控制科学与工程学科发展现状及趋势(二)
2018-08-20 14:36:08   来源:中国自动化学会    点击:

国内主要进展和成果 近年来,自动化在国家经济建设中发挥了重要作用,同时作为一级学科的控制科学与工程也得到了长足的发展。表 1 列出年度自动化领域取得的国家科技奖项,进而详细讨论各个二级学科及其他
国内主要进展和成果

      近年来,自动化在国家经济建设中发挥了重要作用,同时作为一级学科的控制科学与工程也得到了长足的发展。表 1 列出年度自动化领域取得的国家科技奖项,进而详细讨论各个二级学科及其他新兴研究方向的主要进展及成果。
 


下面对控制理论与控制工程、机器人等几个研究方向进行摘要性概述,对几个新兴领域的发展进行总结。
 

(一)控制理论与控制工程

      控制理论与控制工程是控制学科的基础,从控制理论诞生,到如今智能控制理论和针对复杂系统的控制理论正在得到越来越广泛的关注和研究,其间分别经历了经典控制理论和现代控制理论两个比较明显的发展阶段。与之相应,实现自动控制的系统也实现了由最初的机械控制系统、模拟电路控制系统、数字电路及计算机控制系统到今天的分布式控制系统和网络化控制系统的发展和演变。技术的进步及对控制系统需求的不断提高推动了控制理论与控制工程的发展。近年来,计算机、网络和通信等信息技术的发展为现有的控制理论提供了广泛的应用机遇,同时也带来了巨大的挑战,促使控制理论自身的发展,也催生出新的学科增长点。

      国内对经典 PID 控制的研究从牛顿力学方程所刻画的模型出发,证明了对二阶非线性不确定性系统,如果非线性不确定函数的偏导数的上界作为先验信息被我们获取,那么就可以选取三个常数(比例、积分和微分)增益使得系统的轨道保持有界,并且同时还能让被控系统的位置收敛到任意指定点。实际上,PID 参数的选取还具有相当的灵活性,它们可以在一个无界的三维流形上任意选取。同时该研究还证明了在几类特殊情形下该参数流形的必要性。在实际中,由于牛顿第二定律是经典力学的基石,由它所建模的动态系统是广泛存在的。因此,国内对经典 PID 控制的研究不仅对 PID 控制为何能如此广泛而又有效应用于工程系统给出了理论回答,而且可以对工程师设计 PID 参数提供理论指导。

      集值系统是指无法测得系统数据(如输出、状态等)的精确值,只知道它是否属于某个集合的系统[27]。随着信息化和生物技术的发展以及大数据时代的到来,集值系统广泛存在于关系国计民生的生产和生活中。在过去的几年中,集值系统的研究主要集中在系统辨识的算法及其理论结果。学者们采用不同的方法,从模型类别、噪声特性、集值形式、通讯环境等多种不同的角度,对集值系统的参数估计问题进行了深入广泛的研究。集值系统的参数辨识算法目前分为以下三类方法,分别是基于经验测度的集值输入下集值输出系统的辨识、基于极大似然函数的集值输出系统辨识以及基于随机逼近方法的集值系统辨识。

      基于 ACP 方法(人工系统 A+ 计算实验 C+ 平行执行 P)的平行控制与管理,以社会物理信息系统等复杂系统为研究对象,结合理论研究、实验方法和计算技术三种科学研究手段,提升了认识复杂系统要素相互作用的动态演化规律的能力,提高了复杂系统应对变化和非正常状态的管控能力,为复杂系统的控制与管理提供了有效的创新手段[28]。近年来,平行控制与平行管理在理论框架、核心技术、应用示范等方面取得了丰硕的研究成果:针对复杂系统建模,研究了数据建模、多智能体建模、知识实验与决策支持的 ACP 方法;完善了平行控制的概念、基本方法及应用;深入研究数据建模和分析优化应用技术、知识自动化方法和区块链技术;初步建立了平行军事领域;重点开展了平行交通、平行企业和平行农业等领域的应用实践[29]。

      随着国家自然科学基金委在 2008 年 11 月召开“基于数据的控制、决策、调度与故障诊断”学术研讨会,2009 年资助第一个数据驱动控制理论研究的重点项目,2011 年批准“基于数据的系统控制、调度、故障诊断与动态感知”的重点项目群等一系列重大举措, 数据驱动控制得到国内学者的空前关注。在大数据时代的背景下,数据驱动控制、学习及优化的研究和发展,符合科技发展大趋势的潮流,以及国家所提出的大数据、人工智能等前沿领域的科技战略。近三年,国内学者在控制器结构未知的数据驱动控制方法和控制器结构已知数据驱动控制方法方面都有深入研究,并逐步形成基于数据驱动的建模与优化理论研究体系。数据驱动控制[30,31]在工业机器人、交通系统、直线电机、半导体晶片生产过程、均热炉温度控制以及过程工业控制中均已取得一定研究成果,近年来还被应用到轨道交通、康复医疗以及航空航天等领域。

      随着科学技术特别是信息科学技术的快速发展,我国的工业企业控制系统发生了重大变化。控制系统的规模越来越大,控制系统的非线性程度越来越高,控制系统的多变量、多控制器等因素使得控制系统越来越复杂,导致系统机理模型越来越难以建立。对此,我国在自适应动态规划方法的研究上得到了很大的发展。提出了广义的自适应动态规划算法,揭示了策略迭代算法和值迭代算法的区别与联系。证明了自适应动态规划算法的稳定性,为在实际系统中的应用奠定了基础[32]。还有许多成果在结构、算法等方面极大丰富 了自适应动态规划的理论体系。此外,自适应动态规划算法还在智能电网、智能汽车、工业过程等方面实现了应用[33]。

      近年来,结合计算机、通信和人工智能技术的发展,仿真科学与技术呈现出许多新的趋势,如系统仿真可视化得到快速发展并广泛应用[34]。目前,系统仿真可视化包括科学 可视化、数据可视化、信息可视化以及知识可视化,是系统仿真的结果展示与人机交互的重要内容。仿真科学与技术对国防和军工领域的技术发展助推作用更为明显,已广泛用于武器研究、作战指挥、军事训练等,尤其在我国飞行器设计相关领域的发展取得了令世界瞩目的成就[35]。如:军用飞机方面,运 -20 首批列装空军,歼 -20 飞机、歼 -31飞机持续试飞,飞豹、歼-10、歼 -11、轰-6 等原有机型持续改进、换装以及作战能力的提升。民用飞机方面,在ARJ21-700、C919、大型水陆两栖飞机AG600以及无人机等领域均取得一定研究成果。

      在《中国制造2025》、制造业信息化工程等国家重大战略项目的指引下,我国制造系统控制技术在设备、管理、模式及信息等几个层次方面取得了一定研究成果,研制了先进的智能控制器及控制软件,打造了一批数字化样板车间和智能工厂标杆企业。随着互联网技术的飞速发展,“互联网 +”协同制造将网络与制造紧密相连,催生了制造业发展新模式。为了有效应对国际上工业4.0 革命对全球制造行业的冲击,我国在制造系统控制技术方面突破制造系统零部件及系统集成设计制造等技术瓶颈,建设重点领域智能工厂 /数字化车间,建立智能制造标准体系和信息安全保障系统,搭建智能制造网络系统平台。在关键工艺技术方面,伴随着集成电路芯片集成度的不断提高和产业的飞速发展,硅晶圆生长实现了直径从150mm— 200mm再到300mm 的飞跃。在关键设备制造方面,自动化制造技术及装备是电子信息产业的基础,尤其是一些关键设备,如高精度的光刻机、刻蚀机、键合机、贴片机等,对整个产业的发展起着决定性的作用[36,37]。

      随着我国经济社会的飞速发展,工业生产在带来经济效益的同时,也造成了一系列的环境问题[38,39]。近年来,国内学者针对环境保护自动化从理论基础与实践应用方面开 展了较为深入的研究。围绕污水处理过程控制性能、节能降耗、环境保护等问题,科研人员从理论研究与实践方面开展了较为深入的研究。近几年,在污水处理硬件设施改善的同时我国污水处理过程自动化技术水平也有很大的提高。在城市固废处理自动化方面,我国在建模、优化控制、参数估计和预测、故障诊断等方面都有新的研究成果。随着雾霾的出现,如何治理大气污染已经成为一个急需解决的重要问题。自动化技术在空气质量预测、大数据和源解析、综合决策平台中的应用推动了我国大气污染治理的进程[40]。

      我国的机器人研究工作已经从最初缓慢开发的自发状态,渐渐发展到国家重视、有计划开发、研制、推广应用的阶段,中国自动化学会自 2015 起创办国家机器人发展论坛, 以大力推动新观点,新学术,新成果的发布、传播与转化。我国仿人机器人技术不断突破,进入了国际领先行列。我国水下机器人不断发展,在深海高技术领域达到了领先国际的先进水平。中国作为世界最大的机器人消费国,工业机器人连续 5 年成为世界最大的市场。工程机械行业骨干企业包括徐工、三一、中联、山河、柳工、厦工、天工等重点研发了一批单机智能化、机群智能化工程机械产品,建立了工程机械远程智能维护系统,为引领工程机械产品技术升级和提升工程机械行业竞争力做出了重要贡献。我国先后研制出一大批特种机器人,并获得了应用,例如:辅助骨外科手术机器人和脑外科机器人成功用于临床手术,低空飞行机器人在南极科考中得到应用,微小型探雷扫雷机器人参加了国际维和扫雷行动,空中搜索探测机器人、废墟搜救机器人等地震搜救机器人成功问世,细胞注射微操作机器人已应用于动物克隆实验,国内首台腹腔微创外科手术机器人进行了动物试验并通过了鉴定,反恐排爆机器人已经批量装备公安和武警部队等等[41-43]。近五年,我  国在建筑智能化和建筑机器人方面取得了一定发展,但与国外先进水平差距依然较大[44]。我国的优势集中在桥梁、隧道等大型基础设施建设中对自动化和机器人技术的应用,但在建筑机器人单体研发方面却较为欠缺,目前仅有喷浆机器人、板材安装机器人、钢结构焊接机器人等少数几种。相比之下,近五年国外建筑机器人的品类增长较快,面向墙体砌筑、钢筋网制作、地砖铺设、自动钻孔、木结构建造、结构打印等的机器人系统相继推出。

(二)模式识别与智能系统

      在模式识别与机器学习方面,聚类和概率密度估计、特征提取与选择、分类器构造、稀疏学习、概率图模型与结构模式识别是模式识别的基本问题,其中深度学习是模式识别和机器学习领域中的热点研究方向。中山大学提出了一种基于稀疏图和概率轨迹分析的集成聚类方法[45],清华大学提出了贝叶斯非参数子空间聚类方法[46]。在特征提取方面,浙江大学提出了A- 最优投影[47]。在分类器构造方面,清华大学提出了核贝叶斯推断的最优化方法[48]。在稀疏学习方面,浙江大学提出了一种基于随机合成优化的稀疏学习方 法及其理论分析[49]。在概率图模型与结构模式识别方面也有亮点工作,清华大学提出了 一种基于并行分布式采样的大规模隐狄利克莱分派模型学习方法[50],构建了判别相关主题模型和最大无限隐马尔科夫模型[51]。对于深度学习,南京大学提出了gcForest深度森林模型[52]。

      在多媒体分析领域,天津大学[53]针对地理多媒体分析提出了一个基于图像检索的地标识别系统。中国台湾暨南国际大学[54]通过挖掘众包图像挖掘出一个地理区域中的地标或者受欢迎的观光处。中科院自动化所[55]提出了一种混合概率图模型进行建模挖掘用户兴趣、地理区域偏好和场景因素,能够为用户提供更加场景个性化的推荐服务。近来利用社会媒体发布信息预测热点社会事件也成为多媒体研究的热点,基于话题内容以及演化模式的预测方法相继被提出。中科院学者提出了非参贝叶斯的协同学习框架,实现跨平台多模态事件数据的语义层次关联[56]。多媒体描述生成的主要目的是对图像、视频等多媒体内容生成按照自然语言组织的描述性语句。百度研究院提出一种基于多模态循环神经网络的图像文本描述生成算法[57]。在跨社会媒体网络用户建模方面,中国科学院自动化研究所学者提出了基于真实社区数据以及多智能体建模的人工社区构建方法,以此作为网络运动组织的“社会实验室”,并对水军与普通用户之间的舆情对抗进行了研究与计算,提出了抑制水军活动的有效策略;山东大学与新加坡国立大学合作,提出了从多个社交媒体网络同时抽取共同用户的地理位置特征、文本特征以及视觉特征组合成用户的高维特征表示,然后利用该集成的用户特征表示进行用户属性推断[58]。

      在脑信号分析方面,浙江大学在非人灵长类动物脑机接口平台上开展了猴子 M1 区神经元信号的时变解码工作,解析脑信号的同时动态预测神经元的编码性质,进而提高解码效果[59]。在脑机接口脑机制上,电子科技大学设计了多模态数据采集范式,获取了被试的脑电、结构以及功能磁共振等多模态信息,揭示了运动想象(MI)的脑网络机制,挖掘了相应的生理指标对 MI 脑机接口性能进行预测[60-62]。脑机交互系统方面,清华大学建立了基于稳态视觉诱发电位的文字输入系统,可以 1 秒钟输入一个字符[63]。华南理工大学、国防科技大学等采用多模态范式设计提高了脑机接口系统的检测性能[64-68],实现了一定  程度的多维控制[69-73]。华南理工大学开发了基于共享控制的脑控轮椅,用户通过脑机接  口选择目的地,自动导航系统驾驶轮椅到达目的地,在轮椅行进中用户还可以通过脑机接口停止轮椅[74]。在临床应用研究方面,上海交通大学对 5个中风病人进行2个月的康复训练,病人通过运动想象脑机接口来控制功能电刺激对肢体进行刺激,使肢体能够完成某种特殊动作,并最终实现5 位中风病人临床 Fugl-Meyer 评估分数的提高[75]。在信号采集方面,电子科技大学、清华大学自主开发脑电放大器。中科院自动化所开发了脑电与光学成像信号联合采集原型样机,并正在推动成果转化。

      在计算视觉领域中,百度深度学习研究院提出一种数据驱动的匹配损失函数,利用卷积神经网络构建了一个深度视觉对应嵌入模型来估计深度信息[76]。基于深度学习的方法成为研究热点,大连理工大学等结合局部、全局视觉线索,提升算法性能[77];中国科学 院深圳先进技术研究所[78]与西北工业大学[79]也遵循类似的研究技术路线。高层视觉计算问题致力于获取能够直接被接受且理解的语义知识,近5年的研究方法以深度学习为主导,得益于大规模有监督数据集和硬件计算能力的大幅提升,部分研究成果开始商业化的尝试。

      在生物信息学的高通量测序数据处理与分析方面,中南大学提出了一种基于图优化的骨架片段构建方法[80]和基于读段分布和插入尺寸的从头组装方法[81];在多组学数据整合与基于测序的遗传学分析方面,中南大学、清华大学、中科院、北京大学等通过数据整合分析研究药物与疾病的关系并预测药物响应[82-85];在基因网络分析方面,中科院上海生科院基于互信息提出了条件相容信息,利用表达谱构建转录调控网络[86];蛋白质组生物信息学方面,东北大学提出利用预测二级结构表征来识别蛋白质的结构类别[87];表观遗传生物信息学方面,上海师大和复旦大学还针对癌症研究中肿瘤纯度问题提出 DNA 甲基化的分析方法[88,89]。在人工基因线路的设计与实现方面,清华大学与麻省理工学院合作构建了具有良好性能的双稳态开关,并证明该双稳态开关可以精确利用 miRNA 表达识别不同细胞系[90];在中医药系统生物学和网络药理学方面,清华大学建立了基于网络药理学分析方法的计算平台,以探究中药的网络调节机制和识别给定中药方剂的活性成分和协同成分组合,并提供了对若干中药方剂的网络调节机制分析[91-93]。

      在智能楼宇领域,东南大学设计了一套基于开放服务网关协议的楼宇监控框架,对建筑物或建筑群内的照明、空调、配电系统等实行合理有效的监测与控制,实现设备远程监控及故障诊断,减少人力投入并降低运营成本。

(三)系统工程

      系统理论与方法方面,在近五年间,随着科技的发展以及国家对科研的大力支持,关于系统科学方向的研究层出不穷。2016年,中国科学院数学与系统科学研究所给出了系统学的历史来源、定义、内涵与外沿,在系统科学与工程领域产生了巨大反响,为系统科学的发展指明了发展方向[94]。中科院数学与系统科学研究所在这五年中对维纳系统有了多方面的研究结果,其对维纳系统的一系列研究让学界对维纳系统有了更深刻的认识。中国香港城市大学、复旦大学等针对多个体系统的分布式控制及一致性问题开展了广泛而深入的研究[95,96]。中国原子能研究院从理论上进一步完善了多层次的超网络演化模型,并将三层超网络进化模型应用到中国—世界五百强企业超网络之中[97,98]。上海交通大学团队进行了复杂网络化MIMO系统的状态能控性、聚焦于节点动力学的多自主体网络系统一致性的研究。复旦大学团队对时效网络重构问题做出了重要的研究贡献,相关论文发表在Nature Communications 上,被评价为“这一工作毫无疑问是一项重要的贡献(This work brings without hesitation an important contribution)”,是时效网络重构问题的“重要的第一步(an important first step)”。

      流程工业自动化方面,随着两化融合程度不断加深,生产过程检测、建模、控制、优化、决策支持等新理论、新方法、新技术不断取得突破,逐步形成了企业资源计划、生产执行系统、生产过程系统等多层次的集成自动化系统。在石油化工方面,中石油建成并应用经营管理、生产运行、办公管理等一体化平台,推动了生产经营管理的自动化和信息化运行;中石化建设的智能工厂系统和先进过程控制系统,全面提升信息化、自动化和智能化水平;“高效环保芳烃成套技术开发及应用”项目通过物理化学、催化材料、智能控制等方法创新,使我国高效环保芳烃成套技术达到国际领先水平,并荣获2015年国家科学技术进步奖特等奖。钢铁行业在炼铁、炼钢、连铸和轧钢等典型过程控制和过程优化方法、产品质量在线评级及预警技术、生产物流与能源协调管理方法以及能源优化调配方法都取得了亮点成果。有色金属冶金自动化方面,湿法冶金过程的建模与优化控制,大型铝电解槽全分布式控制系统,矿物处理过程的磨矿粒度仿真方法和基于机器视觉的选矿过程全流程监控技术以及模型失配的预测控制方法等,相关成果获得国家科技进步奖二等奖等重要成果。中国自动化学会自2015 年起创办国家智能制造论坛,以促进智能制造的基础理论研究、成果原始创新、高技术开发,增强我国研究水平和实际应用能力。

      智能交通方面,近年来,我国城市轨道交通的自动化水平得到了很大的提高,已经从人工驾驶发展为自动驾驶,进一步发展为无人驾驶。高速铁路得到了快速发展,目前已建成“四纵四横”为骨架的高速铁路网络,满足了乘客中长距离的出行需求,提高了我国客运效率。针对地面公共交通,西南交通大学团队、华南理工大学团队、北京交通大学团队等均设计了公交线网的优化策略;北京交通大学团队、同济大学团队分析了公交车辆的准点率及公交服务水平的核心指标;东南大学团队和中山大学团队在基于个体出行行为的公共交通研究也取得了很大进展。针对城市停车问题,中科院自动化所提出了一种基于平行停车理论的智能停车系统[99];对于停车场的规划与设计问题,东南大学团队基于美国旧金山停车数据设计了可用于路边停车的动态收费策略[100]。对于交通流理论与交通信号控制,南昌大学、同济大学、重庆交通大学等多个团队在城市核心区交通流量、城市快速路交织区运行特征、山区复杂公路环境下的汽车纵向加速度特性等方面的分析做出了重要贡献[101-103]。大数据和人工智能的发展又为智能交通的发展提供了新的驱动力和研究模式。中国科学院自动化研究所团队、国防科技大学团队、以及西安交通大学团队等分析了基于大数据的社会交通研究框架、方法及方向[104]。上海市城乡建设和交通发展研究院基于上海市全市用地、移动通信、车牌识别、高速公路收费流水、运营车辆 GPS、交通 IC 卡等数据,分析了城市用地特征、人口分布、通勤特征、轨道交通乘客换乘特征、小汽车总量与快速路车辆特征等[105]。

      信息服务方面,P2P 服务、网格服务、面向服务的构架、云计算、物联网、大数据等信息服务技术,为网络环境下跨域、跨组织的应用集成和信息服务带来了巨大的机遇。在当前互联网的环境下,需求的多样性、环境的多变性内涵更加丰富,对信息服务技术也提出了更高的要求。针对此挑战,以同济大学为牵头单位的 973 项目《信息服务的模型与机理研究》从网络环境下信息服务的“流程、内容和环境”三要素及其相互关系出发,凝练出了其中的两个关键科学问题:网络信息服务的表达性问题和适配性问题。面向构建网络信息服务应变机制的总体目标,项目在信息服务的表达性和适配性两个关键科学问题的研究上形成重要创新成果,对于一般意义下的信息服务科学问题和信息服务范畴中的计算本质问题的探讨具有开创性贡献。随着网络信息服务的不断深入,智能交通、互联网金融、智慧医疗等领域也正在成为深度学习的重要应用领域,并且已经取得了一些初步应用成果。如今在我国各个大学都开始了人工智能的研究,比如,中科院、清华、北大、上海交大、同济、香港中文等科研及教育机构,以及各种人工智能公司,人工智能在多个领域为我们带来改变。

(四)导航、制导与控制

      以高超声速飞行器为例,目前研究者所关心的航空器 / 航天器多具有如下的特性:升阻比高,对气动非常敏感,可能存在静不稳定的工作点,舵面数量少,横侧平面耦合严重,大攻角飞行时非线性特性显著。因此北京大学、北京控制工程研究所、北京空气动力学研究所、东南大学等高校和研究机构的众多专家学者通过面向对象的建模和控制的研究,构建了不同对象、不同任务需求下航天器的模型库和控制器大数据库。

一方面,航天器挠性、未知参数大范围变化、未知参数快速变化;另一方面,航天器在上升、滑翔和再入等不同过程中,面对大气环境和航天器工作点的大范围变化。因此北京控制工程研究所提出了特征模型理论,结合对象动力学特征、环境特征和控制性能要求对航天器的动态特性进行建模。在此基础上,给出的基于特征模型的全系数自适应控制方法,形式简单,调试方便,直接给出控制器的离散形式,能够保证参数未知系统在参数尚未收敛情况下闭环系统的稳定性,有着极强的鲁棒性和适应性。

      为了抑制航天器的挠性,通常选用的是鲁棒控制方法,而对于参数未知对象,则应该优先考虑自适应控制方法。因此,最近几年的研究多结合不同的控制方法来实现更为智能的控制。例如,我国学者利用基于神经网络的智能控制方法,与动态逆控制、滑模控制等方法相结合,补偿建模误差,求解非线性控制问题。此外,还有将模糊规则用于在线补偿飞行器模型由于气动参数变化而引起的不确定性,实现多个特征模型的融合,以缩短模型参数的收敛速度。

(五)检测技术与自动化装置

      在动态系统故障诊断与容错控制方面,故障检测是故障诊断的前提和基础,近年来主要针对嵌入式检测和非接触式检测(无损检测)两种方法进行研究,取得了一定进展。针对动态系统的故障诊断和容错控制问题,参考文献[106]设计了满足有限频域H ∞性能指标的滤波器,使得在高频扰动下故障估计误差尽可能小。参考文献[107]设计了自适应分布式故障检测观测器,实现对有向通信拓扑结构的多智能体系统的故障估计。近年来,主动故障分离技术受到了更多关注,这种方法通过修改控制输入提高故障分离能力。参考文献[108]考虑了输入信号的设计,采用多参数规划,最大限度地减少分离系统故障所需的时间和能量。由于机理的复杂性,工程上许多时候难以获得系统的理论模型,因此需要基于系统运行数据来辨识系统模型和故障状态。参考文献[109]提出了滚动时域 故障估计法,在不补偿辨识误差的条件下,通过辨识状态空间模型或马尔科夫参数构建故障估计器。参考文献[110]提出了对正常变量无污染效应的改进贡献图方法,可分离多重传感器故障。参考文献[111]利用历史故障信息构建数据模型,提取了代表不同故障特征的独立成分和非线性故障方向信息,实现了非线性过程的故障分离。针对网络控制系统的故障诊断与容错控制问题,参考文献[112]通过矩阵分解,将时延的影响等效为未知有界不确定项,设计状态观测器,实现短时延的故障诊断。通过将长时延转化为确定常数,并在执行器和控制器接收端中加入一定缓存,可实现长时延的故障诊断。参考文献[113]考虑多通信延迟与数据丢失问题,分别构建最小二乘滤波器和卡尔曼滤波器, 实现故障诊断。在实际网络控制系统中,数据包丢失将引起故障特征信息缺失,使故障诊断问题更为复杂。参考文献[114]基于数据驱动,应用期望 - 最大化算法处理缺失数据。参考文献[115]针对存在参数摄动和未知输入的非线性网络系统进行研究,解决了递归 网络强跟踪滤波器的设计问题。

      发电自动化技术研究方面,在中国经济转型能源消费升级的背景下,新能源适应性控制技术、先进测量及智能控制技术、探索机器学习和人工智能应用等热点问题引领了发电自动化技术的发展。新能源适应性控制技术目前主要着眼于研究解决短时风电功率波动对电力系统造成的频率扰动以及新能源消纳的优化控制问题,参考文献[116]提出了改进的双重粒子群算法,开展机组组合问题研究,既考虑对于节能和减排两个不同目标的侧重,又并行地给出不同目标权重的解决方案,实现新能源消纳的全局节能优化控制。机器学习和人工智能技术的快速发展给发电自动化的深入发展带来了新的思路,已有研究人员关注到了机器学习在机组自调整控制中的应用方向,并开展了相关研究。参考文献[117] 通过机器学习算法对新能源发电功率进行预测。参考文献[118]提出了一种受基本方程规范的火电机组耗量特性系数优化辨识方法,实现了机组状态参数的对标计算,机组的远程专家诊断、状态信息挖掘管理等功能。在煤种辨识方面,参考文献[119]研究了碱金属元素含量对煤种标识的意义,提出了基于炉内煤粉火焰光谱中碱金属原子发射光谱强度关系特征的煤种辨识方法。

      对于分布式能源并网的研究,其相关进展主要体现在控制策略、无缝切换技术,自动频率、电压及黑启动技术、能源管理技术、协同控制技术、含分布式电源的能源系统自愈控制和故障诊断研究等几方面。目前国内外研究人员主要提出了三种控制模式:主从控制模式、对等控制模式和基于多代理系统的分层控制模式[120]。无缝切换是在联网和独立两种运行模式之间的转换过程中,采用相应的运行控制策略,以保证平稳切换和过渡的技术[121]。参考文献[122]对有源配电网孤岛恢复供电及黑启动策略进行了研究。智能能量管理技术,多能流能量管理技术近年来得到了研究,并采用固态变压器提供分布式能源和负载的有效管理,提高了电网的稳定性[123]。此外,用固态电力半导体器件代替机械式断路器而研制的固态短路器可以满足能源互联网的需求。分布式协同控制是分布式能源运行的重要特征,基于多智能体系统,可利用信息通信技术,实现各分布式设备的协同合作、协同调度,保证分布式能源安全、稳定运行。

      在智慧城市建设方面,其主要依靠的大数据、物联网、云计算等关键技术的持续发展为该领域带来了新的活力。参考文献[124]针对智慧城市中的大数据提出了基于时空信 息云平台基础框架的智慧城市解决方案。参考文献[125]提出了用智慧城市数据互联框 架来解决智慧城市数据共享和融合问题。智慧城市的标准化工作对智慧城市的发展起着重要的作用。在智慧城市标准化方面,参考文献[126]提出了基于层次化和线性化的标准体系。国家标准化委员会联合多部委,从国家层面规划智慧城市标准战略、标准体系,整体协调各相关标准组织的工作。截止到目前,已经从“引导性指标、技术标准规范、评价体系”等几个方面构建了国家级智慧城市技术与标准体系[127],其中已正式立项的智慧城市国家标准包括《智慧城市SOA标准应用指南》《智慧城市技术参考模型》《智慧城市评价模型及基础评价指标体系》等,这些成果为我国智慧城市的标准化工作奠定了重要的基础。

(六)新兴领域和方向

      近年来,互联网技术与移动智能设备的发展和普及促进了各种各样的社会媒体的繁荣发展,人类首次拥有了大量带有时间戳、地理位置、社会标签的数据,这使得以海量数据为基础的社会科学定量研究成为可能。以人肉搜索、众包、水军等为代表的依托于互联网的社会化、网络化、动态化社会群体迅速涌现并对社会、经济、工程,以及国家安全等方面产生重要影响。2015 年 7 月 4 日,国务院印发《国务院关于积极推进“互联网 +”行动的指导意见》,强调互联网对中国整体社会的影响更为全面和深入,社会计算及其相关应用的研究也因此更显重要。国内高校和科研院围绕社会组织发现、社会媒体分析以及社会计算等方面展开了广泛而深入的研究。如何借助众包和科学性目的游戏的手段解决大规模任务也成为群体组织机制设计研究的重点。中科院自动化所、国防科技大学、西安交通大学团队从互联网中的社会组织发现以及结构分析入手,以人工系统建模为主要手段结合计算实验展开研究[128-130]。中科院计算所在社会网络分析、用户行为分析等领域都有进展[131,132]。哈尔滨工业大学在情感分析方面展开深入而卓有成效的研究,结合深度学习技术,发表了一系列高水平论文[133-136]。浙江大学团队则从学科交叉的视角研究社会计算中群体博弈和个体的决策机制,其成果发表在Scientific Report 期刊上[137]。

      信息物理融合系统是改变人类生活最有前景的前沿技术之一,政府、工业界和学术界纷纷设立了相应的研究计划,力图解决这一前沿科技的核心难题。鉴于网络的异构性、软件和硬件实体的复杂性以及不同子系统的标准化问题,找到一个可以兼容不同子系统的全新体系架构极为重要。并且,该体系架构在面向具体应用的系统设计中应具有快速、高效及代价有效等特点。此外,信息物理融合系统的实现需要整合不同层级的子系统并实现互联互通,存在着大量亟待解决的理论和工程问题。其中一个核心问题在于如何保证数据在全生命周期内高效快速传输。实时性要求也是信息物理融合系统实现过程中需要考虑的重要因素。其他研究方向包括信息物理安全、系统的稳定性及弹性恢复能力、全局协作模式等。由于信息物理融合系统是一个复杂巨系统,需要权衡系统的性能优化与系统的稳定性和弹性恢复能力,保证系统在外力作用下仍能持续稳定运行。系统的自适应和自组织能力取决于不同子系统之间的局部和全局协作水平,因此扁平化的系统架构被提出以保证系统的全局协作能力。

      当前网络需求中,要从“服务”的角度出发,根据实际网络需求状态,提供程序化的服务策略及规模需求。因此,研究和构建新的网络架构成为移动互联时代对网络规模化、专业化、服务化需求的必然趋势。平行网络是以平行系统作为理论基础,结合软件定义网络、网络功能虚拟化、社会信号处理等技术提出的一种新型网络架构[138,139]。把软件定 义网络及网络功能虚拟化作为理论基础技术构建人工网络,作为计算实验的基础,把认知网络对物理资源的优化和网络对人之需求的动态响应结合起来,实际网络与人工网络平行互动,形成大反馈,最终形成平行网络。平行网络通过人工网络与实际网络的实时交互与相互优化,实现对不同层次需求、不同服务内涵的网络进行实时决策指导和行为优化,有效地描述、预测和引导网络系统,从而满足用户不断变化的网络服务需求。研究目标不仅仅局限于网速更快、移动宽带体验更优,更在于连接新行业,催生新服务,比如自动驾驶、大规模物联网、智能家居、工业自动化等。

      无人机主要包括固定翼无人机、旋翼无人机和扑翼无人机等,具有生存能力较强、灵活性高、机动性好、使用便捷和人员零伤亡风险等优点。目前,国内对于无人机系统自主飞行控制的研究已经取得了一定的成果。如有学者提出改进算法用以提高导航信息的处理精度,结合不同算法以处理满足各种约束的航迹规划问题[140]。借助力学分析方法,应用复合材料、微机电系统技术等,优化无人机结构,提高无人机飞行效率[141]。借鉴仿生学原理,扑翼无人机的研究也取得了一定的进展[142]。在固定翼、旋翼和扑翼无人机的动力学建模和飞行控制方面,也取得了令人瞩目的成果[143,144]。一些新的协议被提出以改进无人机组网的通信性能[145],一些新的编队控制方法被提出以解决无人机的编队控制问题[146]。

      随着工业界对无人车的投入力度加大,无人车相关研究也得到了大量研究者的关注。目前,该领域的研究热点与难点主要集中在如何合理考虑车辆动力学特征、避撞以及节能舒适三类约束,规划有效的轨迹。轨迹规划需要充分考虑车辆动力学系统高度非线性、时变性以及各类机械约束等特点,保证轨迹的可行性[147]。避障主要研究如何搜寻可供轨迹规划的空间,进行动作决策,最后规划车辆轨迹以避免行驶过程中发生碰撞[148]。此外, 驾驶员在不同道路工况下,对时间、距离、能耗以及舒适度等要求的偏重不一。在实际应用中,如何针对不同情况综合考虑这些轨迹规划目标,是目前的研究难点之一。当前无人车控制的研究热点集中于轨迹跟随控制、纵向节能控制、横向稳定性控制三个方面。轨迹跟随控制主要是研究如何通过控制车辆的转向系统以及制动 / 驱动系统使得车辆能够以期望的速度沿着期望的路线行驶。国内研究者提出了多种基于预测控制的最优轨迹跟随控制算法。纵向节能控制主要是研究如何控制车辆速度以期望降低能源消耗。目前节能控制的相关应用多集中于单个车辆的速度控制[149]。综合考虑道路和交通信息进行多车速度协调控制是当前研究的热点[150]。无人车横向稳定性控制主要是研究如何控制车辆的横摆力矩以及侧向轮胎力以期望在转向时保持稳定[151]。中国自动化学会自 2015 起创办中国智能车大会和国家智能车发展论坛,以促进智能车基础理论研究、成果原始创新和高技术开发,增强我国智能车自主研发技术水平和实际应用能力,促进智能车技术产业化应用,推动其在能源、交通等领域的深入应用和产业转型升级。

      我国是农业大国,国家一直高度重视农业产业发展,但是我们依然没有突破依赖于自然资源和低廉劳动成本的发展格局。为了实现具有创新力和可持续发展的现代新型农业, 基于智能传感系统、3S(GPS 全球定位系统、GIS 地理信息系统、RS 遥感系统)技术、农业物联网与互联网、大数据与云计算、人工智能、自动控制等现代信息技术的智慧农业蓬勃发展。在农业信息感知方面,包括物理信息感知即空间信息感知技术[152-156]和地面信息感知技术[157-161],以及社会信息感知技术[162,163]等方面取得的成果可以为农业预测预  警技术、农业智能决策技术、农业智能控制技术提供有效的原始数据。农业大数据方面, 以大数据分析为基础,利用云计算和大数据挖掘等技术处理农业耕地、育种、播种、施肥、收获、储运、农产品加工、销售等整个链条中所产生大量的数据,从中得到有用信息以指导农业生产经营、农产品流通与消费的过程[164-166]。

      在智能农业决策体系方面,利用信息技术,对农业生产、经营、管理、服务全产业链进行智能化控制,实现农业的优质、高效、安全和可控。智能农业决策覆盖农业生产整个链条从产前排产、产中种植管理及环境控制和产后储存、加工、运输和销售等各个环节。首先,利用物联网及传感器技术,从农业生产田间环节、生产加工环节、流通环节、消费环节以及追溯环节等几个方面进行数据的获取;然后,提取相关知识并建立模型,构建农业生产各个环节精细管控的分析决策机制。该体系旨在实现市场需求分析和种植方案推荐,种植过程中环境的智能感知与控制及智能决策、智能分析、专家在线指导等,为农业生产提供精准化种植、可视化管理、智能化决策[167]。

      智联网,是一个由我国自主提出的全新领域,旨在实现借助机器智能的联结来协同人类社会中各种纷杂智能体的核心科技[168]。而只有在实现社会化的智能体知识互联之后, 人工智能技术才能够形成真正的社会化生态系统。智联网是以互联网、物联网技术为前序基础科技,在此之上以知识计算为核心技术,以获取知识、表达知识、交换知识、关联知识为关键任务,进而建立包含人机在内的智能实体之间语义层次的联结、实现各智能体所拥有的知识之间的互联互通;智联网的最终目的是支撑和完成需要大规模社会化协作的、特别是在复杂系统中需要的知识功能和知识服务。

      最后,表 2 中列出了 2014 — 2016 年的国家自然科学基金重点项目资助情况,表 3 列出了 2014 — 2016 年国家自然基金自动化领域重大研究计划,表 4 列出了 2014 — 2016 年国家自然基金自动化领域国家杰出青年科学基金情况,表 5 列出了 2014 — 2016 年国家自然基金自动化领域重大项目情况,表 6 列出了 2014 — 2016 年国家自然基金自动化领域创新研究群体项目情况。表 7 列出了 2014 — 2016 年国家自然科学基金重点国际合作项目情况。这些项目在一定程度上反映了国内近年来自动化领域基础研究的工作重点。
 




 

相关热词搜索:学科 发展报告 发展现状

上一篇:控制科学与工程学科发展现状及趋势(一)
下一篇:浙江省自动化学会祝您元宵节快乐!