控制工程专业研究生培养及研究内容创新

分析了控制工程专业的研究生面临的社会发展需求变化，说明了研究生的研究领域存在的问题和现状，针对控制工程专业研究生进行了研究内容上的创新和探索，从过程建模、过程控制、仿真实验、智能计算技术几个方面进行知识拓展和更新。

控制工程研究生培养过程建模过程控制一、序言

控制工程是应用控制理论及技术，满足和实现现代工业，农业以及其他社会经济等领域日益增长的自动化、智能化需求的重要的工程领域。在信息化时代到来之际，控制工程领域的理论及应用研究正处在一个史无前例的拓展进程之中。控制学科研究的范围越来越广泛的，对实现我国工业、农业、国防和科学技术现代化、对迅速提升我国综合国力具有重要和积极作用。

近年来，国内外日趋激烈的市场竞争，使得工业生产制造企业对其能耗水平、生产效率、产品质量和生产成本等综合生产指标提出了更高的要求。工业企业已经由过去的单纯追求大型化、高速化、连续化，转向注重提高产品质量、降低生产成本、减少资源消耗和环境污染、可持续发展的轨道上来。因此，控制工程的研究生面临的被控对象范围急剧增大，被控对象特性也变得越来越复杂，非线性经常伴随着复杂性存在，无法用线性方程和一般数学方法处理，甚至很难用非线性微分方程描述和处理。此外，过程经常具有不确定性或者模糊性，含有不确定的结构、参数和其他信息。

二、控制工程专业的研究内容创新

从研究生教育角度，对过程建模、过程控制、仿真技术、智能技术几个方向提出一些粗浅看法。

1.将智能算法应用于过程建模

一个复杂系统经常有内部各个子系统的复杂联系，且这种联系并非一成不变。例如，一条热轧带钢的生产过程，从转炉开始，分别需要经过几道粗轧、精轧、冷却、卷取等几道连续的工序才能完成，前一道工序的结束工况影响下一道工序的执行情况，工序之间相互联系，且每道工序分别具有各自的复杂特性。因此，建立一个热轧带钢的整条生产线的过程模型是一件相当复杂的事情。传统的做法是根据各种数学机理，试图建立一个数学形式的模型，但是这种数学模型经常是在各种假设条件下的化简形式，很难精确描述如此复杂的工业过程。有学者试图采用神经网络技术解决这一问题。因为有定理证明：一个多节点多层的反馈神经网络，可以逼近任意连续变化的非线性函数。因此，人们一度对神经网络用于非线性系统全局建模寄予很大希望。然而，冯纯伯教授早已说明这种方法存在两个问题：一是若网络中有多个非线性函数，即使用无穷多元的神经网络可以逼近其中一个非线性函数，当有多个非线性函数存在时应采用什么样的多神经网络集团，如何组成统一的动态系统将是一个很难设想的难题；二是即使上列第一个问题有肯定的答案，接着的问题是如何寻找各种神经元的加权系数，这涉及到十分复杂的优化算法问题。归根结底是一个时变非线性系统的可辨识问题，至今仍是一大难题。

从上述论述可以看出，控制工程专业的研究生培养在理论和技能角度上必须从传统意义上的数学建模和统计数据建模进行大幅度的拓展，考虑现代工业化的过程复杂性，进行智能方法建模的新方法的探索研究。

2.采用智能技术的过程控制技术

从工业工程的角度看，自动控制或者人工控制的作用，不仅仅是使控制系统输出很好地跟踪设定值，而且要控制整个运行过程，使反映产品在加工过程中质量、效率与消耗相关的运行指标在目标值范围内。同时，要求在保证安全运行的条件下，尽可能提高反映产品质量与效率的运行指标，尽可能降低反映产品在加工过程中消耗的运行指标，实现运行优化。然而，过去的控制理论与控制系统设计方法的研究，都假定可以获得理想的控制回路设定值，集中在提高反馈控制的效果，忽略偏离理想设定点的反馈控制不能实现系统的良好运行。

传统控制理论与方法，要求被控对象可以用确定性的线性模型描述，由于难以精确建立实际中被控对象的模型，很难应用传统的以数学模型为基础的控制理论和方法。有很多学者针对具体过程特性和行业背景，通过引进各种智能技术，如专家规则控制、神经网络控制、模糊控制等基于数据的控制方法却在具体行业中得到有效应用。

3.仿真实验要充分真实体现复杂过程特性

仿真技术是以建模、控制盒仿真理论为基础，以计算机系统，物理效应设备及仿真器为工具，根据研究目标，建立并运行模型，对研究对象进行人事与改造的一门综合性、交叉性学科。复杂工业过程通常具有强非线性、工况变化频繁、关键工艺参数不能连续测量等综合复杂性。由于复杂的控制算法难以直接在实际控制系统上进行验证，为降低实验成本并且满足反复实验的要求，有必要提高仿真技术，设计和开发相应的仿真实验平台。

开发仿真实验平台的目的，是为了对上述的复杂过程模型和控制算法进行工程验证研究。为了避免直接在现场中实验的风险，同时根据实验结果来改进模型和控制算法，提高算法的安全性和可用性，节约控制算法在现场的调试时间，降低控制软件的开发成本，提供一个控制系统从提出到论证、设计、实施和改进所需的工业验证平台，搭建的仿真实验系统应当尽可能真实地模拟现场投运情况，这样就要求采用过程建模技术，尽量建立能够反映实际过程特性的模型，在此基础上进行的控制算法研究才有实际意义。

4.深入研究开展智能计算技术

控制工程专业的研究生面临被控对象大大复杂化，而复杂系统很难精确建模，对此类系统不能过多地建立在严密解析的基础上。现有的控制理论与方法，经常要求被控对象可以用确定性的线性模型描述。智能计算技术并没有类似于最优控制那样严密确切的理论，常由基于经验、推理、直观等一些规则组成，无须建立精确的数学模型，并且在控制过程中可以不断完善和学习。

智能计算技术包括神经网络、模糊逻辑、群智能、多智能体、进化计算等。神经网络和模糊逻辑的研究已经有较长的历史和丰富的研究成果。知识获取和学习能力是智能计算技术的特点，利用机器实现对知识的自动获取，或从数据中获取知识，从大规模的信息中提取有用信息等。由于基于数据和知识的智能技术可以避免解析法要求详细、准确的定量数学模型，智能技术已称为科学发展的必然，也是时代的要求。

三、结论

由于控制工程专业的研究生面临的被控对象范围增大，被控对象的特性也变得越来越复杂，使得控制工程领域的理论及应用研究正处在一个史无前例的拓展进程之中。早期的控制理论已经远不能满足当前社会实践的需求，因此迫切要求控制工程学科的研究生培养和研究内容进行改革和拓宽。本文从过程建模、过程控制、仿真实验、智能计算技术几个方面进行知识拓展研究。

参考文献：

\[1\]孙建平，苑一方.复杂过程的多模型建模方法研究\[J\].仪器仪表学报，2011，32(01)：132-137.

\[2\]柴天佑，丁进良，王宏.复杂工业过程运行的混合智能优化控制方法\[J\].自动化学报，2008，34(05)：505-515.