传统控制 智能控制

一、传统控制 智能控制

智能控制与传统控制：技术演进与比较

在工业自动化领域，智能控制与传统控制是两种不同的控制方法，它们各有优劣，适用于不同的应用场景。本文将探讨这两种控制方法，分析它们的技术演进和比较。

传统控制

传统控制是指基于数学模型和经验规则设计的控制方法，通常采用PID控制器等经典算法来实现对系统的控制。传统控制方法在工业控制领域应用广泛，已经有数十年的发展历史。

传统控制方法的优点在于稳定性好，控制原理清晰，易于理解和实现。通过传统控制方法可以对系统进行准确、稳定的控制，适用于许多需要高精度控制的场景。

然而，传统控制方法也存在一些局限性，比如在复杂系统、非线性系统等方面表现不佳，很难处理非线性和时变系统的控制问题。

智能控制

智能控制是近年来兴起的一种新型控制方法，它基于人工智能、模糊逻辑、神经网络等技术，通过学习和优化实现对系统的控制。智能控制方法具有较强的自适应性和智能化程度。

智能控制方法的优点在于能够适应复杂系统、非线性系统等各种复杂控制场景，具有强大的泛化能力和适应能力。通过智能控制方法可以更加快速、高效地实现系统的控制。

然而，智能控制方法也并非没有缺点，比如对系统建模要求高、调试难度大、透明度与可解释性差等问题，使得智能控制方法在某些领域应用受到挑战。

技术演进与比较

随着人工智能技术的发展和应用，智能控制方法在工业控制领域的应用逐渐增多，逐渐成为一种重要的控制方法。智能控制方法可以通过大数据分析、机器学习等技术不断优化和完善，适应更多复杂场景的控制需求。

与传统控制方法相比，智能控制方法在某些方面具有明显优势，但也需要解决一些技术和应用上的挑战。在实际应用中，智能控制与传统控制的选择取决于具体的控制要求、系统特点和应用场景。

结论

智能控制与传统控制是两种不同的控制方法，在工业自动化领域各有应用优势。随着技术的不断发展，智能控制方法将逐渐取代传统控制方法，成为未来工业控制的主流趋势。然而，传统控制方法在一些特定的场景仍然具有重要意义，在实际应用中需要根据具体情况进行选择和权衡。

二、什么是电子控制？机械控制？气动控制？液压控制？

在工程上，要实现某种控制，必须借助于某种具体的物质手段。

所谓电子控制，借助的是电子器件和电子电路；所谓机械控制，借助的是机械零件和机械设备；所谓气动和液压控制，借助的都是流体，利用流体的压强（压力）传递功能。

三、内部控制与具体控制（如成本控制）有什么区别？

内部控制和成本控制都是管理行为； 内部控制的目的是为了保证财务报表的可靠性、经营的效率、合规性，而在企业内部建立起各个职能部门间分工、牵制和监督的一套制度，也可以说是一种统治手段，比如以前的朝廷上，内阁拥有决策权，但是执行权在六部，另外监察御史打小报告（风闻奏事），最后东厂代表皇帝监督所有人....内部控制的目的，就是建立这套相互牵制，监督的体制，以保证皇帝（股东）的利益。总的来说，内部控制是政治性的，政治会影响所有人。 成本控制是企业为了达到预计成本目标，通过分析影响成本的要素，并调节这些要素以达到成本目标的过程。在朝廷里，这个过程大致就是皇帝觉得官员俸禄太高，号召全国官员为人民服务，自动减薪，然后对官员的灰色收入睁一只眼闭一只眼.....然后朝廷的预算表就很好看了....成本控制一般来说是技术性的，但是可能造成的风险决不限于技术性部门。一、什么是内部控制内部控制，是指由企业董事会（或者由企业章程规定的经理、厂长办公会等类似的决策、治理机构，以下简称董事会）、管理层和全体员工共同实施的、旨在合理保证实现企业基本目标的一系列控制活动。内部控制的目标（见视野官方博客）视野咨询认为，内部控制目标， 简单讲就是决定内部控制基本方向一个点，从内部控制理论的沿革过程来看，内部控制概念大体经过了内部会计控制、内部控制、内部控制结构和内部控制成分等几个主要阶段。可将内部控制目标的要义归纳如下： 　　1、经济、高效地实现组织的目标；　　2、按管理当局一般的或特殊的授权进行业务活动；　　3、保障资产的安全与信息的完整性；　　4、防止和发现舞弊与错误；　　5、保证财务报告的质量并及时提供可靠的财务信息。二、什么是成本控制1，成本控制是企业根据一定时期预先建立的成本管理目标，由成本控制主体在其职权范围内，在生产耗费发生以前和成本控制过程中，对各种影响成本的因素和条件采取的一系列预防和调节措施，以保证成本管理目标实现的管理行为。　　成本控制的过程是运用系统工程的原理对企业在生产经营过程中发生的各种耗费进行计算、调节和监督的过程，同时也是一个发现薄弱环节，挖掘内部潜力，寻找一切可能降低成本途径的过程。科学地组织实施成本控制，可以促进企业改善经营管理，转变经营机制，全面提高企业素质，使企业在市场竞争的环境下生存、发展和壮大。2，成本控制主要内容：按成本形成过程划分1、产品投产前的控制这部分控制内容主要包括：产品设计成本，加工工艺成本，物资采购成本，生产组织方式，材料定额与劳动定额水平等。这些内容对成本的影响最大，可以说产品总成本的60%取决于这个阶段的成本控制工作的质量。这项控制工作属于事前控制方式，在控制活动实施时真实的成本还没有发生，但它决定了成本将会怎样发生，它基本上决定了产品的成本水平。2、制造过程中的控制　　制造过程是成本实际形成的主要阶段。绝大部分的成本支出在这里发生，包括原材料、人工、能源动力、各种辅料的消耗、工序间物料运输费用、车间以及其它管理部门的费用支出。投产前控制的种种方案设想、控制措施能否在制造过程中贯彻实施，大部分的控制目标能否实现和这阶段的控制活动紧密相关，它主要属于始终控制方式。由于成本控制的核算信息很难做到及时，会给事中控制带来很多困难。3、流通过程中的控制　　包括产品包装、厂外运输、广告促销、销售机构开支和售后服务等费用。在目前强调加强企业市场管理职能的时候，很容易不顾成本地采取种种促销手段，反而抵消了利润增量，所以也要作定量分析。按成本费用的构成划分1、原材料成本控制　　在制造业中原材料费用占了总成本的很大比重，一般在60%以上，高的可达90%，是成本控制的主要对象。影响原材料成本的因素有采购、库存费用、生产消耗、回收利用等，所以控制活动可从采购、库存管理和消耗三个环节着手。　2、工资费用控制　　工资在成本中占有一定的比重，增加工资又被认为是不可逆转的。控制工资与效益同步增长，减少单位产品中工资的比重，对于降低成本有重要意义。控制工资成本的关键在于提高劳动生产率，它与劳动定额、工时消耗、工时利用率、工作效率、工人出勤率等因素有关。　3、制造费用控制　　制造费用开支项目很多，主要包括折旧费、修理费、辅助生产费用、车间管理人员工资等，虽然它在成本中所占比重不大，但因不引人注意，浪费现象十分普遍，是不可忽视的一项内容。4、企业管理费控制　　企业管理费指为管理和组织生产所发生的各项费用，开支项目非常多，也是成本控制中不可忽视的内容。 上述这些都是绝对量的控制，即在产量固定的假设条件下使各种成本开支得到控制。在现实系统中还要达到控制单位成品成本的目标。

企业需要更加之中价值链的成本控制，价值链分析目标就是要找出企业具有竞争优势的资源，而低成本策略优势企业保持竞争优势的一项重要选择，找到二者的切入点，我们可以借助价值链分析，从控制成本的角度是企业赢得竞争优势。听说17日下午1点在上海市虹口区中山北一路369号上海财经大学博思楼，有前500强财务总监李品主讲的管理会计实践沙龙活动（高顿财经），就是主讲成本控制，之前听过他的一些其他的分享活动，收获还是很大的，值得一去

四、模糊控制、PID控制、自适应控制、H控制和滑模控制分别属于什么控制？

PID控制要看是哪种，如果是经典PID那就是PID，不属于最优或智能。还有模糊PID、自适应PID等，它们的分类就取决于前面那个词儿了。模糊控制和滑模控制属于智能控制，自适应控制和H控制属于最优控制。

所谓最优控制，就是控制问题最后归结为求解一个性能指标J，使得性能指标最小的情况下得出所要的控制律u。自适应的一般思路是比较模型输出和系统的实际输出，求解一个优化问题使得两者的偏差最小，这样模型就能反映系统的实际状态，然后根据这个模型就可以计算相应的控制律u了。自适应就是模型不断适应实际系统，然后根据模型计算需要的东西就可以了。H控制是假定系统有参数摄动的情况下设计控制律，依然最后归结为某个性能指标J。

模糊控制和滑模控制都是不需要系统模型的，模糊控制根据系统的实际反映划分隶属度函数，滑模控制是通过改变系统的结构（通过控制器）使其趋于想要的目标。

不太精确的说，你可以按照是否需要模型来划分，一般不用模型的控制方式基本都是智能控制一类。需要模型的一类基本都是最优控制，其实还是因为最优控制的性能指标J依赖于模型，要想利用黎卡提方程以及其他极点配置等现成方法必须要知道系统的模型才可以。可参考线性系统理论。

五、控制理论有哪些控制

控制理论有哪些控制

什么是控制理论

控制理论是一种数学工具和方法，用于研究系统的控制、稳定性和性能。通过控制理论，我们可以设计控制器来改变系统的行为，以满足特定的需求和要求。控制理论在各个领域都有广泛的应用，包括工程、经济、生物学等。

控制理论的基本原理

控制理论的基本原理包括反馈、稳定性和性能。反馈是控制理论中的重要概念，它指的是将系统的输出返回到系统的输入，从而改变系统的行为。稳定性是指系统在任何情况下都能保持平衡和稳定。性能则关注系统实现特定任务的效率和准确性。

常见的控制方法

控制理论有许多不同的方法和技术，常见的控制方法包括比例-积分-微分（PID）控制、模型预测控制、模糊控制等。每种控制方法都有其适用的场景和优势，可以根据具体问题选择合适的控制方法。

PID控制

比例-积分-微分（PID）控制是最常见和最基本的控制方法之一。它通过比例控制、积分控制和微分控制来调节系统的输出，以实现期望的控制效果。PID控制具有简单、稳定、高效的特点，被广泛应用于工业控制和自动化系统中。

模型预测控制

模型预测控制是一种基于系统模型的控制方法，通过预测系统的未来行为来调节控制输入，以实现优化的控制效果。模型预测控制在需要高精度和复杂系统的控制中具有优势，但也需要较复杂的数学模型和计算能力。

模糊控制

模糊控制是一种基于模糊逻辑的控制方法，它能处理模糊和不确定性的系统，适用于非线性和复杂系统的控制。模糊控制通常通过模糊规则和模糊推理来实现控制效果，具有良好的鲁棒性和适应性。

控制理论的发展趋势

随着科技的不断发展，控制理论也在不断创新和进步。未来控制理论的发展趋势包括智能控制、自适应控制、网络控制等方向。这些新兴技术和方法将进一步推动控制理论的应用和发展，为各个领域带来更多可能性。

六、多智能体系统协同控制、最优控制、预测控制前景如何？

在读博士生一枚，应博导要求调研矿区场景下的多车编队控制技术研究现状，遂展开文献调研。本博客为提供给博导的调研报告，从多智能体编队控制技术展开介绍，随后收缩到车辆领域，阐述了矿区场景的相关研究现状。本文档会概述该领域下的几个重要研究点的进展与趋势，对于想要入坑的同僚可以提供确定具体课题的依据。

调研方式为：首先在web of science上进行关键词检索，然后在connected papers以及google scholar上搜索与该文献相关的研究，最后结合搜索出的文献中的introduction再进行文献调研。最终收入zotero的期刊、会议与学位论文数量为113篇，但限于篇幅，下文不进行具体引用。本博客不会详述现有文献的研究进展，重在从初学者视觉出发，讨论与思考各方向的特点，帮助大家结合各自长处选择合适的课题。

编队控制技术起源于多智能体领域，在无人机（Unmanned aerial vehicle, UAV）、无人船（Unmanned surface vehicle, USV）和无人小车（Unmanned ground vehicle, UGV）上应用最为广泛。Darpa自动驾驶挑战赛结束后，2010年左右，多车方面开始成规模的开展编队控制相关研究。本博客首先概述编队控制方法的主要内容，随后讲述该技术在多车方面的研究现状。

方法概述

编队控制指通过控制多个智能体，使得各个智能体保持某一预先设定的形状，如菱形与线形等。编队控制技术主要包括领航-跟随法、虚拟结构法、基于行为法、基于图论法与人工势场法。

（1）领航-跟随法

领航-跟随法指设定一个领导者，其余智能体跟随该领导者行动。根据控制变量，该方法可分为separation-bearing与separation-separation，如图 1.1所示。

separation-bearing指控制跟随者与领导者之间的相对距离与夹角，separation-separation指控制某智能体与相邻两智能体之间的距离。针对上述两种类型，常见的控制方式为将被控变量作为状态量，基于现代控制理论设计控制策略。常见的理论依据包括：模型预测控制、滑模控制与控制。

（2）虚拟结构法

虚拟结构法指预先设定某一队形，将所有智能体视为一个刚体，随后令所有智能体按照既定轨迹运动，如下图所示。

虚拟结构法实施简单，但是难以用于编队形状需要频繁变换的场景。并且由于需要集中式架构，计算节点的通信负荷较大，容易出现单点硬件问题。

（3）基于行为法

基于行为法指针对特定行为设计特定的控制函数，而最终施加在智能体上的结果通过多种函数输出结果的加权求和等方式获得，如下图所示。

与虚拟结构法相比，基于行为法采用分布式架构，因此对通信要求较低。但由于难以进行稳定性与鲁棒性分析，如何保证编队形状收敛仍有待研究。

（4）基于图论法

基于图论法指将多智能体以及其通信关系抽象为有向或无向图，随后利用图论分析各节点的运动方式，进而进行控制，如下图所示。

相较于其他方法，图论法对于通信拓扑动态变化的场景较为适用，但是该方法下智能体只能与附近的智能体通信。

（5）人工势场法

人工势场法指针对场景中的不同对象，如其他智能体、车道边线等构建不同的引力或斥力函数，根据引力与斥力的和来判断智能体的运动倾向，如下图所示。

势场法易于处理避障问题，并且实时性高，因此易于实时应用。但是，合适的势场函数设计困难，并且势场法给出的结果常为局部最优。

不同方法的关键性能对比如下表所示。

多车编队控制

矿区场景下的研究

未找到矿区场景下做多车控制方面的研究，仅发现少数做单车路径规划或运动控制的简单研究。经调研后我认为该领域研究匮乏的主要原因是缺乏基础工具，主要为仿真软件、数据集与模型：

1.在仿真软件方面，暂时没有专门针对矿区的仿真软件，现有研究主要基于Prescan或Ros等城市交通软件，通过导入矿区地图来进行简单的场景模拟。然而，该方式很难模拟三维场景，并且生成的场景粗糙且还原度低；

2.在数据集方面，2022年在CVPR上有一篇论文首次给出了矿区场景的数据。然而，该数据面向定位研究且数据量很小。我与其作者沟通后得知，他们那边经过几届研究生的努力，自己开发了一个简易的矿区仿真软件，但是不会开源；

3.在模型方面，目前算法层面能利用到的最复杂模型为平面四轮模型，对于三维重载多轮车辆模型仍有缺失。

根据现状可知，开展矿区场景的研究需要大量前期工作。当前L5级自动驾驶无法实现，各大厂商开始降级自动驾驶技术，重点落地L2级别的技术，更加关注矿区、学校等封闭场景。因此，矿区相关的自动驾驶研究重要性有所上升。在迁移其他场景的技术至矿区前，上述三个内容有必要率先解决。

非矿区场景下的研究

与UAV、UGV、USV不同，多车领域的编队控制很少研究多种队形，大部分论文针对线性队形。在线性队形的基础上，主流的编队控制方法为领航-跟随法。在过去十年间的研究主要针对纵向队列控制，在队列异质性、通信、稳定性、节能与安全方面有深入探讨。下文将阐述各子领域的主要研究内容与方法。

（1）异质性

异质性分为弱异质与强异质，弱异质指系统结构相同但参数不同。在设计控制方法时表现为系统状态方程阶数与结构相同，但某个参数不同。强异质指系统结构不同，即每辆车的状态方程阶数与结构不同。针对异质问题，常见的方法包含两种：1. 将参数不同带来的影响转化为系统不确定性问题，即异质系统控制问题转化为同质系统包含不确定性部分的控制问题，进而可以基于鲁棒控制理论设计控制方法；2. 为异质模型设计同质参考模型，并且令异质模型跟踪同质模型，在此基础上继续套用同质模型的控制方法；3. 以分布式架构进行队列控制，在设计局部控制器时考虑相邻车辆的异质性。

（2）通信问题

队列通信的基础是确定通信拓扑，主流方法基于图论对拓扑进行建模。该模型的关键属性为拉普拉斯矩阵，大部分研究通过分析该矩阵的特征值设计满足稳定性等性质要求的控制方法。进一步，部分学者针对拓扑变化展开研究，拓扑变化类型包括两种：1. 非自由变化，即在满足某种条件后（例如时间）进行队列变换；2. 自由变化。两种类型下的研究重点均为稳定性，许多研究基于李雅普诺夫理论分析稳定性条件，然后设计应对控制方法。除了队列拓扑问题，通信方面的另一大重点为通信延迟与丢包问题。在通信延迟方面，常见的方法为Razumikhin-based method和Krasovskii-based method。前者基于李雅普诺夫理论且常用于离散系统，后者针对泛函分析理论且常用于连续系统。两种方法的核心均为推导系统稳定性条件，随后基于该条件设计控制方法。在通信丢包方面，许多研究通过变化拓扑，利用预测信息补偿来解决感知信息缺失的问题。

（3）稳定性

多车编队控制领域的稳定性主要指内部稳定性与弦稳定性。内部稳定性定义为：控制系统闭环稳定，即被控系统（某辆车）接收控制量后输出的结果收敛。弦稳定性具有多种定义，适用于不同特征的问题，其原始定义为：队列前部的车辆遇到扰动时，该扰动不会向队列后部逐渐扩大。在多车控制领域，队列稳定性更加重要与困难，因此大部分论文聚焦于队列稳定性。弦稳定性分析需要以特定通信拓扑为基础，大量文章探讨车辆间距设置与弦稳定性的关系。该领域目前比较公认的结论为：固定相对距离策略下，前车跟随拓扑无法满足弦稳定性要求。引入领导者的信息与采用固定时距策略可以有效提升弦稳定性。

（4）节能与安全

多车编队控制领域兴起时公认的研究意义为：通过将多辆车组队降低总风阻，进而降低油耗。理论上相对车距越小风阻越低，但车距越小弦稳定性也越差，即二者冲突。部分研究聚焦于控制合适的相对车距来降低风阻，进而实现节能。除此之外，部分研究基于V2I技术与交通信号灯，研究交通流层面的队列速度规划问题，通过避免频繁变速来节能。在车辆控制方面，许多研究选择构建能耗函数，并将该函数作为惩罚函数构建优化模型，进而实现节能控制。然而在实际做法上，上述研究同质性较强，基本都是拟合一个能耗函数然后放进惩罚函数，主要区别在于能耗函数本身，以及由能耗函数不同导致的车辆模型不同。在安全方面，编队控制领域大部分文献只考虑队列内部的车辆避障问题，即避免前后车碰撞。常见方式为引入相对车距约束并构建最优控制模型，进而获得防止碰撞的控制量。对于如何防止外部障碍物的研究较为匮乏。

总结与思考

在上节综述中，异质性、通信与稳定性属于编队控制关注的基本性质，也是该领域研究最广的三点内容，节能与安全次之。相关研究具有如下特点：

1. 在基本性质的研究上，研究方法大多属于现代控制理论，MPC、滑模控制与控制比较常见。绝大部分研究（不论是异质、通信或稳定）将所研究的问题转换为稳定性条件分析，随后基于李雅普诺夫理论进行分析或推导；
2. 大部分研究只讨论纵向控制，通用的模型比较简单（适用于理论推导）。少部分考虑横向控制的研究，其方式主要为将纵向与横向分开控制；
3. 实现节能的方式同质性强，个人认为不同论文在节能上的创新性缺乏说服力；
4. 考虑安全的论文局限性强，缺乏对考虑外部车辆的讨论。
5. 几乎没有实验研究

以上为文献调研的总结，下面我将针对每一条特点阐述我的思考（包括产生原因或进入该领域会面临的难处）：

1. 在基本性质研究上，李雅普诺夫理论应用十分广泛。但是基于李雅普诺夫的研究重点在于寻找合适的李雅普诺夫函数，此处很吃经验。并且，为了满足理论应用要求，控制系统很可能会进行大量简化，进而失去落地价值。如果向复杂系统卷，那很难拼得过正儿八经搞控制的人；
2. 目前缺少适用于编队控制的纵横向集成的车辆模型，单车领域的此类模型比较复杂，很难进行理论推导。除此之外，现有关于基本性质的研究聚焦线性队列，如果队形不是线性了，可能会有一堆性质无法继续用；
3. 我认为车辆节能的根本在于车辆底层的控制方式。但若想从规划层实现节能，就不能仅针对某路口、路段，而是应该站在足够高的层次，例如在交通网络层面实施路径或速度规划；
4. 当前用于编队的车辆模型在状态变量上很难考虑外部车辆。要想实现躲避外部障碍物，要么引入新的模型、要么在现有模型上讨论状态量变化方法、要么设计新的控制架构（即通过编队控制模型以外的模型实现避障）；
5. 现阶段可行的实验为利用无人小车，比如UGV。但是为了研究UGV的编队控制，在硬件设备与维护成本上的人力物力投入不亚于学术研究。

发展趋势

在编队控制方面，论文中出现较多的发展趋势有以下方面：

1. 引入学习类算法，组合多种算法以平衡优缺点。（以往没有协同车辆数据，所以没见到基于深度学习的研究，但是2023/5出来了首个真实场景下采集的时许车路协同数据集，虽然该数据面向感知与预测，但是在控制方面存在利用价值）
2. 结合预测、事件触发等方式，弥补通信质量对控制的影响
3. 考虑复杂城市交通的动态场景，因此车队需考虑外部障碍物，并且能够进行纵横向控制
4. 开展实验验证
5. 研究强异质性与混合交通下的编队控制

七、伺服控制的控制功能？

伺服控制器又称伺服驱动器、伺服放大器,是一种用于控制伺服电机的控制器,其功能类似于作用在普通交流电机上的变频器,属于伺服系统的一部分。

八、什么是控制FPGA控制？

一般CPU也就是指的单片机MCU之类的，MCU的优势是能够很好很容易的设计大型的，复杂的控制流程项目。而FPGA主要实现接口之类的模块，或者针对某一算法而用它实现高速电路。一般用这两种配合实现大型项目，CPU控制，FPGA接口或者算法。 祝你成功！

九、消防直接控制和直线控制控制什么设备？

所谓的消防直线控制，是指消防联动控制器对消防设备的直线控制，指的是采用独立的手动控制单元，每个控制单元通过直接连接的导线和控制模块对应控制一个受控消防设备，属于点对点控制方式。直线控制一般采用多线控制。属于总线控制的一个分支。