第8章智能控制在过程控制中的应用 教学内容 本章首先讨论复杂工业过程控制发展及其智能控制方法的硏究现状, 然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究,以便 对智能控制的应用方法有一个比较完整的了解。主要内容 概述 2.复杂工业过程控制的研究现状 3.复杂过程智能控制方法的研究现状 4.氧乐果合成反应温度智能控制 教学重点 工业过程智能控制系统的分析与设计。 教学难点 被控对象分析和控制算法设计。 教学要求 本章的学习需要预先掌握各种智能控制的基础知识、概念。要求掌握 被控对象分析和工业过程智能控制系统的设计
第 8 章 智能控制在过程控制中的应用 教学内容 本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状， 然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究，以便 对智能控制的应用方法有一个比较完整的了解。主要内容： 1. 概述 2. 复杂工业过程控制的研究现状 3. 复杂过程智能控制方法的研究现状 4. 氧乐果合成反应温度智能控制 教学重点 工业过程智能控制系统的分析与设计。 教学难点 被控对象分析和控制算法设计。 教学要求 本章的学习需要预先掌握各种智能控制的基础知识、概念。要求掌握 被控对象分析和工业过程智能控制系统的设计
81概述 工业生产过程的自动控制在很多工业领域占有重要位置,控制效果的 优劣直接影响到产品的质量、产量和生产设备的运行寿命,影响到生产的 安全、稳定和工人的劳动强度,先进控制方法的研究具有明显的经济和社 会意义。对于简单过程系统,采用传统的经典或现代控制理论方法,可以 获得满意的控制效果。而对于复杂过程系统,由于其具有非线性、时变、 纯滞后、不确定等特性,采用传统的控制方法难以取得好的控制效果,因 此,其智能控制方法成为研究热点。 智能控制理论是继经典控制理论、现代控制理论之后发展起来的,是 控制理论发展新阶段的产物,其建立和发展是以众多新兴学科为基础的。 智能控制的基本出发点是采用人工智能方法对复杂、不确定性系统进行有 效控制。智能控制方法包括专家系统控制、模糊控制、神经网络控制和仿 人智能控制等,这几种方法各有其不同的特点,并已在不同领域中取得了 一些相当成功的应用,但这些方法在单独模拟人类智能活动时,又存在着 各自的局限性。因此,许多学者试图综合几种方法的优点,以克服各自的 局限性 实际上,智能活动既有感知(直观、形象)活动,又有认知(逻辑) 活动,两者是密切相关的,而且又是可以互相转换的,也是符合生理和心 理现象的,神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性, 因此基于神经网络的模糊控制近年来逐渐成为硏究的热点。模糊控制和神 经网络二者各自的优势在于:模糊控制易于获得由语言表达的专家知识
8.1 概述 工业生产过程的自动控制在很多工业领域占有重要位置，控制效果的 优劣直接影响到产品的质量、产量和生产设备的运行寿命，影响到生产的 安全、稳定和工人的劳动强度，先进控制方法的研究具有明显的经济和社 会意义。对于简单过程系统，采用传统的经典或现代控制理论方法，可以 获得满意的控制效果。而对于复杂过程系统，由于其具有非线性、时变、 纯滞后、不确定等特性，采用传统的控制方法难以取得好的控制效果，因 此，其智能控制方法成为研究热点。 智能控制理论是继经典控制理论、现代控制理论之后发展起来的，是 控制理论发展新阶段的产物，其建立和发展是以众多新兴学科为基础的。 智能控制的基本出发点是采用人工智能方法对复杂、不确定性系统进行有 效控制。智能控制方法包括专家系统控制、模糊控制、神经网络控制和仿 人智能控制等，这几种方法各有其不同的特点，并已在不同领域中取得了 一些相当成功的应用，但这些方法在单独模拟人类智能活动时，又存在着 各自的局限性。因此，许多学者试图综合几种方法的优点，以克服各自的 局限性。 实际上，智能活动既有感知（直观、形象）活动，又有认知（逻辑） 活动，两者是密切相关的，而且又是可以互相转换的，也是符合生理和心 理现象的，神经网络计算和模糊逻辑推理恰恰反映了这两种活动的特性， 因此基于神经网络的模糊控制近年来逐渐成为研究的热点。模糊控制和神 经网络二者各自的优势在于：模糊控制易于获得由语言表达的专家知识
能有效的控制难以建立精确模型而凭经验可控制的系统,而神经网络则由 于其仿生特性更能有效利用系统本身的信息,并能映射任意函数关系,具 有并行处理和自学习能力,容错能力也很强。在集成大系统中,神经网络 可用于处理低层感知数据,模糊逻辑可用于描述髙层的逻辑框架。神经网 络和模糊系统均属于无模型控制器和非线性动力学系统,但神经网络适合 处理非结构化信息,而模糊系统对处理结构化的知识更有效 模糊神经网络控制大致可分为三类,第一类是直接在神经网络的学习 模型中引入模糊逻辑推理的方法,使其具有直接处理模糊信息的能力;第 类是利用神经网络功能及映射能力,去等效模糊系统中的各个模糊功能 块;第三类是把模糊系统和神经网络集成在一个系统中,以发挥各自的优 专家系统是符号逻辑人工智能中一个最重要、最活跃的分支,但存在 知识获取的困难,而神经网络方法具有很强的自学习能力和自适应能力, 能够实现快速推理。因此将专家系统和神经网络方法集成应用,将能发挥 他们的综合优势。 在一些大型复杂系统中,采用单一的某种智能控制方法往往不能满足 控制要求,这时应考虑综合应用模糊控制、神经网络控制和专家系统控制 等方法的集成智能控制方法。 本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状, 然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究,以便 对智能控制的应用方法有一个比较完整的了解
能有效的控制难以建立精确模型而凭经验可控制的系统，而神经网络则由 于其仿生特性更能有效利用系统本身的信息，并能映射任意函数关系，具 有并行处理和自学习能力，容错能力也很强。在集成大系统中，神经网络 可用于处理低层感知数据，模糊逻辑可用于描述高层的逻辑框架。神经网 络和模糊系统均属于无模型控制器和非线性动力学系统，但神经网络适合 处理非结构化信息，而模糊系统对处理结构化的知识更有效。 模糊神经网络控制大致可分为三类，第一类是直接在神经网络的学习 模型中引入模糊逻辑推理的方法，使其具有直接处理模糊信息的能力；第 二类是利用神经网络功能及映射能力，去等效模糊系统中的各个模糊功能 块；第三类是把模糊系统和神经网络集成在一个系统中，以发挥各自的优 势。 专家系统是符号逻辑人工智能中一个最重要、最活跃的分支，但存在 知识获取的困难，而神经网络方法具有很强的自学习能力和自适应能力， 能够实现快速推理。因此将专家系统和神经网络方法集成应用，将能发挥 他们的综合优势。 在一些大型复杂系统中，采用单一的某种智能控制方法往往不能满足 控制要求，这时应考虑综合应用模糊控制、神经网络控制和专家系统控制 等方法的集成智能控制方法。 本章首先讨论复杂工业过程控制发展及其智能控制方法的研究现状， 然后具体介绍具有典型意义的氧乐果合成过程智能控制方法的研究，以便 对智能控制的应用方法有一个比较完整的了解
8.2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;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
8.2 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；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
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两。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,CPS)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
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 8.3复杂过程智能控制方法的研究现状 20世纪60年代,由于空间技术,海洋技术和机器人技术发展的需要, 控制领域面临着被控对象的复杂性和不确定性,以及人们对控制性能要求 越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非 线性和不确定性,高噪声干扰,系统工作点动态突变性,以及分散的传感 元件与执行元件,分层和分散的决策机构,复杂的信息模式和庞大的数据 量。面对复杂的对象和复杂的环境,用传统控制(即经典控制和现代控制) 的理论和方法己经不能很好的完成控制任务。因此,解决复杂系统控制问 题的智能控制应运而生。近年来,把传统控制理论与模糊逻辑、神经网络、 模式识别、遗传算法、小波分析等人工智能技术相结合,充分利用人类的 控制知识对复杂系统进行控制。经过长期的孕育与探索研究,人们认识到 将人工智能原理和方法以及人的经验与智能用于复杂工业过程,是解决复 杂工业过程控制问题很有希望和前景看好的途径。 自从美国数学家维纳于20世纪40年代创立控制论以来,自动控制理 论经历了经典控制理论和现代控制理论两个重要发展阶段。在处理复杂系统
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。 8.3 复杂过程智能控制方法的研究现状 20 世纪 60 年代，由于空间技术，海洋技术和机器人技术发展的需要， 控制领域面临着被控对象的复杂性和不确定性，以及人们对控制性能要求 越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非 线性和不确定性，高噪声干扰，系统工作点动态突变性，以及分散的传感 元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据 量。面对复杂的对象和复杂的环境，用传统控制(即经典控制和现代控制) 的理论和方法已经不能很好的完成控制任务。因此，解决复杂系统控制问 题的智能控制应运而生。近年来，把传统控制理论与模糊逻辑、神经网络、 模式识别、遗传算法、小波分析等人工智能技术相结合，充分利用人类的 控制知识对复杂系统进行控制。经过长期的孕育与探索研究，人们认识到 将人工智能原理和方法以及人的经验与智能用于复杂工业过程，是解决复 杂工业过程控制问题很有希望和前景看好的途径。 自从美国数学家维纳于 20 世纪 40 年代创立控制论以来，自动控制理 论经历了经典控制理论和现代控制理论两个重要发展阶段。在处理复杂系统
控制问题时,传统的控制理论对于复杂性所带来的问题,总是力图突破旧的 模式,以适应社会对自动化提出的新要求。世界各国控制理论界也都在探索 建立新一代的控制理论,以解决复杂系统的控制问题。 人们在实践中观察到人类具有很强的学习和适应周围环境的能力。有 些复杂的系统,凭人的直觉和经验能很好地进行操作并达到理想的结果, 这就产生了一种仿人的控制理论和方法,出现了新的、具有远大前程的“智 能控制理论”研究方向。智能控制理论是对传统控制理论的发展,传统控 制是智能控制的一个组成部分,是智能控制的低级阶段,因此,智能控制 理论无疑是控制理论发展的高级阶段。 智能控制的建立和发展是以众多新兴学科为基础的,其中思维科学是 研究智能控制的重要认识论基础。智能控制的基本出发点是仿人的智能实 现对复杂不确定系统的有效的控制,要模仿人的智能就要模仿人的思维方 式,因此,必须研究人的思维形式和特点。这主要从三个方面着手:一是 模拟人的抽象(逻辑)思维;二是模拟人的形象(直觉)思维;三是模拟人的灵 感(顿悟思维 神经网络理论和知识工程是研究智能控制的重要基础。要从人脑神经 系统结构和功能上模拟人的智能,必须硏究基于连接机制的神经网络理论。 由于神经网络具有逼近任意非线性函数的能力,并行信息处理及自学习等 特点,因此它已成为研究智能控制的重要基础。智能控制系统是以知识为 基础的系统,因此以研究知识表示、利用和获取为中心内容的知识工程也 是研究智能控制的重要基础
控制问题时，传统的控制理论对于复杂性所带来的问题，总是力图突破旧的 模式，以适应社会对自动化提出的新要求。世界各国控制理论界也都在探索 建立新一代的控制理论，以解决复杂系统的控制问题。 人们在实践中观察到人类具有很强的学习和适应周围环境的能力。有 些复杂的系统，凭人的直觉和经验能很好地进行操作并达到理想的结果， 这就产生了一种仿人的控制理论和方法，出现了新的、具有远大前程的“智 能控制理论”研究方向。智能控制理论是对传统控制理论的发展，传统控 制是智能控制的一个组成部分，是智能控制的低级阶段，因此，智能控制 理论无疑是控制理论发展的高级阶段。 智能控制的建立和发展是以众多新兴学科为基础的，其中思维科学是 研究智能控制的重要认识论基础。智能控制的基本出发点是仿人的智能实 现对复杂不确定系统的有效的控制，要模仿人的智能就要模仿人的思维方 式，因此，必须研究人的思维形式和特点。这主要从三个方面着手：一是 模拟人的抽象(逻辑)思维；二是模拟人的形象(直觉)思维；三是模拟人的灵 感(顿悟)思维。 神经网络理论和知识工程是研究智能控制的重要基础。要从人脑神经 系统结构和功能上模拟人的智能，必须研究基于连接机制的神经网络理论。 由于神经网络具有逼近任意非线性函数的能力，并行信息处理及自学习等 特点，因此它已成为研究智能控制的重要基础。智能控制系统是以知识为 基础的系统，因此以研究知识表示、利用和获取为中心内容的知识工程也 是研究智能控制的重要基础
硏究和模仿人类智能是智能控制的最髙目标,为模仿和构造智能控制 系统,生命科学和脑科学关于人体和脑功能更深入的知识是不可缺少的, 要研究生命系统中的自组织能力、免疫能力和遗传能力的精确结构。可见 智能控制必须靠多学科联合才能取得新的质的突破。 智能控制系统由于被控对象的复杂性及不确定性,本质上决定了它必 然是非线性系统,因此,研究非线性系统的理论如耗散结构论、突变论、 协同论及混沌理论都可以作为主要工具用于智能控制的研究 智能控制的研究领域十分广泛,除了传统控制理论外还包括:计划、 学习、搜索算法、思维进化算法、复合系统、容错、纠错、重构、自主、 peti网、神经网络、模糊逻辑、粗糙集理论等。智能控制所研究的被控对 象可以是某一复杂的生产过程控制系统,也可以是社会经济管理系统、交 通运输系统、环保及能源系统等,这里所说的被控对象是广义的,它的规 模可以很大,象全球人口系统稳定性问题;也可以很小,如一个精密复杂 的智能电子仪器。 基于人工神经网络理论、模糊数学理论,模式识别理论及专家系统理 论等基础理论,并融合生理学、心理学、行为学、运筹学、传统控制理论 等多学科的知识和方法,出现了许多有效的智能控制理论和方法,分析当 前国际最新智能控制方法及应用的状况和发展趋势,智能控制的主要方法 有:(1)模糊控制(FC);(2)神经网络控制(NNC);(3)专家控制(EC):(4)分 层递阶智能控制(HC):(5)仿人智能控制(AHC):(6)集成智能控制,即将几 种智能控制方法或机理融合在一起而构成的智能控制方法;(7)组合智能控
研究和模仿人类智能是智能控制的最高目标，为模仿和构造智能控制 系统，生命科学和脑科学关于人体和脑功能更深入的知识是不可缺少的， 要研究生命系统中的自组织能力、免疫能力和遗传能力的精确结构。可见 智能控制必须靠多学科联合才能取得新的质的突破。 智能控制系统由于被控对象的复杂性及不确定性，本质上决定了它必 然是非线性系统，因此，研究非线性系统的理论如耗散结构论、突变论、 协同论及混沌理论都可以作为主要工具用于智能控制的研究。 智能控制的研究领域十分广泛，除了传统控制理论外还包括：计划、 学习、搜索算法、思维进化算法、复合系统、容错、纠错、重构、自主、 petri 网、神经网络、模糊逻辑、粗糙集理论等。智能控制所研究的被控对 象可以是某一复杂的生产过程控制系统，也可以是社会经济管理系统、交 通运输系统、环保及能源系统等，这里所说的被控对象是广义的，它的规 模可以很大，象全球人口系统稳定性问题；也可以很小，如一个精密复杂 的智能电子仪器。 基于人工神经网络理论、模糊数学理论，模式识别理论及专家系统理 论等基础理论，并融合生理学、心理学、行为学、运筹学、传统控制理论 等多学科的知识和方法，出现了许多有效的智能控制理论和方法，分析当 前国际最新智能控制方法及应用的状况和发展趋势，智能控制的主要方法 有：(1) 模糊控制(FC)；(2) 神经网络控制(NNC)；(3)专家控制(EC)；(4)分 层递阶智能控制(HIC)；(5)仿人智能控制(AHIC)；(6)集成智能控制，即将几 种智能控制方法或机理融合在一起而构成的智能控制方法；(7)组合智能控
制方法,即将智能控制和传统控制有机地结合起来而形成的控制方法, 8.4氧乐果合成反应温度智能控制 841氧乐果合成反应过程简介 氧乐果又称氧化乐果,分子式为C5H2NO4PS,是在农业生产中使用 较为广泛的一种农药。其生产方法主要有后胺解法、先胺解法和异氰酸酯 法,较为常用的是后胺解法,其生产流程如图8.1所示 氯乙酸甲酯 甲胺 三氯化磷 缩合 重排成盐 缩合 氨解 脱溶 成品 图81氧乐果生产流程示意图 氧乐果生产中的合成(胺解)工序是整个氧乐果生产的关键,直接影 响着氧乐果粗原油的收率、含量等指标。氧乐果的合成反应是一个剧烈的 放热反应。反应物是一甲胺和精酯,反应产物是氧乐果粗原油。如下式所 计量罐 一甲胺 甲胺+精酯→氧乐果粗原油 氧乐果合成反应工艺如图82 所示。计量罐中的一甲胺滴注到反 应釜内,经搅拌后均匀地喷洒到反 图82氧乐果合成反应工艺图
制方法，即将智能控制和传统控制有机地结合起来而形成的控制方法。 8.4 氧乐果合成反应温度智能控制 8.4.1 氧乐果合成反应过程简介 氧乐果又称氧化乐果，分子式为 C5H12NO4PS，是在农业生产中使用 较为广泛的一种农药。其生产方法主要有后胺解法、先胺解法和异氰酸酯 法，较为常用的是后胺解法，其生产流程如图 8.1 所示。 缩合 重排成盐 缩合 氨解 脱溶 三氯化磷 甲 醇 硫，氨 氯乙酸甲酯 甲胺 成品 图 8.1 氧乐果生产流程示意图 氧乐果生产中的合成（胺解）工序是整个氧乐果生产的关键，直接影 响着氧乐果粗原油的收率、含量等指标。氧乐果的合成反应是一个剧烈的 放热反应。反应物是一甲胺和精酯，反应产物是氧乐果粗原油。如下式所 示： 一甲胺+ 精酯 → 氧乐果粗原油 氧乐果合成反应工艺如图 8.2 所示。计量罐中的一甲胺滴注到反 应釜内，经搅拌后均匀地喷洒到反 图 8.2 氧乐果合成反应工艺图