及單回控制器，實現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控制。文獻[9]提出了一種基于神經網絡的SMT焊點質量專家控制系統，能夠對焊點質量進行實時評價和控制，提高了生產率和產品的可靠性。
3  專家控制系統所面臨的主要問題
　　對于各類專家控制系統，它們要共同面對下列發展中的難點和挑戰。
　　(1)專家經驗知識的獲取問題。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），成為研究專家系統的主要“瓶頸”之一[10]。
　　(2)知識庫的自動更新與規則自動生成。受知識獲取方法的限制，專家控制系統不可能具有控制專家的全部知識。專家控制系統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，根據出現的新情況自動產生出新規則。否則，當系統出現超出專家系統知識范圍的異常情況時，系統就可能出現失控。
　　(3)專家控制系統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)專家控制系統的穩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，它實現的控制基于知識模型，采用啟發式邏輯和模糊邏輯，專家控制系統的本質也是非線性的，因此目前的穩定性分析方法很難直接用于專家控制系統。
　　(5)如何實現數據和信息的并行處理，如何設計系統的解釋機構，如何建立良好的用戶接口等都是專家系統有待解決的問題。
　　對于前述的采用不同技術的專家控制系統，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，需要進一步深入研究的課題有：模糊控制規則設計方法的研究；模糊控制參數的最優調整理論及修正推理規則學習方式；模糊控制動態模型的辨識；模糊預測系統的設計方法和提高計算速度的算法等。
　　將神經網絡和專家系統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，它為控制技術的發展開辟了新思路，即用人工智能中專家系統的機制決定控制方法的靈活選用，實現了解析規律與啟發式邏輯的結合，從而使控制作用的描述更完整，使控制性能的滿意實現成為可能。
　　但也應該看到，專家控制系統作為智能控制的一個分支，是一門新興的、尚不完善的技術，它的發展與人工智能相關技術的發展是密切相關的。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乃至智能控制研究和發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.液壓挖掘機節能用智能PID專家控制系統.吉林工業大學自然科學學報，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.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網絡專家控制.自動化學報，2001；(6)
8   劉世林，周德儉.基于神經網絡的SMT焊點質量專家控制系統研究.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)