复杂工业过程控制的研究现状

关于复杂工业过程，目前尚无统一定义。其复杂性可概括为两个方面：客观复杂性和认识复杂性。前者是指客观工业过程中某种运动或性态跨越层次后整合的、不可还原的新性态和相互关系；后者是指对客观工业过程中复杂性的有效理解及其表达。但在实际工程中，有些专家认为，若工业过程受行为变量影响很弱且过程主要由状态变量描述，可认为是一个简单系统，即复杂工业过程的关键是由行为癫痫病吃药多久才能见效变量所致。按系统科学理论，工业过程有多种分类方法：若组成工业过程系统的子过程或元部件比较少且其关系比较单纯，则称为简单的工业过程癫痫怎么治疗；若组成工业过程系统的子过程或元部件很多或非常大且其关系复杂，则称之为大系统工业过程；若在其中子过程的种类不太多且关系又比较简单，一般可用线性或易于表达的非线性关系描述，则称为简单大系统工业过程；若在其中子过程种类很多且关系复杂，递阶层次结构复杂，子过程间又耦合很紧，一般又不可用线性或易于表达的非线性关系描述，则称为复杂大系统工业过程。 传统的经典控制或现代控制理论在解决复杂工业过程的控制方面，有很大局限性，主要表现如下： (1)不确定性问题　传统控制是基于模型的控制，即控制、过程及干扰的模型是已知的或者是经过辨识可以得到的。但复杂工业过程中很多控制问题具有不确定性，甚至常常发生突变。对于“未知”、不确定或知之不多的控制问题，用传统控制方法原发性癫痫的临床特点是什么难以建模，因而也就无法实现有效的控制。 (2)高度非线性问题　传统控制理论中，对于有高度非线性的工业过程，虽然也有一些非线性控制方法可被采用，但总体而言，非线性理论远不如线性理论成熟，并且有些方法则因工业过程特别复杂而难以应用。 (3)半结构化与非结构化问题　传统控制理论主要采用微分方程、状态方程及各种数学变换作为研究工具。其本质是一种数值计算方法，属定量分析控制范畴，其结果必然要求控制问题结构化程度高，易于用定量数学方法进行描述或建模。而复杂工业过程中最关注的和需要支持的，有时恰恰是半结构与非结构化问题。 (4)不可确定性的问题　工业过程不可确定性应包括通常意义下的操作过程和所处的环境。而复杂工业过程中各子过程间关系错综复杂，各元部件间高度耦合、相互制约，外部环境又极其复杂、变化莫测，有的工业过程涉及到人的感观因素，如香烟的感观质量、酒的口味等均涉及到人的行为，而人的行为又是带有主观性质的复杂行为。 (5)可靠性问题　常规的基于数学模型的工业过程控制问题倾向于是一个相互依赖的整体，尽管该方法的工业过程经常存在鲁棒性与灵敏度之间的矛盾，但对简单的工业过程系统控制而言，其问题并不突出。而对于复杂工业过程，则将可能由于条件的变化使整个控制崩溃。因此，复杂工业过程的控制问题期盼着用新的理论与方法来实实在在地解决工业现场的实际问题，这是工农业生产发展的迫切要求，也是人类发展的需要。 人们预计在21世纪工业的发展中，将以光电技术和人工智能为标志的信息技术为前导，以基因工程和细胞工程为标志的生物技术为核心，以超导材料和人工定向设计材料为标志的新材料技术为基础，以核聚变能和太阳能为标志的新能源技术为支柱，以航天飞机和永久太空站为标志的空间技术向外延伸，以深海采掘和海水利用为标志的海洋技术向内拓展，引起工业过程控制领域高技术的新突破。可想而知，人们研究的复杂工业过程是一个具有高度复杂、不可确定、多层次、网络性系统，在一个层次上是不可能把工业过程完全弄清楚，对其研究需要在多个层次上进行[49]。所谓复杂工业过程乃是工业过程中带有根本性的、普遍性的又是远远没有解决的问题。这就需要我们在未来研究中，运用复杂系统理论提供的新概念、新方法及新成果，结合已经形成的复杂工业过程特有的概念体系和方法学，通过多个层次以及对多个层次的综合集成研究，最终在个体层面上解答和揭示工业过程。当前，国内外控制界都把复杂系统的控制作为自动化学科发展的前沿方向，大型复杂工业过程、不确定可变控制对象作为重要的研究领域，以其特有复杂性推动着该学科前沿发展。 从现阶段发展趋势看，在工业过程控制中控制策略的智能化，决策支持的“专家”化已成为必然。通过知识工程方法，将有关对象的定性知识、人的经验知识与技巧和启发式逻辑推理有效地集成起来，从而构成知识库系统，以支持系统控制策略和算法的优选及运行状态的优化，已成为复杂工业过程控制的重要技术手段。其实质是对人的能力放大和增强。计算机集成过程系统(Computer Integrated Process System ，CIPS) 是工业过程控制进入计算机时代的产物，以连续生产过程为研究对象，其目标是实现计算机集成综合自动化。虽然计算机在系统中起很大作用，但仍然是辅助工具，人在监控级总体癫痫的发病原因有什么闭环中仍然起着不可取代的关键作用。这包括人在内的系统，实质上是一种人机智能系统，在协同作用过程中将展现出超过人的智力和才能的能力。但关键在于加强控制理论同生产实际密切结合，注意引入智能化方法和智能技术以及知识工程方法，逐步形成不同形式的既简单又实用的控制结构和算法，使控制理论智能化和工程化，以加快复杂工业过程控制的智能化进程。