CAA

智慧起航，共创未来

2023年3月8日上午，同济大学李莉教授做客“感悟她力量——CAA三女神节特别讲座”并作题为“人工智能时代控制技术应用与发展趋势”的报告。

20世纪以来，控制科学是发展最为迅速与最重要的学科之一。无论是对国民经济的发展还是国家安全，它都起着非常重要的作用。本报告首先回顾了控制科学的发展历史，然后介绍自动控制在智能制造领域的应用情况和发展现状，最后展望了人工智能时代背景下控制科学的发展趋势。

一、 控制发展历史

与人类发展历史相适应，控制科学发展主要分为五个阶段：古早时期、萌芽时期、经典控制时期、现代时期、智能控制时期，如图1所示。尽管控制理论的发展不足一百年，但早在2000年前就出现了控制的基本思想。公元前256年中国战国时期的水利学家李冰主持了都江堰水利工程，它是运用地形进行水量和泥沙的调节作用，使人、地、水、三者高度协和统一进而实现了蓄水的功能。公元前250年，亚历山大发明家克特西比乌斯设计了计时装置水钟，利用水和浮球装置实现时间的计量。

图1 控制科学发展的历史阶段

早在公元60年，古希腊数学家海伦就设计了第一个通过投币实现内部装置的摇摆使饮用水流出的智能装置。1005年，荷兰发明家德雷贝尔发明了近代欧洲最早的反馈控制系统——恒温培养箱，它通过液体的气化或者气体的液化实现阀门开关控制，从而达到温度恒定，如图2所示。这些早期的控制思想给人类带来了巨大的便利，也让我们感受到控制的强大力量。

图2 古早时期

在两次工业革命期间，控制进入了萌芽时期，如图3所示。瓦特在1788年发明的蒸汽机的离心式调速器被应用于工业过程的反馈系统，促进了工业生产进程。近代造船史上，我国清末的著名科学家徐寿和樊宏邦也在1865年就设计了我国的第一艘蒸汽机轮船，揭开了中国近代船舶工业发展的帷幕。现在航海、航空常见的陀螺罗盘也是在19世纪末20世纪初发明的。在1913年，福特出现的第一条汽车装配流水线，使其装备速度提高了八倍。

图3 萌芽时期

随着控制应用的出现，经典控制理论正在逐步形成，如图4所示。1868年，麦克斯威尔提出了特征根判别的稳定性问题，开启了反馈控制动力学问题的研究。李雅普诺夫方程奠定了常微分方程的基础，劳斯-赫尔维茨稳定性判据实现了不求解特征方程进行稳定性判断。1922年俄裔美国工程师米诺斯基（Nicholas Minorsky）通过理论分析将PID控制器应用于战舰的自动转向系统，之后PID控制也广泛应用于工业过程控制；1927年美国电气工程师布莱克（Harold S. Black）发明了负反馈放大器，这一发明被认为是二十世纪最重要的突破之一，从此彻底改变了应用电子学领域，，这些是经典控制理论的初步形成阶段。控制科学与实际需求之间是紧密相连的，并且在当时背景下得到了大力发展，如图5所示。1932年戈达德发明了惯性制导系统，标志着战略导弹打击时代的到来。1935年瓦特发明的雷达，使英国在二战中避免了生命财产的巨大损失。1936年，德国工程师欧海因发明了世界上第一驾以涡轮喷气发动机为动力并投入使用的喷气式飞机，标志着人类航空事业进入了风机时代。

图4 经典控制理论形成时期

1939年出现了第一驾实用的直升飞机VS-300，并广泛地用于运输、巡逻、旅游、救护等领域。特别是VT信管技术的发明，开创了精确制导武器的先河。与此同时，这些巨大应用发展也促进了经典控制理论成熟。从1932年开始，控制学开启了时域向频域的发展，如图6所示，例如，用于飞机控制系统等动态系统的奈奎斯特稳定判据。特别是1948年，维纳出版了《控制论》一书，为控制论在当时的研究提供了非常科学的定义，也成为控制论诞生的标志。1948年，埃文斯提出的根轨迹分析方法，在控制系统分析设计以及系统校正中得以广泛运用。

图5 经典控制理论快速发展时期

我国科学家钱学森院士在1954年出版了工程控制论，首次把控制论推广到工程控制领域，同时，经过控制科学的长期发展，1960年，在第一届国际自动控制联合会议，提出了很多经典控制理论。随着复杂系统发展，特别是航空航天技术的不断进步，传统的经典控制理论难以解决其中问题，于是现代控制理论迎来了高速发展的成熟时期，如图7所示。

图6 经典控制理论成熟时期

美国科学院院士贝尔曼在1954年提出了动态规划方法来解决多阶段决策优化问题。苏联科学院通讯院士庞特里雅金提出了极大值原理，卡尔曼提出了卡尔曼滤波方法和状态空间方法等。前者解决了随机系统的自由估计问题，推动了多个领域的应用，而后者解决了系统的数学表达问题。在动态规划、极大值原理、卡尔曼滤波以及状态空间法的基础上现代控制理论基本形成。

图7 现代控制理论形成时期

在20世纪60年代，迎来了现代控制理论的黄金时期，如图8所示。例如，黄琳院士提出了二制型最优控制，解决了一系列复杂系统的基本问题，推动了控制理论发展。埃塞克解决了完全对抗的二人零和对策问题，推动了军事领域上的应用。席裕庚教授针对预测控制解决了预测过程输出未来值的问题，促进控制策略的发展。

图8 现代控制理论黄金时期

20世纪60年代之后，随着人工智能和计算机技术的发展，迎来了智能控制的新时期。智能控制有三大主流方向，包括模糊控制、专家系统以及神经网络控制。1965年美国数学家扎德（Lotfi Zadeh）提出了模糊逻辑并推动了模糊控制理论发展，吴宏鑫院士在2005年提出组合自适应模糊控制理论，解决了不确定系统模型控制问题，推动了模糊理论的工程化。第一个专家系统诞生于1965年，当时主要是用于化学分子结构的快速推断。之后出现了一系列工业控制的专家系统，以及天气预报的专家系统、儿科疾病诊断的专家系统等。神经网络是目前非常热的研究话题，无论是从卷积神经网络到生成对抗神经网络，包括残差神经网络，这一系列神经网络发展也在不断地和控制系统相结合，为控制系统赋予更强大的力量。

二、 制造领域中的控制技术

我国是制造大国，《中国制造2025》明确提出要以推进智能制造为主攻方向，实现制造业由大变强的历史跨越。智能制造是为了满足中国制造业转型升级的强烈需求，主要是以智能产品为主体、智能生产为主线、智能服务为主题，应用工业互联网大数据，云计算等先进的技术实现整个全生命周期的集成，从而实现制造的数字化、网络化、智能化的技术，如图9所示。

图9 智能制造

智能制造的发展经历了不同的时期。数字化制造是第一代智能制造，它起源于20世纪50年代，这个时候以数字化为主要特征，通过建立了一批数字化的生产线和数字车间来推进以机器人应用为核心的数字化改造。在产品方面形成了以数控机床为代表的数字化产品。在制造方面，通过大量地应用数字化装备和数字化设计、建模与仿真，实现全功能数字系统。

德国哈姆州加工中心的埃菲尔铁塔的制造，西门子全球首座数字化工厂的正式投运，都是数字化智能制造的雏形，如图10所示。20世纪90年代末，随着网络技术兴起，工业互联网与制造相结合，形成了数字化、网络化制造。我国也推出了一系列政策推动互联网和制造业深度融合，在网络支持下，人、流程、数据、业务，这些过去相互孤立的节点实现了互通互联。这时已不再局限在工厂内部的信息化与数字化，实际上向上延伸到了供应商，向下延伸到了客户。产品全生命周期的用户、企业等主体都实现了连接交互，并且可以进一步地充分支持产品的设计研发等环节的协同共享，打通了供应链、价值链、数据流和信息流的集成与互联互通。目前随着智能化技术不断应用也形成了数字化、网络化、智能化制造。不断地将人工智能与先进制造技术相融合，实现自动化向智能化的转变。

图10 第一代智能制造

在智能制造中，无论是底层的设备智能化还是生产过程中的流程自动化、管理自动化，甚至供应链的智能化，控制科学在其中发挥着重要作用，如图11所示。在实际制造环境下，制造任务是不断地动态变化。采取自适应控制，依据规划分配的任务难度能够自适应地调整作业策略和实施方案，这是控制发挥的重要角色。实际上有很多先进的自动化仓储拣选系统、移动机器人履行系统，已经满足了高动态性和有限制资源的需求，持续地跟踪生产环境状态进行自适应的任务规划，实现了物料及产品配送。无论是大型充电场景还是大型仓储，通过不断地将传感互联技术和后端分析处理技术及前端控制技术结合，可以将生产工艺进一步优化。

图11 第一代智能制造

通过设备前端的传感器采集数据，在后台进行分析然后应用到模糊决策策略上可以实现质量的有效管控。目前常用的高炉内温度控制，就是采用模糊控制实现的。另外，我们还常常运用控制优化自动化生产线的工艺，如图12所示。例如，在仓库中规划路径，将物料从一个工位快速传送到另一个工位，从而让生产满足高度连续性生产的要求，这些都离不开控制系统以及集成控制技术的应用。目前还出现了多机协同集群化思想。在京东亚洲一号的无人仓，分布式机器人系统依赖自主导航与控制完成相互的自主协同控制，最终完成相应的物料传送。匈牙利的工厂物料搬运系统TE Connectivity，也是利用200多个机器人实现物料的自动搬运。

图12 自适应任务调度-移动机器人履行系统

机器人不仅在复杂的生产环境下广泛运用，而且在空地协同中也在大量应用。它将传统的地面监测向三维立体空间扩展，实现了立体升维管理。例如，无人机凭借空间全局视野的优势，可以用于工厂园区的巡查、管理一些难以发现的区域。

各种各样的场景中，都离不开控制技术的运用。机器视觉自检系统已经广泛应用于工况的监测、成品的检验、质量控制，以及通过边缘设备采集数据，从而及时发现生产的运营以及异常工况。另外，机器人自动巡检系统已经在机器人编队协同与变电站的自动巡检中大量应用。随着工业互联网的广泛应用，目前已经实现了数字工厂产品信息化、设施管理、生产过程的监测及库存监控。

三、 人工智能与控制

图13 人工智能发展简史一

由于受限于计算机内存和处理速度，以及数据集的严重缺失及一些理论问题，人工智能技术的发展停滞过一段时间。但是20世纪80年代专家系统的兴起以及相关的工艺应用，又使大家进一步对人工智能产生了兴趣。例如，当时卡内基梅隆大学和DEC联合设计了专家系统XCON。美国道格拉斯·莱纳特带领做了大百科全书的项目，如图14所示。但当时的计算平台主要是台式机，这些专家系统无法发挥出最大的性能。21世纪初因为算力被巨大地提升，出现深度学习等技术。例如一些典型的案例，IBM公司的电脑“深蓝”战胜国际象棋世界冠军卡斯帕罗夫，阿尔法GO战胜人类围棋高手。

图14 人工智能发展简史二

得益于计算机、网络、通讯等等技术进步发展，大家又认识到人工智能的优越性和强大能力，与此同时人工智能快速发展也使得智能控制不断向前发展。无论是信息处理、信息反馈还是控制决策的方式，都引入了智能化元素。在智能控制的应用上，出现了同时兼具自主能力和主动作业能力的机器人系统。在航空航天领域，智能控制应用包括摄动技术应用、迭代制导、高可靠冗余技术等，这些技术应用在长征系列运载火箭和飞行器中。

现在很多专家学者都在把强化学习引入控制领域，从底层原理上理解，强化学习也是控制中非常重要的思想。控制系统的稳定性、可靠性主要通过负反馈实现的。强化学习实际上是控制中正反馈非常强的应用，它是以试错的方式进行，并不断地以奖赏强化优势行为，这正是控制中的正反馈思路。所以，控制的思想是无处不在的，并且给我们提供了巨大能力。现在的智能体强化学习、边缘强化学习、深度强化学习、部分可观测强化学习都离不开控制科学，如图15所示。未来，如何将控制与人工智能相结合，产生原创性的技术创新以及理论的创新，怎样把智能技术、自动化技术、控制技术运用在自主智能无人系统中，这是我们学校研究的重点。

图15 强化学习

目前已出现各类自主智能无人系统，如飞鱼系统、无人舰艇以及仿真机器人、无人车等陆地智能无人系统。未来中国的智能控制发展将从图16中六个方面不断地向外延伸。智能技术不断地从单一智能技术向多种技术混合发展，学习内容由原来的控制器参数学习向环境结构对象学习改变，以获得复杂环境的感知能力，学习方式也由单一的学习转换到多种方式混合。应用范围从变参数学习控制向变结构、变环境、复杂位置对象的应用环境转变，从而建立智能学习控制的一般性设计理论和相应的评价理论。学习方式的发展主要是研究和开发新学习算法、新学习方式。

图16 智能控制发展前景

希望越来越多的学者能够遨游控制之海，感受控制之美！

作者简介

李莉

同济大学教授

李莉，女，教授，博导，同济大学控制科学与工程系主任，兼任IFAC 5.1委员、中国自动化学会（CAA）集成自动化技术专业委员会秘书长、CAA专家咨询工作委员会委员、中国兵工学会智能武器装备技术专业委员会委员、中国人工智能学会自然计算与数字智能城市专业委员会委员、IEEE Trans. Automation Science and Engineering编委、Autonomous Intelligent Systems副主编等。李莉教授长期从事复杂制造系统建模、优化与控制研究，主要方向包括基于数据的建模与优化、生产计划与调度、设备健康管理等。主持或参加国家自然科学基金、国家科技重点研发计划课题等项目10余项，在Automatic、IEEE Trans. Evolutionary Computation、IEEE Trans. on Neural Networks and Learning Systems、IEEE Trans. Industrial Informatics等国际期刊发表论文30余篇，出版学术专著《数据驱动的半导体制造系统调度》入选“十三五国家重点出版物出版规划项目”和“丝路书香工程”。获2020年CAA自动化与人工智能创新团队奖（带头人）、2015年CAA技术发明奖一等奖（排名第3）、2012年上海市技术发明奖一等奖（排名第3）、2022年中国指挥与控制学会科学技术二等奖（排名第6）、第十届中国江苏人才创新创业大赛数字经济揭榜赛三等奖等。

END