控制科學(xué)與工程前沿論壇

1、J I A N G S U U N I V E R S I T Y控制科學(xué)與工程前沿論壇報(bào)告任課老師： 劉國(guó)海 專業(yè)班級(jí)： 控制工程 1604 學(xué)生姓名： 丁帥 學(xué)生學(xué)號(hào)： z1607050 2017年4月一 智能控制一個(gè)系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計(jì)劃、產(chǎn)生以及執(zhí)行控制行為的能力,即稱為智能控制系統(tǒng)。 智能控制技術(shù)是在向人腦學(xué)習(xí)的過(guò)程中不斷發(fā)展起來(lái)的,人腦是一個(gè)超級(jí)智能控制系統(tǒng),具有實(shí)時(shí)推理、決策、學(xué)習(xí)和記憶等功能,能適應(yīng)各種復(fù)雜的控制環(huán)境。 智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關(guān)系,不是相互排斥的。 常規(guī)控制往往包含在智能控制之中,智能控制也利用常規(guī)控制的方法來(lái)解決“

2、低級(jí)”的控制問(wèn)題,力圖擴(kuò)充常規(guī)控制方法并建立一系列新的理論與方法來(lái)解決更具有挑戰(zhàn)性的復(fù)雜控制問(wèn)題。 （1）傳統(tǒng)的自動(dòng)控制是建立在確定的模型基礎(chǔ)上的,而智能控制的研究對(duì)象則存在模型嚴(yán)重的不確定性,即模型未知或知之甚少者模型的結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動(dòng),比如工業(yè)過(guò)程的病態(tài)結(jié)構(gòu)問(wèn)題、某些干擾的無(wú)法預(yù)測(cè),致使無(wú)法建立其模型,這些問(wèn)題對(duì)基于模型的傳統(tǒng)自動(dòng)控制來(lái)說(shuō)很難解決。（2）傳統(tǒng)的自動(dòng)控制系統(tǒng)的輸入或輸出設(shè)備與人及外界環(huán)境的信息交換很不方便,希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置,能夠更加深入而靈活地和系統(tǒng)進(jìn)行信息交流,同時(shí)還要擴(kuò)大輸出裝置的能力,能夠用文字、圖紙、立體

3、形象、語(yǔ)言等形式輸出信息。 另外,通常的自動(dòng)裝置不能接受、分析和感知各種看得見(jiàn)、聽(tīng)得著的形象、聲音的組合以及外界其它的情況。 為擴(kuò)大信息通道,就必須給自動(dòng)裝置安上能夠以機(jī)械方式模擬各種感覺(jué)的精確的送音器,即文字、聲音、物體識(shí)別裝置?？上驳氖?近幾年計(jì)算機(jī)及多媒體技術(shù)的迅速發(fā)展,為智能控制在這一方面的發(fā)展提供了物質(zhì)上的準(zhǔn)備,使智能控制變成了多方位“立體”的控制系統(tǒng)。（3） 傳統(tǒng)的自動(dòng)控制系統(tǒng)對(duì)控制任務(wù)的要求要么使輸出量為定值(調(diào)節(jié)系統(tǒng)) ,要么使輸出量跟隨期望的運(yùn)動(dòng)軌跡(跟隨系統(tǒng)) ,因此具有控制任務(wù)單一性的特點(diǎn),而智能控制系統(tǒng)的控制任務(wù)可比較復(fù)雜,例如在智能機(jī)器人系統(tǒng)中,它要求系統(tǒng)對(duì)一個(gè)復(fù)雜的

4、任務(wù)具有自動(dòng)規(guī)劃和決策的能力,有自動(dòng)躲避障礙物運(yùn)動(dòng)到某一預(yù)期目標(biāo)位置的能力等。 對(duì)于這些具有復(fù)雜的任務(wù)要求的系統(tǒng),采用智能控制的方式便可以滿足。（4） 傳統(tǒng)的控制理論對(duì)線性問(wèn)題有較成熟的理論,而對(duì)高度非線性的控制對(duì)象雖然有一些非線性方法可以利用,但不盡人意。 而智能控制為解決這類復(fù)雜的非線性問(wèn)題找到了一個(gè)出路,成為解決這類問(wèn)題行之有效的途徑。 工業(yè)過(guò)程智能控制系統(tǒng)除具有上述幾個(gè)特點(diǎn)外,又有另外一些特點(diǎn),如被控對(duì)象往往是動(dòng)態(tài)的,而且控制系統(tǒng)在線運(yùn)動(dòng),一般要求有較高的實(shí)時(shí)響應(yīng)速度等,恰恰是這些特點(diǎn)又決定了它與其它智能控制系統(tǒng)如智能機(jī)器人系統(tǒng)、航空航天控制系統(tǒng)、交通運(yùn)輸控制系統(tǒng)等的區(qū)別,決定了它的控

5、制方法以及形式的獨(dú)特之處。（5） 與傳統(tǒng)自動(dòng)控制系統(tǒng)相比,智能控制系統(tǒng)具有足夠的關(guān)于人的控制策略、被控對(duì)象及環(huán)境的有關(guān)知識(shí)以及運(yùn)用這些知識(shí)的能力。（6） 與傳統(tǒng)自動(dòng)控制系統(tǒng)相比,智能控制系統(tǒng)能以知識(shí)表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)表示的混合控制過(guò)程,采用開(kāi)閉環(huán)控制和定性及定量控制結(jié)合的多模態(tài)控制方式。（7） 與傳統(tǒng)自動(dòng)控制系統(tǒng)相比,智能控制系統(tǒng)具有變結(jié)構(gòu)特點(diǎn),能總體自尋優(yōu),具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào)能力。（8） 與傳統(tǒng)自動(dòng)控制系統(tǒng)相比,智能控制系統(tǒng)有補(bǔ)償及自修復(fù)能力和判斷決策能力?？傊?智能控制系統(tǒng)通過(guò)智能機(jī)自動(dòng)地完成其目標(biāo)的控制過(guò)程,其智能機(jī)可以在熟悉或不熟悉的環(huán)境中自動(dòng)地或人機(jī)交互地完

6、成擬人任務(wù)。智能控制是以控制理論、計(jì)算機(jī)科學(xué)、人工智能、運(yùn)籌學(xué)等學(xué)科為基礎(chǔ),擴(kuò)展了相關(guān)的理論和技術(shù),其中應(yīng)用較多的有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等理論和自適應(yīng)控制、自組織控制、自學(xué)習(xí)控制等技術(shù)。二 模糊控制模糊控制綜合了專家的操作經(jīng)驗(yàn)，具有不依賴被控對(duì)象的精確數(shù)學(xué)模型、設(shè)計(jì)簡(jiǎn)單、便于應(yīng)用、抗干擾能力強(qiáng)、響應(yīng)速度快、易于控制和掌握、對(duì)系統(tǒng)參數(shù)的變化有較強(qiáng)的魯棒性等特點(diǎn)，在經(jīng)典控制理論和現(xiàn)代控制理論難以應(yīng)用的場(chǎng)合發(fā)揮了很大的作用。近年來(lái)，模糊集理論及應(yīng)用研究不斷深入，取得了一系列成功的應(yīng)用和理論成果，在自動(dòng)控制、信號(hào)處理、模式識(shí)別、通信等領(lǐng)域得到了廣泛的應(yīng)用。目前，模糊控制已成為智能控制

7、的一個(gè)主要分支。為了更深入地開(kāi)展模糊控制技術(shù)的研究和應(yīng)用，本文對(duì)模糊控制近期研究的一些熱點(diǎn)問(wèn)題進(jìn)行簡(jiǎn)要的歸納介紹。2.1 模糊控制的熱點(diǎn)問(wèn)題任何一個(gè)自動(dòng)控制系統(tǒng)要正常工作，首先必須是穩(wěn)定的。由于模糊系統(tǒng)本質(zhì)上的非線性和缺乏統(tǒng)一的系統(tǒng)描述，使得人們難以利用現(xiàn)有的控制理論和分析方法對(duì)模糊控制系統(tǒng)進(jìn)行分析和設(shè)計(jì)，因此，模糊控制理論的穩(wěn)定性分析一直是一個(gè)難點(diǎn)課題，未形成較為完善的理論體系。正因?yàn)槿绱?，關(guān)于模糊系統(tǒng)的穩(wěn)定性分析近年來(lái)成為眾人關(guān)注的熱點(diǎn)，發(fā)表的論文較多，提出了各種思想和分析方法。目前模糊控制系統(tǒng)穩(wěn)定性分析方法主要有以下幾種： (1) 李亞普諾夫方法基于李亞普諾夫直接方法，許多學(xué)者討論了離散

8、時(shí)間和連續(xù)時(shí)間模糊控制系統(tǒng)的穩(wěn)定性分析和設(shè)計(jì)。其中，Tanaka和Sano將其中的基本穩(wěn)定性條件推廣到SISO系統(tǒng)的（非）魯棒穩(wěn)定性條件，穩(wěn)定性判據(jù)變?yōu)閺囊唤M李亞普諾夫不等式中尋找一個(gè)共同的李亞普諾夫函數(shù)問(wèn)題。使用李亞普諾夫線性化方法，Ying建立了包括非線性對(duì)象的T-S模糊控制系統(tǒng)局部穩(wěn)定性的必要和充分條件。另外，一種在大系統(tǒng)中使用的向量李亞普諾夫直接方法，被用于推導(dǎo)多變量模糊系統(tǒng)的穩(wěn)定性條件；李亞普諾夫第二方法被用于判別模糊系統(tǒng)量比因子選擇的穩(wěn)定性；波波夫一李亞普諾夫方法被用于研究模糊控制系統(tǒng)的魯棒穩(wěn)定性。 但是，李亞普諾夫的一些穩(wěn)定性條件通常比較保守，即當(dāng)穩(wěn)定性條件不滿足時(shí)，控制系統(tǒng)仍是

9、穩(wěn)定的。 (2) 基于滑模變結(jié)構(gòu)系統(tǒng)的穩(wěn)定性分析方法由于模糊控制器是采用語(yǔ)義表達(dá)，系統(tǒng)設(shè)計(jì)中不易保證模糊控制系統(tǒng)的穩(wěn)定性和魯棒性。而滑?？刂朴幸粋€(gè)明顯的特點(diǎn)，即能處理控制系統(tǒng)的非線性，而且是魯棒控制。因此一些學(xué)者提出設(shè)計(jì)帶有模糊滑模表面的模糊控制器，從而能用李亞普諾夫理論來(lái)獲得閉環(huán)控制系統(tǒng)穩(wěn)定性的證明。Palm和Driankov采用滑?？刂频母拍罘治隽嗽鲆嬉?guī)劃的閉環(huán)模糊控制系統(tǒng)的穩(wěn)定性和魯棒性。另有一些學(xué)者用模糊推理來(lái)處理控制系統(tǒng)的非線性和減少控制震顫，使得基于李亞普諾夫方法可保證控制系統(tǒng)的穩(wěn)定性?；谧兘Y(jié)構(gòu)系統(tǒng)理論，可以得到控制系統(tǒng)的跟蹤精度和模糊控制器的I/O模糊集映射形狀之間的關(guān)系，從而

10、可以解釋模糊控制器的魯棒性和控制性能。文獻(xiàn)等研究了基于變結(jié)構(gòu)控制框架的模糊控制系統(tǒng)的穩(wěn)定性，通過(guò)輸出反饋的模糊變結(jié)構(gòu)控制，并用李亞普諾夫方法證明了閉環(huán)控制系統(tǒng)是全局有界輸入有界輸出穩(wěn)定的。若使用變結(jié)構(gòu)控制類型的模糊規(guī)則集，模糊控制器從語(yǔ)義和定量上可顯示出變結(jié)構(gòu)的特性。為便于李亞普諾夫穩(wěn)定性判據(jù)能指導(dǎo)設(shè)計(jì)和調(diào)整模糊控制器，文獻(xiàn)推導(dǎo)出模糊控制器的具體數(shù)學(xué)表達(dá)式。 (3)描述函數(shù)方法描述函數(shù)方法可用于預(yù)測(cè)極限環(huán)的存在、頻率、幅度和穩(wěn)定性。通過(guò)建立模糊控制器與多值繼電控制器的關(guān)系，描述函數(shù)方法可用于分析模糊控制系統(tǒng)的穩(wěn)定性。另外，指數(shù)輸入的描述函數(shù)技術(shù)也能用于研究模糊控制系統(tǒng)的暫態(tài)響應(yīng)。雖然描述函數(shù)方

11、法能用于SISO和MISO模糊控制器以及某些非線性對(duì)象模型，但不能用于三輸入及以上的模糊控制器。并且由于這種方法一般應(yīng)用于非線性系統(tǒng)中確定周期振蕩的存在性，因此只是一種近似穩(wěn)定性分析方法。 (4) 圓穩(wěn)定性判據(jù)方法圓判據(jù)可用于分析和再設(shè)計(jì)一個(gè)模糊控制系統(tǒng)。使用扇區(qū)有界非線性的概念，一般化的奈魁斯特（圓）穩(wěn)定性判據(jù)可用于分析SISO和MIMO模糊系統(tǒng)的穩(wěn)定性，并且擴(kuò)展圓判據(jù)可用于推導(dǎo)一類簡(jiǎn)單模糊PI控制系統(tǒng)穩(wěn)定性的充分條件。由于圓判據(jù)要求比較嚴(yán)格，F(xiàn)urutani提出一種移動(dòng)的波波夫判據(jù)，用于分析模糊控制系統(tǒng)的穩(wěn)定性。當(dāng)此判據(jù)中參數(shù)設(shè)為零時(shí)，該判據(jù)與圓判據(jù)一致。除了以上介紹的方法外，模糊控制系統(tǒng)

12、的穩(wěn)定性分析還有相平面法、關(guān)系矩陣分析法、超穩(wěn)定理論、Popov判據(jù)、模糊穴穴映射、數(shù)值穩(wěn)定性分析方法以及最近出現(xiàn)的魯棒控制理論分析方法和LMI（矩陣不等式）凸優(yōu)化方法等。2.2 自適應(yīng)模糊控制器的研究為了提高模糊控制系統(tǒng)的自適應(yīng)能力，許多學(xué)者對(duì)自適應(yīng)模糊控制器進(jìn)行了研究，研究方向主要集中在以下方面。 (1)自校正模糊控制器自校正模糊控制器是在常規(guī)模糊控制的基礎(chǔ)上，采用加權(quán)推理決策，并引入?yún)f(xié)調(diào)因子，根據(jù)系統(tǒng)偏差e和偏差變化ec的大小，預(yù)測(cè)控制系統(tǒng)中的不確定量并選擇一個(gè)最佳的控制參數(shù)或控制規(guī)則集，在線自動(dòng)調(diào)整保守和大膽控制的混合程度，從而更全面確切地反映出人對(duì)諸因素的綜合決策思想，提高系統(tǒng)的控制

13、精度和魯捧性能。目前這種變結(jié)構(gòu)的自校正模糊控制器是根據(jù)被調(diào)量e和ec在線選取最佳控制規(guī)則及控制決策的，而對(duì)于一些復(fù)雜的生產(chǎn)過(guò)程,其生產(chǎn)工藝和環(huán)境因素都較為復(fù)雜，往往不能只考慮系統(tǒng)的偏差和偏差變化率來(lái)確定其控制策略，難于總結(jié)出比較完整的經(jīng)驗(yàn)，此時(shí)模糊控制規(guī)則或者缺乏，或者很粗糙，并且當(dāng)被控對(duì)象參數(shù)發(fā)生變化或受到隨機(jī)干擾影響時(shí)，都會(huì)影響模糊控制的效果。 (2)自組織模糊控制器 自組織模糊控制器能自動(dòng)對(duì)系統(tǒng)本身的參數(shù)或控制規(guī)則進(jìn)行調(diào)整，使系統(tǒng)不斷完善，以適應(yīng)不斷變化的情況，保證控制達(dá)到所希望的效果。它根據(jù)自動(dòng)測(cè)量得到的實(shí)際輸出特征和期望特征的偏差，確定輸出響應(yīng)的校正量并轉(zhuǎn)化控制校正量，調(diào)整模糊控制規(guī)

14、則，作用于被控對(duì)象。其基本特征是：控制算法和規(guī)則可以通過(guò)在線修改，變動(dòng)某幾個(gè)參數(shù)可以改變控制結(jié)果。它不僅僅是局限于某個(gè)對(duì)象，而是通過(guò)自組織適應(yīng)幾類對(duì)象。2.3 模糊控制的發(fā)展前景在模糊控制的發(fā)展初期，大多數(shù)學(xué)者的主要精力放在模糊控制的應(yīng)用研究上，在很多領(lǐng)域取得輝煌的成果。但與應(yīng)用的成果相比，模糊控制的系統(tǒng)分析和理論研究卻沒(méi)有顯著進(jìn)展，以至于西方的一些學(xué)者對(duì)模糊控制的理論依據(jù)和有效性產(chǎn)生疑慮。1993年7月，在美國(guó)第十一屆人工智能年會(huì)上，加州大學(xué)圣地亞哥分校計(jì)算機(jī)科學(xué)和工程系助教授Clarles Elkan博士的一篇題為“模糊邏輯似是而非的成功”報(bào)告，就代表了這種思想。雖然C.Elkan 的一些

15、觀點(diǎn)是不確切和片面的，會(huì)后很多專家對(duì)此進(jìn)行了批駁，但他確確實(shí)實(shí)指出了模糊控制理論基礎(chǔ)不夠堅(jiān)實(shí)的缺點(diǎn)，從而引起了模糊控制領(lǐng)域的學(xué)者的廣泛關(guān)注并加強(qiáng)了對(duì)這一方面的研究。通過(guò)上節(jié)的介紹可以看到，目前模糊控制的理論研究很熱，并已取得了許多顯著進(jìn)展，模糊控制在理論上和應(yīng)用方面都取得了巨大成就。雖然模糊控制技術(shù)發(fā)展歷史只有三十年，本身還有待于完善，理論與實(shí)際的結(jié)合也有待于進(jìn)一步探索，但是其發(fā)展前景十分誘人。目前在國(guó)際大趨勢(shì)的推動(dòng)下，模糊控制已開(kāi)始向多元化和交叉學(xué)科方向發(fā)展。國(guó)外專家預(yù)言：模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)、混沌理論作為人工智能的三大支柱，將是下一代工業(yè)自動(dòng)化的基礎(chǔ)。隨著模糊控制理論研究的不斷完善和應(yīng)用

16、的廣泛深入、高性能模糊控制器的研究開(kāi)發(fā)，模糊控制技術(shù)將會(huì)更大限度地發(fā)揮其優(yōu)勢(shì)，為工業(yè)過(guò)程控制、運(yùn)動(dòng)控制和其它領(lǐng)域的控制開(kāi)辟新的應(yīng)用前景。三 神經(jīng)網(wǎng)絡(luò)控制自適應(yīng)控制是一種特殊的反饋控制，它不是一般的系統(tǒng)狀態(tài)反饋或輸出反饋，即使對(duì)于現(xiàn)行定常的控制對(duì)象，自適應(yīng)控制亦是非線性時(shí)變反饋控制系統(tǒng)。這種系統(tǒng)中的過(guò)程狀態(tài)可劃分為兩種類型，一類狀態(tài)變化速度快，另一類狀態(tài)變化速度慢。慢變化狀態(tài)可視為參數(shù)，這里包含了兩個(gè)時(shí)間尺度概念：適用于常規(guī)反饋控制的快時(shí)間尺度以及適用于更新調(diào)節(jié)參數(shù)的慢時(shí)間尺度，這意味著自適應(yīng)控制系統(tǒng)存在某種類型的閉環(huán)系統(tǒng)性能反饋。人工神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱ANN)是也簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)（NNS）或稱作連接

17、模型，是對(duì)人腦或自然神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。人工神經(jīng)網(wǎng)絡(luò)以對(duì)大腦的生理研究成果為基礎(chǔ)的，其目的在于模擬大腦的某些機(jī)理與機(jī)制，實(shí)現(xiàn)某個(gè)方面的功能。人工神經(jīng)網(wǎng)絡(luò)下的定義就是：“人工神經(jīng)網(wǎng)絡(luò)是由人工建立的以有向圖為拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)，它通過(guò)對(duì)連續(xù)或斷續(xù)的輸入作狀態(tài)相應(yīng)而進(jìn)行信息處理?！边@一定義是恰當(dāng)?shù)?。人工神?jīng)網(wǎng)絡(luò)的研究，可以追溯到1957年Rosenblatt提出的感知器模型。目前在神經(jīng)網(wǎng)絡(luò)研究方法上已形流派，最富有成果的研究工作包括：多層網(wǎng)絡(luò)BP算法，Hopfield網(wǎng)絡(luò)模型，自適應(yīng)共振理論，自組織特征映射理論等。它雖然反映了人腦功能的基本特征，但遠(yuǎn)不是自然神經(jīng)網(wǎng)絡(luò)的逼真描寫，而只是它

18、的某種簡(jiǎn)化抽象和模擬。神經(jīng)網(wǎng)絡(luò)的研究可以分為理論研究和應(yīng)用研究?jī)纱蠓矫妗＠碚撗芯靠煞譃橐韵聝深悾?（1）利用神經(jīng)生理與認(rèn)知科學(xué)研究人類思維以及智能機(jī)理。 （2）利用神經(jīng)基礎(chǔ)理論的研究成果，用數(shù)理方法探索功能更加完善、性能 更加優(yōu)越的神經(jīng)網(wǎng)絡(luò)模型，深入研究網(wǎng)絡(luò)算法和性能，如：穩(wěn)定性、收斂性、容錯(cuò)性、魯棒性等；開(kāi)發(fā)新的網(wǎng)絡(luò)數(shù)理理論。 應(yīng)用研究可分為以下兩類： （1）神經(jīng)網(wǎng)絡(luò)的軟件模擬和硬件實(shí)現(xiàn)的研究。 （2）神經(jīng)網(wǎng)絡(luò)在各個(gè)領(lǐng)域中應(yīng)用的研究。 神經(jīng)網(wǎng)絡(luò)具有以下特點(diǎn)： （1）能夠充分逼近任何復(fù)雜的非線性關(guān)系； （2）全部定性或定量的信息都均勻分布存在于網(wǎng)絡(luò)內(nèi)的各神經(jīng)元，因此有 很強(qiáng)的容錯(cuò)性和魯棒性；

19、（3）使用并行分布處理的方式，讓大量運(yùn)算成可以快速完成； 神經(jīng)網(wǎng)絡(luò)是人腦的某種抽象簡(jiǎn)化和模擬，是具有高度非線性的系統(tǒng)。其物理模型雖有多種。但基本運(yùn)算可歸結(jié)為四種: 積與權(quán)值學(xué)習(xí)、閾值處理和非線性函數(shù)處理。從宏觀上，一般將神經(jīng)網(wǎng)絡(luò)分為四種類型:前饋、反饋、自組織與隨機(jī)型。神經(jīng)網(wǎng)絡(luò)的發(fā)展史，概括起來(lái)可以說(shuō)經(jīng)歷了三個(gè)階段:40 60 年代的,發(fā)展初期; 70年代的研究低潮;80年代至今，神經(jīng)網(wǎng)絡(luò)的理論研究取得突破性進(jìn)展。多年來(lái)神經(jīng)網(wǎng)絡(luò)的研究雖已取得了很多成果，但至今尚未建立起一套完整的理論體系。四 控制科學(xué)發(fā)展方向控制理論與控制工程是控制學(xué)科的基礎(chǔ)，在未來(lái)五年中仍將發(fā)揮不可替代的作用，是整個(gè)學(xué)科發(fā)展

20、的重中之重。運(yùn)作的網(wǎng)絡(luò)化、功能的多樣化、系統(tǒng)的復(fù)雜化是控制理論與控制工程未來(lái)發(fā)展的主要趨勢(shì)，而低成本、高性能、高智能必將成為實(shí)際控制工程需求的主要特點(diǎn)，這將使得控制理論與應(yīng)用的研究和發(fā)展逐漸向分布自主式、博弈合作式、人機(jī)交互式邁進(jìn)，其未來(lái)研究的內(nèi)容可集中在以下方面。在多智能體協(xié)同控制方面，需要考慮在高階非線性特性、不確定特性，非完整運(yùn)動(dòng)約束特性，才能使其能描述實(shí)際系統(tǒng)的精確動(dòng)態(tài)特性，研究此類模型的協(xié)同控制方法，從工程實(shí)踐和理論研究的角度都具有十分重要的意義。帶有通信約束的多自主體協(xié)作不但有著很強(qiáng)的工程應(yīng)用背景，而且對(duì)于深化人們對(duì)多自主體系統(tǒng)的這個(gè)更為廣大的研究領(lǐng)域的本質(zhì)性理解、挖掘系統(tǒng)控制科學(xué)

21、新的生長(zhǎng)點(diǎn)具有重要意義。集值系統(tǒng)的適應(yīng)控制問(wèn)題將是集值系統(tǒng)研究的核心問(wèn)題，與辨識(shí)和濾波問(wèn)題相比較，這將是更有意義也更具挑戰(zhàn)性的工作。在網(wǎng)絡(luò)控制方面，基于有限數(shù)據(jù)率的反饋控制機(jī)制，還需要建立一套同時(shí)考慮傳輸時(shí)延、信息可靠性等的信息傳輸理論；通信數(shù)據(jù)率與控制性能之間的關(guān)系，和建立計(jì)算高效和易于實(shí)現(xiàn)的控制編碼解碼和控制策略；對(duì)于多自主體和多回路控制的大規(guī)模協(xié)作系統(tǒng)，運(yùn)用信息論和圖論的方法研究有效的編碼解碼策略和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是十分重要。在網(wǎng)絡(luò)安全領(lǐng)域，需更深一步研究包括基于網(wǎng)絡(luò)反饋系統(tǒng)的魯棒控制和容錯(cuò)控制等。模式識(shí)別和計(jì)算機(jī)視覺(jué)是當(dāng)前人工智能中最具活力的研究領(lǐng)域。但是，傳統(tǒng)的難點(diǎn)基礎(chǔ)理論研究問(wèn)題和技術(shù)

22、瓶頸問(wèn)題尚未得到全面解決的同時(shí)，在基于泛在感知的海量信息智考能化處理中卻不斷地產(chǎn)生新型大數(shù)據(jù)模式識(shí)別問(wèn)題和大場(chǎng)景復(fù)雜視覺(jué)計(jì)算問(wèn)題。模式識(shí)別和計(jì)算機(jī)視覺(jué)的深人研究是提高國(guó)內(nèi)相關(guān)學(xué)科前沿創(chuàng)新能力的重要需要；是構(gòu)建面向海量龐雜、異質(zhì)多源、大范圍時(shí)空關(guān)聯(lián)的社會(huì)感知數(shù)據(jù)智能處理系統(tǒng)的核心基石。總結(jié)起來(lái)，當(dāng)前應(yīng)用需求主要包括如下幾個(gè)方面：國(guó)家安全的需要，包括軍事目標(biāo)圖像和軍事情報(bào)數(shù)據(jù)的自動(dòng)分析，互聯(lián)網(wǎng)態(tài)勢(shì)分析和反恐等；共安全的需要，包含海量龐雜、跨時(shí)空大規(guī)模視覺(jué)感知數(shù)據(jù)的語(yǔ)義理解、基于物理空間和網(wǎng)絡(luò)空間的關(guān)聯(lián)監(jiān)控和身份認(rèn)證等；基于泛在和精密感知的智能環(huán)境理解、智能人機(jī)交互、智能機(jī)器人等尤其需要先進(jìn)的視聽(tīng)覺(jué)

23、信息理解技術(shù)；多源跨時(shí)段海量遙感圖像內(nèi)容理解、空天情報(bào)實(shí)時(shí)智能化處理的需要；智能醫(yī)學(xué)對(duì)大規(guī)模醫(yī)學(xué)圖像自動(dòng)處理的需要等等。腦影像與腦認(rèn)知涉及多學(xué)科、多領(lǐng)域大跨度交叉和合作，特別是腦影像學(xué)、成像物理、數(shù)學(xué)、化學(xué)、信息科學(xué)、神經(jīng)科學(xué)、認(rèn)知心理學(xué)和醫(yī)學(xué)等領(lǐng)域的合作。在我國(guó)現(xiàn)行的教育體制下，腦科學(xué)、心理學(xué)及醫(yī)學(xué)科研工作者的數(shù)理基礎(chǔ)及計(jì)算機(jī)能力相對(duì)匱乏，需要在國(guó)家層面建立多學(xué)科協(xié)調(diào)創(chuàng)新機(jī)制。隨著數(shù)據(jù)挖掘領(lǐng)域的研究不斷深人及其愈發(fā)廣泛的應(yīng)用，數(shù)據(jù)挖掘關(guān)注的焦點(diǎn)也有了新的變化?？偟内厔?shì)是，數(shù)據(jù)挖掘研究和應(yīng)用更加“社會(huì)化”和“大數(shù)據(jù)化”。數(shù)據(jù)挖掘的理論和應(yīng)用在相當(dāng)一段時(shí)間繼續(xù)保持穩(wěn)定發(fā)展但有著朝向大規(guī)模的社交數(shù)據(jù)分析和時(shí)間序列數(shù)據(jù)分析方向發(fā)展的趨勢(shì)。移動(dòng)互聯(lián)網(wǎng)的發(fā)展，將帶來(lái)網(wǎng)絡(luò)多媒體數(shù)據(jù)的新一輪爆炸式增長(zhǎng)，衍生出更多的多媒體數(shù)據(jù)、服務(wù)和應(yīng)用形式，這為網(wǎng)