·204 智能系统学报 第6卷 能较好地实现欠驱动连杆系统的有效控制，然而，在 控制器，并借助实值编码遗传算法对其进行训 分级设计虚拟控制量后，需将两者通过各种方式进 练6].当应用于欠驱动连杆系统时，神经网络除了 行结合以生成实际控制输入，这样使得最终的实际 直接用于控制器之外，还在建模、软测量等方面有着 控制效果为分级设计时期望效果的折衷.为此，在文 更广泛的应用.R.Toxiqui等]通过径向基神经网 献[46]中，刘殿通等借助模糊规则，根据当前系统 络补偿起重机系统的不确定性，减小了闭环系统的 输出的情况来在线调整各个虚拟控制分量之间线性 静态误差；文献[58]则借助神经网络构造一个软传 组合的权重，改善了控制性能的“折衷”问题， 感器(soft sensor),根据电流变化来估计系统的状态 2.7智能控制方法 值，代替传统起重机中测量台车位置和负载摆角的 上述绝大多数方法的控制性能在很大程度上都 传感器，极大地降低了系统成本 取决于系统建模的准确度，而智能控制算法，如模糊 3结论与展望 控制、神经网络和遗传算法等则可以不依赖于模型， 并且随着人工智能、模式识别及计算机科学技术的 欠驱动系统的控制是非线性控制理论中最具挑 迅速发展，它们开始大量地被应用于欠驱动系统的 战性的方向之一，纵观国内外研究现状可知，针对欠 控制。 驱动（连杆）系统的研究已经取得了长足的进步和 模脚控制可以在一定程度上模拟人类的操作经 丰硕的成果，极大地促进了非线性系统理论的发展， 验.针对欠驱动连杆系统，研究人员通常直接将系统 尽管如此，现有的工作仍然处于起始阶段，大部分研 的输出或状态量作为模糊输入量来制定相应的模糊 究尚停留在理论水平，这给其实际应用带来了很大 规则[41，也有专家将系统一些观测值或辅助变量 的困难.很多方法仅适用于解决特定问题的一个方 作为模糊规则的输人，如台湾中原大学的C.Chang 面，且大多基于系统模型完全已知与控制器理想的 等在文献[49]中通过选取台车定位误差与负载位 情况，或者仅考虑实验室环境、系统状态完全可测的 置的投影来计算桥式起重机的控制输入.文献[50] 情况，一旦系统建模不准确、驱动器饱和、存在外界 则为机械臂关节定义了能量变量，并根据其制订了 干扰（包括风力、摩擦、噪声等）、系统状态的检测存 相应的模糊规则.一般而言，当参数发生变化时，需 在滞后、仅有部分系统状态（如输出）可测时，它们 要花费大量时间对已有的模糊规则进行调整，这无 往往难以获得令人满意的控制性能，严重时甚至导 疑降低了模糊控制的实用性.为此，C.Chang等人设 致系统闭环不稳定.此外，现有的大部分方法仅能保 计了一种自适应模糊控制器，它可以根据环境状态 证系统状态的渐近收敛，但从工程应用角度出发，研 在线地调整系统状态的模糊集合，增强系统对各种 究人员更希望它们能在有限时间内或以指数方式趋 干扰的鲁棒性5].除了直接用于控制器外，模糊方 于期望值 法还可以被用来对欠驱动系统进行建模，然后施加 为推进欠驱动系统的理论研究，并将其与实际 控制.如文献[52]就为桥式起重机建立了T-S模糊 应用相结合，笔者认为在以下几个方面有待进一步 系统模型，然后借助线性矩阵不等式方法设计了鲁 展开研究 棒控制器.值得指出的是，尽管模糊控制方法对于欠 1)系统模型不确定性与外界干扰补偿.在系统 驱动连杆系统能取得良好的控制效果，但其稳定性 建模时，通常会忽略高阶项，导致模型与系统的实际 通常难以进行严格的数学证明，由于缺乏理论保障， 特性之间存在较大差异.此外，系统参数总是存在测 其性能尚有待进行更为深入的研究. 量误差，有的甚至很难直接测量，而许多控制方法对 遗传算法和神经网络在欠驱动连杆系统中也有 参数变化非常敏感，建模误差会显著降低系统的控 着广泛的应用.遗传算法具有全局最优搜索的能力， 制性能.除建模误差外，现有的研究结果大多没有充 被广泛地用于控制算法的优化.在文献[53]中，D. 分考虑各种外界干扰的影响，往往是对其进行粗略 Lu等针对一类欠驱动机械系统设计了一种基于实 补偿，或忽略不计.而在实际应用中，这些因素对控 数型基因演算法的镇定控制器，并将其应用于带有 制性能影响很大.为此，笔者认为对于这些外界干 双摆效应的桥式起重机系统.神经网络控制器可在 扰，可通过自适应、滑模等非线性策略对其进行反馈 系统模型未知的情况下对系统进行有效控制4]，但 补偿，亦可借助神经网路或其他智能方法进行前馈 在应用时需要通过大量的训练来辨识内部权值.鉴 抑制 于遗传算法的优化能力，很多专家将其应用于欠驱 2)执行器饱和情况下的控制策略.如文中所 动连杆系统的控制，提出了基于遗传算法的神经网 述，大多数控制策略都假设控制器是完全理想的.然 络控制器5.其中，对于臂式起重机的防摆控制， 而，实际物理系统的驱动能力是有限的，一旦执行器 日本学者K.Nakazono等构造了一个3层神经网络 饱和，会严重影响控制算法的有效性，严重时甚至导