探讨模式识别在过程控制系统中的应用

王思月　左越　耿诗宇

摘 要：从本质上来说，模式识别是一种分类方法，不需要通过过程数学模型就可以实现高级决策，因此在很多控制领域都有非常重要的作用。模式识别在过程控制系统中应用具有很大的优越性，能够解决过程控制系统中的复杂问题。因此，本文主要分析了模式识别方法在过程控制系统中的应用，并指出其未来的研究方向与趋势。

关键词：模式识别；过程控制系统；故障诊断；自整定控制

近年来，模式识别在工业控制系统得到了广泛应用，能够有效改善控制系统的运行质量，对于提高控制精度也大有裨益。为此，本文着重探讨了模式识别在过程控制中的具体应用，并且指出了现在的研究成果、研究方向和未来的发展趋势，希望对模式识别在过程控制系统的应用起到参考和借鉴作用。

1 模式识别方法的产生及作用

模式识别方法产生于20世纪60年代，并在之后得到了快速的发展，利用这种方法可以有效地描述、分析和识别模式。具体而言，模式识别的处理方法有很多，概括起来主要有以下四种：第一，统计决策；第二，语言结构；第三，智能识别；第四，模糊识别。统计决策主要建立在决策理论的基础上，基于随机的模式，之后提取它的形状和纹理，并用参量或非参量的形式体现出来。语言结构的方法是将字词等原始的语言结构重新组合，字词间的关系主要依靠语法规则体现出来。模糊识别方法的创始人是L.A.Zadeh，这种方法的理论基础是模糊数学。最后，智能识别的方法是模式识别的进一步发展。

在过程控制系统中，模式识别具有非常重要的意义，能够有效解决普通机理建模方法的弊端。这一方法主要通过控制操作参数、输出和过程信息之间的关系，对生产工况进行预测与控制，从而有利于达到科学决策的作用。如今，模式识别可以运用到更加先进的方法与硬件，其优越性得以进一步显现，在控制系统领域一定会得到更加广泛的应用。

2 模式识别在过程控制系统中的应用

2.1 系统结构识别

自从20世纪70年代开始，模式识别就能够有效解决系统辨识，在控制领域成了一个热门研究项目。G.N.Saridis等研究人员将结构识别的方法运用到非线性系统之中，主要将非线性系统作为主要的研究对象，成为决策的重要理论依据。结构识别的方法也可以通过研究互相关函数，在应用K近邻法的理论基础上，将非线性随机系统划分为已知类别，并运用了随机逼近学习理论中的相关参数，达到对整个系统的识别与控制。

之后，出现了J.Kittler等研究人员，这些人员在运用Saridis等人研究成果的基础上，有效解决了非线性系统中的结构辨识问题。W.J.Hill在生物系统辨识领域中也应用了这一方法。M.Cadaparthi对分布参数系统进行了深入研究，是对模式识别概念的进一步发展。首先，通过分析验前信息，从而通过计算得到系统数学模型。在输入系统中的有效信息之后，运用观测向量得到模式向量，再通过模式向量得到决策结果。由此可知，决策结果是依据模型结构得出的，可以看作是模型结构的解。

2.2 动态建模与状态估计

如果技术人员对模型结构不清楚，所有数据也都是从系统中得来，除了要依靠模型结构进行辨识以外，还需要依靠相关参数才能达到模式识别的作用。另外，只有通过模式识别，才能有效地建立动态模型。具体而言，动态建模与状态估计的主要建立过程如下：首先，需要设定一个非线性SISO系统，之后再运用计算公式DE：x（k+1）=f（x（k），u（k）），在模型结构未知的前提下，我们可以将x（k+1）的值域划分为R个子域，即【ximin，ximax】（i=1，…，R；ximax=xi+1min），如果根据已知的x（k）与u（k），就可以通过分类的方法，计算得知x（k+1）的子域范围，这样就能够起到描述DE动态特性的作用。

2.3 智能与优化控制

从理论上来说，模式识别借鉴了行为科学中的很多理论成果，不仅具有记忆与学习的功能，同时具有较强的适应性。因此，模式识别可以有效应用到研究结构不确定，或者随机环境结构中，对于系统结构分析与决策有非常重要的作用。

假定控制过程未知，仅能从输出定性关系表现模型，x（k+1）=F（x（k），u（k）），y（k）=G（x（k））。在上述公式中，x（k）属于状态向量，而y（k）属于离散时间输出向量，u（k）则属于控制输入向量。在这一控制理论模型中，最主要的目的是要找出过程持续阶段的控制序列，提高预测与判断的精准度，尽量降低性能准则J（u）的数值。

在过程控制系统中，模式识别得到了有效运用，出现了很多智能化的模式控制方案。在最优控制的前提下，Smith在控制系统中引入了可训练模式分类器，之后K.S.Fu还研究出了再励学习系统，将“奖优罚劣”的原则贯彻其中，并对LQG系统进行了深入研究，提出了子目标的系统划分方法。以上研究发现在过程控制系统中都得到了广泛应用，其理论还在卫星姿态控制、核反应堆控制系统等领域都得到了应用。另外，在Bayes学习法的基础之上，Saridis也拓展了模式识别的应用领域，将其应用到未知参数系统的控制中，并实现了渐进最优控制的目标。最后，一些学者还在机械手、热轧机和交通系统等领域应用模式识别，极大地拓展了模式识别的应用范围。

2.4 自整定控制

自整定控制的主要标准参数是PID，控制过程分为两大部分：第一，获取充分的过程特性；第二，优化控制器中的相关参数。通常来说，过程特性的获得必须在线进行，但是控制器参数的优化在离线状态下也可以进行。当前，PID参数自整定通常都运用离线的方式，通过整定规则来获得。由此可见，过程特性的获取尤为重要，是得出在线计算量的前提，需要借助过程模型体现出来，因此获取特性的过程就是模式识别的过程。过程模型需要依靠专业的辨识技术，但是如果运用PID进行参数自整定的话，所采用的方法就属于闭环辨识，需要尽量控制对闭环系统的扰动，在辨识方法和程序上较为简便。根据模式识别的应用实践来看，模型辨识方法也存在很多弊端。第一，开展模型辨识的过程需要相应激励，会对闭环系统产生扰动作用；第二，模型辨识需要符合实际情况，并且需要精准地辨识相关模型参数。据此，目前又产生了一种新型的自整定控制方法，即专家自整定方法。这种控制方法以模式识别为基础，是建立在工程师的专业知识之上的，通过在线识别的方式对相关参数进行整定。这种方法具有较强的适应性，同时具备性能好的特点。但是，如果这种自整定方法不具备模式判断知识，或者由于其他原因使专家系统产生错误，就会导致控制系统的发散效应。因此，这种自整定方法仍需进一步修改与完善。

3 结语

模式识别在过程控制系统中的应用已日趋广泛，但仍面临很多问题，需要进一步地妥善解决。今后，模式识别的应用应当注重过程控制系统的复杂性，利用专家系统法提高算法速度，并达到实时控制的目标。同时，要探索模式识别在过程控制应用的新领域，充分发挥模式识别的作用，拓展模式识别的应用范围。

参考文献：

[1] 邱道尹，陈铁军，韩兵，吴天福.模式识别在控制系统中的应用[J].郑州工学院学报，1995（03）.

[2] 胡泽新，蒋慰孙.模式识别在过程控制系统中的应用[J].信息与控制，1990（06）.

[3] 赵元黎，李云亭.模式识别在工业控制系统中的应用[J].郑州大学学报（自然科学版），1994（06）.