摘   要： 回顾了专家控制的起源及其作为一门学科的定位。在阐述专家控制系统基本结构的基础上，介绍了专家控制系统的工作原理。对目前专家控制研究热点进行了总结，比较了各研究方向的优劣，并分别给出了近几年来在各领域成功应用的例子。最后对各研究方向存在的关键问题及难点进行了归纳，提出了对应的研究策略，为下一步的研究指出了基本方向。
关键词： 智能控制  专家控制  解析算法  模糊控制  神经网络

　　专家控制(EC)是指将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统(ECS)。
　　20世纪80年代初，自动控制领域的学者和工程师为了解决经典控制系统所面临的无法建模等难题，开始把专家系统的思想和方法引入控制系统的研究及其工程应用，从而导致了专家控制系统的诞生。专家控制作为智能控制的一个重要分支，最早由海斯.罗思（Hayes Roth）等在1983年提出[1]。他们指出：专家控制系统的全部行为能被自适应支配，为此，该控制系统必须能够重复解释当前状况，预测未来行为，诊断出现问题的原因，制订补救（较正）规划，并监控规划的执行，确保成功。研究专家控制系统的突出代表首推瑞典学者K.J.Astrom，他于1983年发表“Implementation of an Autotuner Using Expert System Ideas”一文，明确建立了将专家系统引入自动控制的思想，随后开展了原型系统的实验。1986年，他在另一篇论文“Expert Control”中以实例说明智能控制，正式提出了“专家控制”的概念[2]，标志着“专家控制”作为一个学科的正式创立。
　　专家控制系统作为一个人工智能和控制理论的交叉学科，即是人工智能领域专家系统（ES）的一个典型应用，也是智能控制理论的一个分支。专家控制既可包括高层控制（决策与规划），又可涉及低层控制（动作与实现）。
1  专家控制系统的基本结构
　　人工智能领域中发展起来的专家系统是一种基于知识的、智能的计算机程序。其内部含有大量的特定领域中专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
将专家系统技术引入控制领域，首先必须把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现知识推理的机制和结构。虽然因应用场合和控制要求的不同，专家控制系统的结构可能不一样，但是几乎所有的专家控制系统都包含知识库、推理机、控制规则集和控制算法等。图1所示为专家控制系统的基本结构。

　　与专家系统相似，整个控制问题领域的知识库和一个体现知识决策的推理机构成了专家控制系统的主体。
　　知识库内部的组织结构可采用人工智能中知识表示的合适方法。其中，一部分知识可称为数据，例如先验知识、动态信息、由事实及证据推得的中间状态和性能目标等。数据常常用一种框架结构组织在一起，形成数据库。另一部分知识可称为规则，即定性的推理知识，每条规则都代表着与受控系统有关的经验知识，它们往往以产生式规则（if……then……）表示。所有的规则组成规则库。在专家控制系统中，定量知识，即各种有关的解析算法，一般都独立编码，按常规的程序设计方法组织。
　　推理机的基本功能在于按某种控制策略，针对当前的问题信息，识别和选取知识库中对解决当前问题有用的知识进行推理，直至最终得出问题的推理结果。
2  专家控制系统的研究重点及其应用领域
　　在智能控制领域中，专家系统控制、神经网络控制、模糊逻辑控制等方法各自有着不同的优势及适用领域。因而将几种方法相融合，成为设计更高智能的控制系统的可取方案。而通过引进其他智能方法来实现更有效的专家控制系统业已成为近年来研究的热点。根据它们结合的方式，专家控制系统可以分为以下三种。
　　(1)一般控制理论知识和经验知识相结合
基于一般控制理论知识（解析算法）和经验知识（专家系统）的结合，扩展了传统控制算法的范围[3]。这种控制方法是以应用专家知识、知识模型、知识库、知识推理、控制决策和控制策略等技术为基础的，知识模型与常规数学模型相结合，知识信息处理技术与控制技术的结合，模拟人的智能行为等。此方法能够解决时变大规模系统和复杂系统以及非线性和多扰动实时控制过程的控制问题。
　　Astrom等把有关自调整和自适应的启发知识编入知识基系统，以克服现有自适应控制系统的不足。这类研究典型地体现了专家控制原理的本质，也是研究最多的一种策略。文献[4]首次提出了分工况智能PID专家控制系统，克服了传统的液压挖掘机控制中单纯的转速控制和压力控制的不足，近似地实现了无级调速，并实现了节能的效果。文献[5]提出用专家控制理论和方法，与传统的PID控制方式结合起来，分析计算并判断各种运行状态，给出适当的晶闸管触发角相位信号，使得直流调速装置能快速无超调起动和制动，并在进入稳态后保持要求的静态精度，满足了调速系统快速性、实时的要求。
　　(2)模糊逻辑与专家控制相结合
　　将模糊集和模糊推理引入专家控制系统中，就产生了基于模糊规则的专家控制系统，也称模糊专家控制系统(FEC)。它运用模糊逻辑和人的经验知识及求解控制问题时的启发式规则来构造控制策略。对于难以用准确的数字模型描述，也难以完全依靠确定性数据进行控制的情况，可使用模糊语言变量来表示规则，并进行模糊推理，更能模拟操作人员凭经验和直觉对受控过程进行的手动控制，从而具有更高的智能。
　　模糊专家控制全部或部分地采用模糊技术来进行知识获取、知识表示和运用。其核心是模糊推理机，它根据模糊知识库中的不确定性知识，按不确定性推理、策略，解决系统问题域中的问题，给出较为合理的控制命令。
　　这种控制方法适用于模型不充分、不精确，甚至不存在的复杂过程（对象）。
　　与模糊控制（FLC）相比，模糊专家控制系统有更高的智能：它拥有关于过程控制的更复杂的知识，能以更复杂的方式利用这些知识。模糊集仍被用于模拟不确定性，但模糊专家控制系统在范围上更具一般性，能处理广泛种类的问题。
　　近年来，随着模糊理论的日益完善，模糊控制在各个领域都有不少成功的应用。在国内，应用模糊技术的专家系统是专家控制领域研究的热点：文献[6]给出一种智能模糊变结构PLC控制系统，在专家系统协调下，通过各种控制方式，给出接近最优的控制策略。文献[7]中介绍了一个基于对象模型的自适应模糊专家控制系统。在该系统通过对机器人的行走装置进行模型化，建立了对象的模糊知识库，并根据自适应模糊控制的目标设计了推理机。系统无需精确的数学模型，能根据输入、输出变量自动修改控制规则，达到优化控制的目的。
　　(3)神经网络与专家控制相结合
　　将神经网络和专家系统技术结合起来，即神经网络专家系统的研究已经起步。神经网络基于数值和算法，而专家系统则基于符号和启发式推理。神经网络具有联想、容错、记忆、自适应、自学习和并行处理等优点；不足之处是不能对自身的推理方法进行解释，对未在训练样本中出现过的故障不能给出正确的诊断结论。专家系统具有显式的知识表达形式，知识容易维护，能对推理行为进行解释，并可利用深层知识来诊断新故障；缺点是不能从经验中进行学习，当知识库庞大时难以维护，在进行深层诊断时需要过多的计算时间。因此，将神经网络和专家系统结合起来，充分发挥专家系统“高层”推理的优势和神经网络“低层”处理的长处，可以收到更好的控制效果。
　　目前，由于对神经网络本身的研究还有很多未解的难题，因而应用神经网络的专家控制系统还不是很多：文献[8]提出一种神经网络专家控制策略，使用基于BP网络和规则模型的专家控制器及单回控制器，实现了高质量和低成本的控制目标，成功地对电解过程进行最优控制。文献[9]提出了一种基于神经网络的SMT焊点质量专家控制系统，能够对焊点质量进行实时评价和控制，提高了生产率和产品的可靠性。
3  专家控制系统所面临的主要问题
　　对于各类专家控制系统，它们要共同面对下列发展中的难点和挑战。
　　(1)专家经验知识的获取问题。如何获取专家知识，并将知识构造成可用的形式（即知识表示），成为研究专家系统的主要“瓶颈”之一[10]。
　　(2)知识库的自动更新与规则自动生成。受知识获取方法的限制，专家控制系统不可能具有控制专家的全部知识。专家控制系统应能通过在线获取的信息以及人机接口不断学习新的知识，更新知识库的内容，根据出现的新情况自动产生出新规则。否则，当系统出现超出专家系统知识范围的异常情况时，系统就可能出现失控。
　　(3)专家控制系统需要建立实时操作知识库，以解决结构的复杂性、功能的完备性与控制的实时性之间的矛盾。

　　实时性涉及到的难题有：非单调推理、异步事件、按时间推理、推理时间约束等。
　　(4)专家控制系统的稳定性分析是另一个研究难题。由于涉及的对象具有不确定性或非线性，它实现的控制基于知识模型，采用启发式逻辑和模糊逻辑，专家控制系统的本质也是非线性的，因此目前的稳定性分析方法很难直接用于专家控制系统。
　　(5)如何实现数据和信息的并行处理，如何设计系统的解释机构，如何建立良好的用户接口等都是专家系统有待解决的问题。
　　对于前述的采用不同技术的专家控制系统，它们也分别面临着各自不同的问题。对于模糊专家控制系统，需要进一步深入研究的课题有：模糊控制规则设计方法的研究；模糊控制参数的最优调整理论及修正推理规则学习方式；模糊控制动态模型的辨识；模糊预测系统的设计方法和提高计算速度的算法等。
　　将神经网络和专家系统技术结合起来用于控制中的技术还很不成熟，尤其是ES和NN之间的相互通信问题，定性知识和定量知识的处理技术与整个智能控制系统有机集成的问题等，都是需要重点突破的关键问题。
4  专家控制系统展望
　　专家控制是基于知识的智能控制技术，它为控制技术的发展开辟了新思路，即用人工智能中专家系统的机制决定控制方法的灵活选用，实现了解析规律与启发式逻辑的结合，从而使控制作用的描述更完整，使控制性能的满意实现成为可能。
　　但也应该看到，专家控制系统作为智能控制的一个分支，是一门新兴的、尚不完善的技术，它的发展与人工智能相关技术的发展是密切相关的。因此，如何利用人工智能领域的新兴技术，并加强不同智能技术的融合，无疑是专家控制系统乃至智能控制研究和发展的一条有效的途径。
参考文献
1   Astrom K J.Expert Control.Automatica，1986；22(3)
2   侯立刚.专家控制及其在微型反应器中的应用.自动化与仪表，1996；(3)
3   金立生.液压挖掘机节能用智能PID专家控制系统.吉林工业大学自然科学学报，2001；(4)
4   赵国材，朴忠学.直流电动机调速系统专家控制器设计.辽宁工程技术大学学报，2003；(3)
5   陈杰，王庆林.智能模糊变结构PLC控制.1994中国控制与决策年会论文集，1994
6   邵鹏鸣.基于对象模型的自适应模糊专家控制系统.自动化与仪表，2000；(2)
7   吴敏.唐朝晖锌湿法冶炼电解过程的神经网络专家控制.自动化学报，2001；(6)
8   刘世林，周德俭.基于神经网络的SMT焊点质量专家控制系统研究.电子工艺技术，2004；(4)
9   钱大群.智能控制中知识表达方式的研究.控制与决策，1989；(4)