探討模式識別在過程控制系統中的應用

王思月　左越　耿詩宇

摘 要：從本質上來說，模式識別是一種分類方法，不需要通過過程數學模型就可以實現高級決策，因此在很多控制領域都有非常重要的作用。模式識別在過程控制系統中應用具有很大的優越性，能夠解決過程控制系統中的復雜問題。因此，本文主要分析了模式識別方法在過程控制系統中的應用，并指出其未來的研究方向與趨勢。

關鍵詞：模式識別；過程控制系統；故障診斷；自整定控制

近年來，模式識別在工業控制系統得到了廣泛應用，能夠有效改善控制系統的運行質量，對于提高控制精度也大有裨益。為此，本文著重探討了模式識別在過程控制中的具體應用，并且指出了現在的研究成果、研究方向和未來的發展趨勢，希望對模式識別在過程控制系統的應用起到參考和借鑒作用。

1 模式識別方法的產生及作用

模式識別方法產生于20世紀60年代，并在之后得到了快速的發展，利用這種方法可以有效地描述、分析和識別模式。具體而言，模式識別的處理方法有很多，概括起來主要有以下四種：第一，統計決策；第二，語言結構；第三，智能識別；第四，模糊識別。統計決策主要建立在決策理論的基礎上，基于隨機的模式，之后提取它的形狀和紋理，并用參量或非參量的形式體現出來。語言結構的方法是將字詞等原始的語言結構重新組合，字詞間的關系主要依靠語法規則體現出來。模糊識別方法的創始人是L.A.Zadeh，這種方法的理論基礎是模糊數學。最后，智能識別的方法是模式識別的進一步發展。

在過程控制系統中，模式識別具有非常重要的意義，能夠有效解決普通機理建模方法的弊端。這一方法主要通過控制操作參數、輸出和過程信息之間的關系，對生產工況進行預測與控制，從而有利于達到科學決策的作用。如今，模式識別可以運用到更加先進的方法與硬件，其優越性得以進一步顯現，在控制系統領域一定會得到更加廣泛的應用。

2 模式識別在過程控制系統中的應用

2.1 系統結構識別

自從20世紀70年代開始，模式識別就能夠有效解決系統辨識，在控制領域成了一個熱門研究項目。G.N.Saridis等研究人員將結構識別的方法運用到非線性系統之中，主要將非線性系統作為主要的研究對象，成為決策的重要理論依據。結構識別的方法也可以通過研究互相關函數，在應用K近鄰法的理論基礎上，將非線性隨機系統劃分為已知類別，并運用了隨機逼近學習理論中的相關參數，達到對整個系統的識別與控制。

之后，出現了J.Kittler等研究人員，這些人員在運用Saridis等人研究成果的基礎上，有效解決了非線性系統中的結構辨識問題。W.J.Hill在生物系統辨識領域中也應用了這一方法。M.Cadaparthi對分布參數系統進行了深入研究，是對模式識別概念的進一步發展。首先，通過分析驗前信息，從而通過計算得到系統數學模型。在輸入系統中的有效信息之后，運用觀測向量得到模式向量，再通過模式向量得到決策結果。由此可知，決策結果是依據模型結構得出的，可以看作是模型結構的解。

2.2 動態建模與狀態估計

如果技術人員對模型結構不清楚，所有數據也都是從系統中得來，除了要依靠模型結構進行辨識以外，還需要依靠相關參數才能達到模式識別的作用。另外，只有通過模式識別，才能有效地建立動態模型。具體而言，動態建模與狀態估計的主要建立過程如下：首先，需要設定一個非線性SISO系統，之后再運用計算公式DE：x（k+1）=f（x（k），u（k）），在模型結構未知的前提下，我們可以將x（k+1）的值域劃分為R個子域，即【ximin，ximax】（i=1，…，R；ximax=xi+1min），如果根據已知的x（k）與u（k），就可以通過分類的方法，計算得知x（k+1）的子域范圍，這樣就能夠起到描述DE動態特性的作用。

2.3 智能與優化控制

從理論上來說，模式識別借鑒了行為科學中的很多理論成果，不僅具有記憶與學習的功能，同時具有較強的適應性。因此，模式識別可以有效應用到研究結構不確定，或者隨機環境結構中，對于系統結構分析與決策有非常重要的作用。

假定控制過程未知，僅能從輸出定性關系表現模型，x（k+1）=F（x（k），u（k）），y（k）=G（x（k））。在上述公式中，x（k）屬于狀態向量，而y（k）屬于離散時間輸出向量，u（k）則屬于控制輸入向量。在這一控制理論模型中，最主要的目的是要找出過程持續階段的控制序列，提高預測與判斷的精準度，盡量降低性能準則J（u）的數值。

在過程控制系統中，模式識別得到了有效運用，出現了很多智能化的模式控制方案。在最優控制的前提下，Smith在控制系統中引入了可訓練模式分類器，之后K.S.Fu還研究出了再勵學習系統，將“獎優罰劣”的原則貫徹其中，并對LQG系統進行了深入研究，提出了子目標的系統劃分方法。以上研究發現在過程控制系統中都得到了廣泛應用，其理論還在衛星姿態控制、核反應堆控制系統等領域都得到了應用。另外，在Bayes學習法的基礎之上，Saridis也拓展了模式識別的應用領域，將其應用到未知參數系統的控制中，并實現了漸進最優控制的目標。最后，一些學者還在機械手、熱軋機和交通系統等領域應用模式識別，極大地拓展了模式識別的應用范圍。

2.4 自整定控制

自整定控制的主要標準參數是PID，控制過程分為兩大部分：第一，獲取充分的過程特性；第二，優化控制器中的相關參數。通常來說，過程特性的獲得必須在線進行，但是控制器參數的優化在離線狀態下也可以進行。當前，PID參數自整定通常都運用離線的方式，通過整定規則來獲得。由此可見，過程特性的獲取尤為重要，是得出在線計算量的前提，需要借助過程模型體現出來，因此獲取特性的過程就是模式識別的過程。過程模型需要依靠專業的辨識技術，但是如果運用PID進行參數自整定的話，所采用的方法就屬于閉環辨識，需要盡量控制對閉環系統的擾動，在辨識方法和程序上較為簡便。根據模式識別的應用實踐來看，模型辨識方法也存在很多弊端。第一，開展模型辨識的過程需要相應激勵，會對閉環系統產生擾動作用；第二，模型辨識需要符合實際情況，并且需要精準地辨識相關模型參數。據此，目前又產生了一種新型的自整定控制方法，即專家自整定方法。這種控制方法以模式識別為基礎，是建立在工程師的專業知識之上的，通過在線識別的方式對相關參數進行整定。這種方法具有較強的適應性，同時具備性能好的特點。但是，如果這種自整定方法不具備模式判斷知識，或者由于其他原因使專家系統產生錯誤，就會導致控制系統的發散效應。因此，這種自整定方法仍需進一步修改與完善。

3 結語

模式識別在過程控制系統中的應用已日趨廣泛，但仍面臨很多問題，需要進一步地妥善解決。今后，模式識別的應用應當注重過程控制系統的復雜性，利用專家系統法提高算法速度，并達到實時控制的目標。同時，要探索模式識別在過程控制應用的新領域，充分發揮模式識別的作用，拓展模式識別的應用范圍。

參考文獻：

[1] 邱道尹，陳鐵軍，韓兵，吳天福.模式識別在控制系統中的應用[J].鄭州工學院學報，1995（03）.

[2] 胡澤新，蔣慰孫.模式識別在過程控制系統中的應用[J].信息與控制，1990（06）.

[3] 趙元黎，李云亭.模式識別在工業控制系統中的應用[J].鄭州大學學報（自然科學版），1994（06）.