1.5 智能控制研究概述

从1932年奈魁斯特（Nyquist H.）提出有关反馈放大器稳定性理论至今，控制理论学科的发展经历了经典控制理论到现代控制理论，又由现代控制理论发展到现在的智能控制阶段。随着控制系统或者控制过程的复杂性程度（如不确定性、时变、非线性）提高，一方面，复杂系统的控制问题无法采用传统的数学工具或传统控制理论得到解决；另一方面，现代人工智能、信息、计算机和微电子等技术的飞速发展导致控制技术随之发生革命性的变革，这在很大程度上促成了智能化的工具时代提前出现。目前，智能控制已经较好地渗入到自动控制各个领域，其应用前景十分美好。

1.5.1 智能控制国内外研究现状

1971年，基于发展学习控制的角度，文献[112]首次提出智能控制的概念，归纳了人作为控制器的控制系统、人—机结合作为控制器的控制系统以及无人参与的自主控制系统等3种类型的智能控制系统。自此之后，一系列的研究与应用成果开始涌现，标志着智能控制这门新学科正式建立。如具有分层递阶功能的智能控制结构^[113，114]、基于专家系统技术的智能控制系统^[115]。此外，模糊控制、神经网络控制、专家智能控制、学习控制和定性控制等智能控制理论和技术也得到快速发展和推广应用。

（1）模糊控制。1965—1973年，ZadehL.A.^[116]先后发表了奠定模糊集理论和应用研究的基础文献“Fussysets”和“Fussysets&amp；system”、“模糊算法”、

“语言与模糊逻辑相结合的系统建立方法”，为模糊理论的工程应用奠定了坚实的理论基础^[117119]。于是，模糊逻辑被不断地应用于工程控制领域。例如，Mam-dani在1974年基于模糊逻辑成功研发了世界上第1台能实现模糊控制的蒸汽机。

1979年MamdaniE.H.和ProckyJ.J.共同提出可使复杂系统性能改善的自学

习概念。1983年日本富士电机首次对水净化处理过程实现了模糊控制，并于1987年将模糊逻辑控制技术成功地应用于仙台地铁线，1989年又将模糊控制技术引入日常用品，取得了十分理想的控制效果。此外，文献[120122]将模糊控制和传统的PID控制原理相融合，得出了有效的Fuzzy和PID控制融合的复合控制结构，并在试验和实际中得到了验证。尽管模糊控制的应用前景十分广泛，但仍存在许多待进一步深入研究的模糊控制理论问题。

（2）神经网络控制。1943年，Pitts和CullochMc开始提出神经元数学逻

辑^[123]，但关于神经网络的研究并非一帆风顺^[124，125]。直到20世纪70年代中期，人们才又开始关注神经网络的研究，并涌现出一大批显著性成果，为神经网络的工程应用迅速开辟了广阔的前景^[126130]。例如Albus提出的CMAC神经网络模型、Grossberg提出的能解决无导师指导下的模式分类的自共振理论、Hopfield提出的能解决回归网络学习问题的HNN模型、PDP研究小组提出的多层前向传播神经网络的BP学习算法、Kilmer和 Mcclloch提出的能对“阿波罗”登月车实现控制的KBM模型，从而开辟了神经网络控制的崭新时代。

（3）专家智能控制。专家控制系统一般包括控制机制、推理机制和知识库等基本组成部分，往往存在知识获取的“瓶颈”、“窄台阶”等难题，单一依靠专家系统控制无法满足复杂系统的实时自适应性控制要求，因此，如神经网络专家系统、专家模糊控制等^[131135]以专家系统融合其他人工智能技术的混合控制技术是专家智能控制的未来发展重要方向。

（4）学习控制。学习控制是模拟人类自身各种优良控制的调节机制的一种尝试，可根据系统工作对象的不同分为迭代学习控制和自学习控制系统两类^[127129]。但学习控制存在在线学习能力差，学习速度较慢，实时性能差等缺点，因此开发实时性好、精度高的优化算法是学习控制系统设计的最重要的研究内容。

（5）定性控制。与通过收集不同的时间点上系统变量取值进行系统行为模拟不同，定性推理则是基于更高的抽象层次对系统行为的定性特征进行推理。而将定性推理和控制相结合，可形成一种新的智能控制方式定性控制^[126]。与模糊控制相比，定性控制具有明显的抽象性：即定性控制基于定性模型和定性测量值，根据不完全知识，对系统的输出行为做出预测控制。

进入20世纪90年代以后，有关智能控制的研究成果大量涌现^[136143]，并取得了十分理想的控制效果。但智能控制仍属于一门新兴学科，其发展和壮大仍然有待于系统理论、人工智能和计算机技术进一步发展。随着时间的推移，智能控制必将会获得更加广泛的工程应用。

1.5.2 控制策略在高压共轨喷油系统中的应用

高压共轨喷油系统必须依靠电控单元以及电控单元中的控制策略与算法来实现高压燃油均匀雾化喷射目的。目前，电控喷油器、共轨管、高压油泵、高速电磁阀和各种传感器均正在或者将要实现国产化，而电控单元由于技术含量高，其国产化效果并不理想，一些文献^[144149]仅在起动、怠速、急减速等工况及共轨压力控制、油量控制及补偿等方面对电控单元进行了研究探讨。

喷油量计算的精确与否取决于高压共轨喷油系统中共轨压力测量和控制的精度，因此，对喷油量进行计算时，引入共轨压力波动补偿是十分重要的。国内外许多科研工作者就共轨压力测量和控制开展了一些的研究，取得了比较理想的效果。例如，文献[150]采用模糊PID闭环控制策略，在实验台上实现了共轨压力控制。文献[151]对共轨压力进行了模糊自适应PID控制，并和常规PID控制结果进行了对比。文献[152]建立了参数自调整PID控制模型，在对共轨压力控制的过程中，实现了PID控制参数的在线实时调节。文献[153]通过编程实现了共轨压力的PI控制算法。文献[154]将滑模结构控制理论和自适应模糊逻辑相结合，开发了具有良好跟踪特性和理想抗干扰能力的共轨压力反馈控制策略。文献[155]对共轨压力实现了模糊PID控制。文献[156]基于共轨系统中高压泵流量控制的仿真结果制定了共轨压力闭环控制策略。总之，目前国内共轨压力控制均采用PID及其衍生方法，国外对共轨压力控制的研究^[157，158]均为Bosch公司或Denso公司对外公开发表的文献，其研究内容均为涉及具体控制策略。

文献[159]针对喷油器高速强力电磁阀及其控制技术进行了研究，取得了具有实用价值的成果和技术数据，开发了相应的驱动器及测试设备，并投入使用。文献[160]比较全面地考虑了影响车辆和柴油机性能的因素，研究了GD 1高压共轨系统油量控制策略：主要包括起动、暖机、怠速、各缸平衡、ASD、调速过程、极限油量，并根据车辆运行特点，研究制定了减速断油、排气制动以及过渡工况等控制策略。在怠速闭环控制过程中，应用模糊控制理论，设计了模糊PID控制器，取得了较理想效果。文献[161]采用喷油量的修正和油量匹配策略以及脉宽补偿和驱动电路反馈的方法对高压共轨柴油机喷油量进行修正，有效地确保了高压共轨柴油机喷油的一致性。

以上文献研究表明，高压共轨喷油系统的控制策略和控制算法研究还不充分，仍处于简单的模仿和消化阶段。因此，将人工智能技术引入高压共轨喷油系统的控制策略和控制算法以及相关软件部分，对高压共轨喷油系统实现智能控制具有十分重要的学术价值和工程应用前景。