1.5 智能控制研究概述

從1932年奈魁斯特（Nyquist H.）提出有關(guān)反饋放大器穩(wěn)定性理論至今，控制理論學(xué)科的發(fā)展經(jīng)歷了經(jīng)典控制理論到現(xiàn)代控制理論，又由現(xiàn)代控制理論發(fā)展到現(xiàn)在的智能控制階段。隨著控制系統(tǒng)或者控制過程的復(fù)雜性程度（如不確定性、時(shí)變、非線性）提高，一方面，復(fù)雜系統(tǒng)的控制問題無法采用傳統(tǒng)的數(shù)學(xué)工具或傳統(tǒng)控制理論得到解決；另一方面，現(xiàn)代人工智能、信息、計(jì)算機(jī)和微電子等技術(shù)的飛速發(fā)展導(dǎo)致控制技術(shù)隨之發(fā)生革命性的變革，這在很大程度上促成了智能化的工具時(shí)代提前出現(xiàn)。目前，智能控制已經(jīng)較好地滲入到自動(dòng)控制各個(gè)領(lǐng)域，其應(yīng)用前景十分美好。

1.5.1 智能控制國內(nèi)外研究現(xiàn)狀

1971年，基于發(fā)展學(xué)習(xí)控制的角度，文獻(xiàn)[112]首次提出智能控制的概念，歸納了人作為控制器的控制系統(tǒng)、人—機(jī)結(jié)合作為控制器的控制系統(tǒng)以及無人參與的自主控制系統(tǒng)等3種類型的智能控制系統(tǒng)。自此之后，一系列的研究與應(yīng)用成果開始涌現(xiàn)，標(biāo)志著智能控制這門新學(xué)科正式建立。如具有分層遞階功能的智能控制結(jié)構(gòu)^[113，114]、基于專家系統(tǒng)技術(shù)的智能控制系統(tǒng)^[115]。此外，模糊控制、神經(jīng)網(wǎng)絡(luò)控制、專家智能控制、學(xué)習(xí)控制和定性控制等智能控制理論和技術(shù)也得到快速發(fā)展和推廣應(yīng)用。

（1）模糊控制。1965—1973年，ZadehL.A.^[116]先后發(fā)表了奠定模糊集理論和應(yīng)用研究的基礎(chǔ)文獻(xiàn)“Fussysets”和“Fussysets&amp；system”、“模糊算法”、

“語言與模糊邏輯相結(jié)合的系統(tǒng)建立方法”，為模糊理論的工程應(yīng)用奠定了堅(jiān)實(shí)的理論基礎(chǔ)^[117119]。于是，模糊邏輯被不斷地應(yīng)用于工程控制領(lǐng)域。例如，Mam-dani在1974年基于模糊邏輯成功研發(fā)了世界上第1臺(tái)能實(shí)現(xiàn)模糊控制的蒸汽機(jī)。

1979年MamdaniE.H.和ProckyJ.J.共同提出可使復(fù)雜系統(tǒng)性能改善的自學(xué)

習(xí)概念。1983年日本富士電機(jī)首次對(duì)水凈化處理過程實(shí)現(xiàn)了模糊控制，并于1987年將模糊邏輯控制技術(shù)成功地應(yīng)用于仙臺(tái)地鐵線，1989年又將模糊控制技術(shù)引入日常用品，取得了十分理想的控制效果。此外，文獻(xiàn)[120122]將模糊控制和傳統(tǒng)的PID控制原理相融合，得出了有效的Fuzzy和PID控制融合的復(fù)合控制結(jié)構(gòu)，并在試驗(yàn)和實(shí)際中得到了驗(yàn)證。盡管模糊控制的應(yīng)用前景十分廣泛，但仍存在許多待進(jìn)一步深入研究的模糊控制理論問題。

（2）神經(jīng)網(wǎng)絡(luò)控制。1943年，Pitts和CullochMc開始提出神經(jīng)元數(shù)學(xué)邏

輯^[123]，但關(guān)于神經(jīng)網(wǎng)絡(luò)的研究并非一帆風(fēng)順^[124，125]。直到20世紀(jì)70年代中期，人們才又開始關(guān)注神經(jīng)網(wǎng)絡(luò)的研究，并涌現(xiàn)出一大批顯著性成果，為神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用迅速開辟了廣闊的前景^[126130]。例如Albus提出的CMAC神經(jīng)網(wǎng)絡(luò)模型、Grossberg提出的能解決無導(dǎo)師指導(dǎo)下的模式分類的自共振理論、Hopfield提出的能解決回歸網(wǎng)絡(luò)學(xué)習(xí)問題的HNN模型、PDP研究小組提出的多層前向傳播神經(jīng)網(wǎng)絡(luò)的BP學(xué)習(xí)算法、Kilmer和 Mcclloch提出的能對(duì)“阿波羅”登月車實(shí)現(xiàn)控制的KBM模型，從而開辟了神經(jīng)網(wǎng)絡(luò)控制的嶄新時(shí)代。

（3）專家智能控制。專家控制系統(tǒng)一般包括控制機(jī)制、推理機(jī)制和知識(shí)庫等基本組成部分，往往存在知識(shí)獲取的“瓶頸”、“窄臺(tái)階”等難題，單一依靠專家系統(tǒng)控制無法滿足復(fù)雜系統(tǒng)的實(shí)時(shí)自適應(yīng)性控制要求，因此，如神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)、專家模糊控制等^[131135]以專家系統(tǒng)融合其他人工智能技術(shù)的混合控制技術(shù)是專家智能控制的未來發(fā)展重要方向。

（4）學(xué)習(xí)控制。學(xué)習(xí)控制是模擬人類自身各種優(yōu)良控制的調(diào)節(jié)機(jī)制的一種嘗試，可根據(jù)系統(tǒng)工作對(duì)象的不同分為迭代學(xué)習(xí)控制和自學(xué)習(xí)控制系統(tǒng)兩類^[127129]。但學(xué)習(xí)控制存在在線學(xué)習(xí)能力差，學(xué)習(xí)速度較慢，實(shí)時(shí)性能差等缺點(diǎn)，因此開發(fā)實(shí)時(shí)性好、精度高的優(yōu)化算法是學(xué)習(xí)控制系統(tǒng)設(shè)計(jì)的最重要的研究內(nèi)容。

（5）定性控制。與通過收集不同的時(shí)間點(diǎn)上系統(tǒng)變量取值進(jìn)行系統(tǒng)行為模擬不同，定性推理則是基于更高的抽象層次對(duì)系統(tǒng)行為的定性特征進(jìn)行推理。而將定性推理和控制相結(jié)合，可形成一種新的智能控制方式定性控制^[126]。與模糊控制相比，定性控制具有明顯的抽象性：即定性控制基于定性模型和定性測(cè)量值，根據(jù)不完全知識(shí)，對(duì)系統(tǒng)的輸出行為做出預(yù)測(cè)控制。

進(jìn)入20世紀(jì)90年代以后，有關(guān)智能控制的研究成果大量涌現(xiàn)^[136143]，并取得了十分理想的控制效果。但智能控制仍屬于一門新興學(xué)科，其發(fā)展和壯大仍然有待于系統(tǒng)理論、人工智能和計(jì)算機(jī)技術(shù)進(jìn)一步發(fā)展。隨著時(shí)間的推移，智能控制必將會(huì)獲得更加廣泛的工程應(yīng)用。

1.5.2 控制策略在高壓共軌噴油系統(tǒng)中的應(yīng)用

高壓共軌噴油系統(tǒng)必須依靠電控單元以及電控單元中的控制策略與算法來實(shí)現(xiàn)高壓燃油均勻霧化噴射目的。目前，電控噴油器、共軌管、高壓油泵、高速電磁閥和各種傳感器均正在或者將要實(shí)現(xiàn)國產(chǎn)化，而電控單元由于技術(shù)含量高，其國產(chǎn)化效果并不理想，一些文獻(xiàn)^[144149]僅在起動(dòng)、怠速、急減速等工況及共軌壓力控制、油量控制及補(bǔ)償?shù)确矫鎸?duì)電控單元進(jìn)行了研究探討。

噴油量計(jì)算的精確與否取決于高壓共軌噴油系統(tǒng)中共軌壓力測(cè)量和控制的精度，因此，對(duì)噴油量進(jìn)行計(jì)算時(shí)，引入共軌壓力波動(dòng)補(bǔ)償是十分重要的。國內(nèi)外許多科研工作者就共軌壓力測(cè)量和控制開展了一些的研究，取得了比較理想的效果。例如，文獻(xiàn)[150]采用模糊PID閉環(huán)控制策略，在實(shí)驗(yàn)臺(tái)上實(shí)現(xiàn)了共軌壓力控制。文獻(xiàn)[151]對(duì)共軌壓力進(jìn)行了模糊自適應(yīng)PID控制，并和常規(guī)PID控制結(jié)果進(jìn)行了對(duì)比。文獻(xiàn)[152]建立了參數(shù)自調(diào)整PID控制模型，在對(duì)共軌壓力控制的過程中，實(shí)現(xiàn)了PID控制參數(shù)的在線實(shí)時(shí)調(diào)節(jié)。文獻(xiàn)[153]通過編程實(shí)現(xiàn)了共軌壓力的PI控制算法。文獻(xiàn)[154]將滑模結(jié)構(gòu)控制理論和自適應(yīng)模糊邏輯相結(jié)合，開發(fā)了具有良好跟蹤特性和理想抗干擾能力的共軌壓力反饋控制策略。文獻(xiàn)[155]對(duì)共軌壓力實(shí)現(xiàn)了模糊PID控制。文獻(xiàn)[156]基于共軌系統(tǒng)中高壓泵流量控制的仿真結(jié)果制定了共軌壓力閉環(huán)控制策略?？傊?，目前國內(nèi)共軌壓力控制均采用PID及其衍生方法，國外對(duì)共軌壓力控制的研究^[157，158]均為Bosch公司或Denso公司對(duì)外公開發(fā)表的文獻(xiàn)，其研究內(nèi)容均為涉及具體控制策略。

文獻(xiàn)[159]針對(duì)噴油器高速強(qiáng)力電磁閥及其控制技術(shù)進(jìn)行了研究，取得了具有實(shí)用價(jià)值的成果和技術(shù)數(shù)據(jù)，開發(fā)了相應(yīng)的驅(qū)動(dòng)器及測(cè)試設(shè)備，并投入使用。文獻(xiàn)[160]比較全面地考慮了影響車輛和柴油機(jī)性能的因素，研究了GD 1高壓共軌系統(tǒng)油量控制策略：主要包括起動(dòng)、暖機(jī)、怠速、各缸平衡、ASD、調(diào)速過程、極限油量，并根據(jù)車輛運(yùn)行特點(diǎn)，研究制定了減速斷油、排氣制動(dòng)以及過渡工況等控制策略。在怠速閉環(huán)控制過程中，應(yīng)用模糊控制理論，設(shè)計(jì)了模糊PID控制器，取得了較理想效果。文獻(xiàn)[161]采用噴油量的修正和油量匹配策略以及脈寬補(bǔ)償和驅(qū)動(dòng)電路反饋的方法對(duì)高壓共軌柴油機(jī)噴油量進(jìn)行修正，有效地確保了高壓共軌柴油機(jī)噴油的一致性。

以上文獻(xiàn)研究表明，高壓共軌噴油系統(tǒng)的控制策略和控制算法研究還不充分，仍處于簡單的模仿和消化階段。因此，將人工智能技術(shù)引入高壓共軌噴油系統(tǒng)的控制策略和控制算法以及相關(guān)軟件部分，對(duì)高壓共軌噴油系統(tǒng)實(shí)現(xiàn)智能控制具有十分重要的學(xué)術(shù)價(jià)值和工程應(yīng)用前景。