西門子吉林代理商PLC中國(授權)一級代理

計算機控制系統是測量技術、計算機技術、通信技術和控制理論的結合。由于計算機具有大量存儲信息的能力、強大的邏輯判斷能力及其快速運算的能力，使計算機控制能夠解決常規控制所不能解決的難題，能夠達到常規控制達不到的優異的性能指標。計算機控制系統的發展與數字化、智能化、網絡化為特征的信息技術發展密切相關，其發展前景是非常廣闊的。

可編程控制器（Programmable Logic Controller-簡稱PLC），是用于控制生產過程的新型自動控制裝置。近年來，由于開發了具有智能I/O模塊的PLC，它可以將順序控制和過程控制結合起來，實現對生產過程的控制，并具有很高的可靠性。

由于可編程控制器把計算機的編程靈活、功能齊全、應用面廣等優點與繼電器系統的控制簡單、使用方便、抗干擾能力強、價格便宜等優點結合起來，而其本身又具有體積小、重量輕、耗電省等特點，因而在工業生產過程控制中得到了廣泛的應用。

它可以代替傳統的繼電器完成開關量控制，如輸入、輸出、定量、計數等。不僅如此，高檔的PLC還可以和上位機一起構成復雜的控制系統，完成對溫度、壓力、流量、液位、成份等各參數的自動檢測和過程控制。

發展以現場總線（Fieldbus）和技術等先進網絡通信技術為基礎的DCS和FCS控制結構，采用先進的控制策略，向低成本綜合自動化系統的方向發展，實現計算機集成制造/工程系統（CIMS/CIPS）。

在生產過程中，為了提高產品的質量和產量，節約原材料、降低成本，常會要求生產過程處于zuijia工作狀況。Zui優控制就是恰當地選擇控制規律，在控制系統的工作條件不變以及某些物理條件的限制下，使得系統的某種性能指標取得Zui大值或Zui小值，即獲得zuihao的經濟效益。

Zui優控制理論是50年代中期在空間技術的推動下開始形成和發展起來的 。蘇聯學者L.S.龐特里亞金1958年提出的極大值原理和美國學者R.貝爾曼1956年提出的動態規劃，對Zui優控制理論的形成和發展起了重要的作用。線性系統在二次型性能指標下的Zui優控制問題則是R.E.卡爾曼在60年代初提出和解決的。 

從數學上看，確定Zui優控制問題可以表述為：在運動方程和允許控制范圍的約束下，對以控制函數和運動狀態為變量的性能指標函數（ 稱為泛函 ） 求取極值（ 極大值或極小值）。解決Zui優控制問題的主要方法有古典變分法（對泛函求極值的一種數學方法）、極大值原理和動態規劃。Zui優控制已被應用于綜合和設計Zui速控制系統、Zui省燃料控制系統、Zui小能耗控制系統和線性調節器等。

在Zui優控制系統中，當被控對象的工作條件發生變化時，就不再是Zui優狀態了。若系統本身工作條件變化的情況下，能自動地改變控制規律，使系統仍能處于zuijia工作狀態，其性能指標仍能取得zuijia，這就是自適應控制。自適應控制包括性能估計（系統辨識）、決策和修改三部分。

自適應控制器能修正自己的特性以適應對象和擾動的動態特性的變化。

自適應控制的研究對象是具有一定程度不確定性的系統，這里所謂的“不確定性”是指描述被控對象及其環境的數學模型不是完全確定的，其中包含一些未知因素和隨機因素。

任何一個實際系統都具有不同程度的不確定性，這些不確定性有時表現在系統內部，有時表現在系統的外部。從系統內部來講，描述被控對象的數學模型的結構和參數，設計者事先并不一定能準確知道。作為外部環境對系統的影響，可以等效地用許多擾動來表示。這些擾動通常是不可預測的。此外，還有一些測量時產生的不確定因素進入系統。面對這些客觀存在的各式各樣的不確定性，如何設計適當的控制作用，使得某一指定的性能指標達到并保持Zui優或者近似Zui優，這就是自適應控制所要研究解決的問題。

自適應控制和常規的反饋控制和Zui優控制一樣，也是一種基于數學模型的控制方法，所不同的只是自適應控制所依據的關于模型和擾動的先驗知識比較少，需要在系統的運行過程中去不斷提取有關模型的信息，使模型逐步完善。具體地說，可以依據對象的輸入輸出數據，不斷地辨識模型參數，這個過程稱為系統的在線辯識。

隨著生產過程的不斷進行，通過在線辯識，模型會變得越來越準確，越來越接近于實際。既然模型在不斷的改進，顯然，基于這種模型綜合出來的控制作用也將隨之不斷的改進。

在這個意義下，控制系統具有一定的適應能力。比如說，當系統在設計階段，由于對象特性的初始信息比較缺乏，系統在剛開始投入運行時可能性能不理想，但是只要經過一段時間的運行，通過在線辯識和控制以后，控制系統逐漸適應，Zui終將自身調整到一個滿意的工作狀態。再比如某些控制對象，其特性可能在運行過程中要發生較大的變化，但通過在線辯識和改變控制器參數，系統也能逐漸適應。

人工智能（Artificial Intelligence，AI）是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能涉及到計算機科學、心理學、哲學和語言學等學科。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。

人工智能涉及信息論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。人工智能學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、計算機視覺、智能機器人、自動程序設計等方面。

人工智能具有代表性的兩個jianduan領域是專家系統和機器人。

由于工業對象通常是多輸入、多輸出的復雜關聯系統，具有非線性、時變性、強耦合與不確定性等特點，難以得到jingque的數學模型。

面對理論發展和實際應用之間的不協調，在工業過程控制領域內，美國和法國首先出現了一類新型計算機控制算法，如動態矩陣控制（Dynamic Matrix Control，DMC）和模型算法控制（Model Algorithmic Control，MAC）。

這類算法以對象的階躍響應或脈沖響應直接作為模型，采用動態預測、滾動優化的策略，具有易于建模、魯棒性強的顯著優點，十分適合復雜工業過程的特點和要求。它們在汽輪發電機、蒸餾塔、預熱爐等控制中的成功應用，引起了工業過程控制領域的極大興趣。

1980年代初期，這類控制算法得到了介紹與推廣，其應用范圍也有所擴大，逐漸形成了工業過程控制的一個新方向。近年來，自適應控制研究中，為了增強控制算法的適用范圍和魯棒性，吸取了預測控制的策略，形成了遠程預測控制、廣義預測控制等算法，構成了基于辨識模型的另一類預測控制算法。此外，基于狀態方程模型、非線性模型的預測控制算法也開始得到研究與應用，這些算法統稱為模型預測控制算法，已是當前工業過程控制領域中很有發展前途的一類新型算法，并在石油、化工和發電等領域內得到了成功的應用。

預測控制屬于基于模型的先進控制算法范疇，但預測控制的發展更從實際應用出發而不是從理論研究的觀點出發。預測控制的另一個優點是其形式開放（過程模型的描述、期望軌跡的選擇和優化策略方面），這使得此后許多研究人員不斷地定義了自己的預測控制算法。

預測控制的優點是其應用靈活性，如可采用串級結構的預測-PID控制方式。該方法充分發揮了串級結構、PID控制和預測控制的各自特點，同時保證了對抗干擾反應的快速性和對系統模型失配的魯棒性的設計要求。

預測控制作為先進過程控制的典型代表，它的出現對復雜工業過程的優化控制產生了深刻影響，在全球煉油、化工等行業數千個復雜裝置中的成功應用以及由此取得的巨大經濟效益，使之成為工業過程控制領域中Zui受青睞的先進控制算法。不僅如此，由于預測控制算法具有在不確定環境下進行優化控制的共性機理，使其應用跨越了工業過程，而延伸到航空、機電、環境、交通和網絡等眾多應用領域。