数字化控制的发展背景与趋势

数字化控制的概念和原理主要是针对被控对象及其环境、控制目标和任务的复杂性而提出的。数字化控制的产生与发展是伴随着自动控制理论的发展而逐渐形成的。

20世纪40—60年代，由于生产过程局部自动化的需要，经典控制理论获得了进一步的发展和完善，形成了比较完善的理论体系。经典控制理论主要是研究单变量控制系统，它应用传递函数、频率特性、根轨迹等方法在频率域内进行系统分析，其控制原理是负反馈闭环系统，以自动调节器作为反馈控制系统的中心环节。经典控制理论对自动化技术的发展起了很大的推动作用，至今仍在许多工程与领域中广泛应用。

20世纪60—70年代，称为现代控制理论阶段。在这个阶段，由于计算机的飞速发展，推动了空间技术的发展。经典控制理论中的高阶微分方程可转化为一阶微分方程组，用于描述系统的动态过程，即所谓状态空间法。这种方法可以解决多输入多输出问题，系统可以是线性的、定常的，也可以是非线性的、时变的。现代控制理论主要以多变量控制为研究对象，在时间域内应用状态方程进行系统分析，其建模方法不再局限于对象的物理特性，而是向着建立一般化的参数估计与系统辨识理论方向发展。现代控制理论是近30年来自动控制系统与理论获得进展的一个重要标志，它已经在空间技术等领域得到了成功的应用。

经典控制理论与现代控制理论被统称为传统控制理论。它们的共同特点是基于被控对象的精确的数学模型，即控制对象和干扰都要用严格的数学方程和函数表示，控制任务和目标一般都要比较直接明确，控制对象的不确定性和外界变化只允许在一个很小的范围内。但是，实际上许多工业对象和控制目标常常具有非线性、时变性和各种不确定性，难以建立精确的数学模型。虽然自适应、自校正等控制理论可以对缺乏数学模型的被控对象进行在线识别，但这些递推算法实时性差，使用范围受到了很大的限制。

20世纪70年代末，控制理论向着“大系统理论”和“数字化控制”方向发展。数字化控制是传统控制的高级阶段，是现代科学技术高度综合的产物。它应用人工智能的理论和技术及运筹学的优化方法等与控制理论相结合，能克服被控对象和环境的高度复杂性和不确定性，仿效人类的智能，实现对系统有效的控制。数字化控制系统是以知识为基础的系统，因此以知识的表示、获取和利用为中心的知识工程是数字化控制的重要基础。而专家系统、模糊控制、神经网络等理论与技术的发展又为它注入了新鲜血液，使数字化控制理论和技术得到了迅速发展。当然，在数字化控制系统中，并不排斥传统控制理论，信息与反馈概念在数字化控制理论中仍占据着重要的地位。在分层递阶结构的数字化控制系统中，执行级常常采用传统理论进行设计。这些都说明了数字化控制理论与传统控制理论两者之间的紧密联系。(www.xing528.com)

数字化控制主要是针对被控对象及其环境、控制目标和任务的复杂性而提出的，而计算机科学、人工智能、信息科学、思维科学、认知科学和人工神经网络的新进展和智能机器人的工程实践，从不同的角度为数字化控制的诞生奠定了必要的理论和技术基础。

被控对象的复杂性主要表现为模型的不确定性、高度非线性、分布式的传感器和执行器、动态突变、多时间标度、复杂的信息模式、庞大的数据量以及严格的特性指标等。

环境的复杂性是以其变化的不确定性和难以辨识为特征的。在传统的控制中，往往只考虑控制系统和受控对象所组成的体系，忽略了环境的影响，而现在大规模复杂的控制和决策问题，必须把外界环境和对象以及控制系统作为一个整体来进行分析和设计。

对于控制任务或控制目标，以往都着眼于用数学语言进行描述，这种描述经常是不确定的。实际上，控制任务和目标有多重性和时变性，一个复杂任务的确定，需要多次反复，而且包括任务所含信息的处理过程，即任务集合的处理。