本文轉載自德先生(D-Technologies)授權轉載。
原文連結:https://mp.weixin.qq.com/s/b1Uw1V8Oj2PUQfmINZqQwQ
該綜述結合中國自動化科學與技術的發展狀況和中國絕大多數大學設有自動化專業的現狀,借鑑自動化科學與技術發展歷程中的成功經驗,結合國家社會經濟發展和國家安全對自動化系統的未來需求,以生產製造系統、重要運載工具和人參與的資訊物理系統為主要物件,以自動化系統的發展方向—智慧自主控制系統、智慧最佳化決策系統和智慧最佳化決策與控制一體化系統的願景功能為目標,以研究實現願景功能的建模、控制與最佳化新演算法和新的自動化系統的設計方法和實現技術以及結合重大應用領域開展的應用研究為主線,提出了自動化科學與技術的發展方向,並結合新興應用領域對自動化科學與技術的需求與挑戰,提出了未來自動化科學與技術的發展方向。
關鍵詞:智慧自主控制系統,智慧最佳化決策系統,智慧最佳化決策與控制一體化系統,人參與的資訊物理系統,人工智慧驅動的自動化
DOI: 10.16383/j.aas.2018.c180252
自動化技術在人類生產、生活與管理程式中起到了不可替代的作用。自動化技術廣泛應用於製造業,使以機械裝備製造等為代表的離散工業製造過程和以石油、冶金、材料等重要原材料工業和電力等能源工業為代表的流程工業過程實現了自動化,顯著提高了產品質量和生產效率。自動化技術廣泛應用於製造企業的經營管理和生產管理中,使企業的資源計劃和製造過程管理的效率顯著提高,成為提高企業競爭力的核心技術[1-2]。自動化技術在航空、航天、軌道交通、汽車、海洋運載工具的導航、制導與控制、機器人的控制與運動軌跡的規劃中發揮著不可取代的作用[3]。
正如文獻[4]所指出的,處處可見作為自動化技術的重要組成部分的控制技術,控制技術在幾乎所有的主要技術革命中都發揮了重要作用。例如,從蒸汽機到高鐵、輔助駕駛汽車、高效能飛機,從火箭到航天器,從有線電話到手機,從照相機到神經影像,從敏捷製造到機器人,從醫療裝置到遠視手術等,控制技術在上述技術革命中對提升系統效能如速度、效率、可靠性和穩定性以及減少能源消耗、成本和廢物排放等方面發揮了不可取代的作用。
當前,已開發國家將智慧製造作為提升製造業整體競爭力的核心高技術。美國智慧製造領導聯盟提出了實施21世紀“智慧過程製造”的技術框架和路線[5]。德國針對離散製造業提出了以智慧製造為主導的第四次工業革命發展戰略,即“工業4.0”計劃[6]。英國宣佈“英國工業2050戰略”,日本和韓國先後提出“I-Japan戰略”和“製造業創新3.0戰略”。面對第四次工業革命帶來的全球產業競爭格局的新調整,為搶佔未來產業競爭制高點,我國宣佈實施“中國製造2025”。
智慧製造的關鍵是實現製造流程智慧化,這就需要將人工智慧技術與製造流程的控制系統、管理系統和製造流程的物理資源深度融合與協同。迄今為止,人工智慧技術還沒有統一的、明確的界定。文獻[7]指出,AI(Artificialintelligence)不是單一技術,而是應用於特定任務的技術集合。文獻[8]指出,雖然對AI的界定並不明確且隨時間推移不斷變化,但AI的研究和應用多年來始終秉持一個核心目標,即使人的智慧行為實現自動化或複製。人工智慧技術的涵義是透過機器智慧延伸和增強人類的感知、認知、決策、執行等功能,增強人類認識世界與改造世界的能力,完成人類無法完成的特定任務或比人類更有效地完成特定任務。
2016年10月,美國白宮釋出了《美國國家人工智慧研究與發展策略規劃》,謀劃美國未來的人工智慧發展。2017年7月,中國國務院印發《新一代人工智慧發展規劃》,人工智慧正式成為我國國家戰略。2018年3月1日,美國國際戰略研究所釋出報告《美國機器智慧國家戰略報告》,提出了機器智慧技術對國防、經濟、社會等方面的廣泛影響和發展戰略。
美國國家情報委員會在2030年全球趨勢(GlobalTrend2030)中,從經濟、社會發展角度提出了未來四大重要技術,其中,自動化和製造技術為第二大重要技術;華盛頓郵報網站(2013.5.24)給出了驅動未來經濟的12種顛覆性技術,其中,知識性工作的自動化列為第二種顛覆性技術。由此可見,自動化科學與技術已經成為社會經濟發展、國家安全、使人類生活變得越來越美好的不可取代的技術。
然而,自動化科學與技術,特別是控制科學與技術,沒有像通訊和計算機技術那樣得到社會的理解和支援。為此,國外學者組織了多次專題討論會,出版了研究報告,旨在論證系統與控制是大多數應用領域中資訊和通訊技術的核心,提出了新的研究方向,希望得到基金資助機構的優先考慮和支援[4;9-11]。雖然這些研究報告對控制理論的發展起到了積極的促進作用,但並沒有使系統與控制成為資助機構優先資助的領域。我國負責自動化科學與技術發展的部門曾多次組織國內學者開展自動化學科發展和優先資助領域的戰略研究,出版了研究報告,闡明自動化科學與技術的重要性和優先資助的研究方向[12-13]。這些研究報告對自動化學科的發展起到了積極的促進作用。雖然與國外相比,我國有負責自動化科學與技術發展的基金資助機構與資助經費,但是自動化科學與技術在國家社會經濟發展和國防安全中發揮的作用卻不如通訊、計算機等其他資訊科學和技術那樣明顯,獲得的資助經費也少於通訊、計算機等其他資訊科學和技術。
自動化科學與技術始終圍繞著建模、控制與最佳化三個基本科學問題開展研究,它所形成的核心基礎理論——建模、控制、最佳化理論和方法具有“使能”性。因此,大多數工程技術與工程管理專業都將建模、控制與最佳化理論和方法作為該專業基礎的必修課。國外大學一般不設立自動化專業,從事系統與控制研究的教授主要在其他工程專業講授控制理論課程。而在我國,大多數大學設有自動化專業,但從事控制理論研究的學術帶頭人多,從事自動化系統技術研究的學術帶頭人少,而且重傳統控制理論,輕自動化系統技術。
上述研究報告主要根據理論的發展提出研究方向,然而,自動化科學與技術的建模、控制、最佳化理論與方法是透過與應用領域的實際物件結合,研製具有動態特性分析、預測、控制與最佳化決策功能的自動化系統來體現其在人類認識世界和改造世界活動中發揮的不可替代的作用。
特別是,當今國際上資訊科學與技術的重要研究方向是Cyber-PhysicalSystems(CPS)。美國國家科學基金會在2008年提出,CPS是計算資源與物理資源的緊密融合與協同,使得系統的適應性、自治力、效率、功能、可靠性、安全性和可用性遠超過今天的系統[14]。計算資源主要指自動化(建模、控制、最佳化)、計算機、通訊,物理資源主要是指CPS的研究物件所涉及的領域知識。研究目標是研製實現未來需求功能的系統。智慧手機、IBM的同聲傳譯系統、AlphaGo等智慧技術系統是典型的CPS。CPS是多學科交叉的產物,是當今資訊科技條件下的自動化系統。創造未來需求的新功能的系統已成為資訊科學與技術的研究目標。
為了使中國的自動化專業在國家社會經濟發展和國家安全中發揮不可取代的作用,本文以智慧自主控制系統、智慧最佳化決策系統和智慧最佳化決策與控制一體化系統作為未來需求的自動化系統發展方向,以生產製造系統和重要運載工具為主要物件,以實現上述系統的願景功能為目標的系統理論與技術研究為主線,提出了自動化科學與技術的發展方向,結合新興應用領域對自動化科學與技術的需求與挑戰,提出了未來自動化科學與技術的發展方向。
1. 自動化科學與技術的定義與特徵
自動化的界定並不明確,且隨時間推移不斷變化,但自動化的研究和應用多年來始終秉持一個核心目標:研製系統代替人或輔助人去完成人類生產、生活和管理活動中的特定任務,減少和減輕人的體力和腦力勞動,提高工作效率、效益和效果。由於我國大多數大學都設有自動化專業,科技部和國家自然科學基金委員會都設有專門部門負責自動化科學與技術的發展,因此,有必要從學術和專業的角度對自動化科學與技術給出定義。百度對自動化的定義如下:廣義的自動化,是指在人類的生產、生活和管理的一切過程中,透過採用一定的技術裝置和策略,使得僅用較少的人工干預甚至做到沒有人工干預,就能使系統達到預期目的的過程,從而減少和減輕了人的體力和腦力勞動,提高了工作效率、效益和效果。由此可見,自動化涉及到人類活動的幾乎所有領域,因此,自動化是人類自古以來永無止境的夢想和追求目標。
自動化科學與技術主要以工業裝備為代表的固定物體、運載工具為代表的運動體以及人參與的資訊物理系統為研究物件,以替代人或輔助人來增強人類認識世界和改造世界的能力為目的,綜合運用控制科學與工程、系統科學與工程、資訊與通訊工程、電腦科學與技術、數學與人工智慧等學科知識和所涉及物件的領域知識,研究具有動態特性模擬與分析、預測、控制與最佳化決策功能的自動化系統設計方法和實現技術的一門工程技術學科。
自動化科學與技術具有如下明顯的特徵:
(1)交叉性
自動化科學與技術是具有明顯交叉性的學科。自動化科學與技術的理論基礎(建模、控制、最佳化理論與方法)的建立是由數學、物理、電腦科學、以及研究物件所涉及的領域學科交叉形成。所研製的自動化系統涉及到控制科學與工程、系統科學與工程、資訊與通訊工程、電腦科學與技術、數學、人工智慧等學科知識和所涉及物件的領域知識。工程技術專家、數學家、經濟學家和物理學家等都對該領域的發展做出了貢獻。
(2)使能性
自動化科學與技術的核心理論基礎是動態系統的建模、控制與最佳化的理論與方法,核心技術基礎是具有動態特性模擬與分析、預測、控制與最佳化決策功能的系統設計方法與實現技術。
自動化科學與技術的使能性表現在其動態系統建模理論與方法所提供的動態特性建模與引數估計方法有助於其他學科在研究物件的機理基礎上建立動態數學模型、進行動態特性模擬與分析的研究;控制理論與方法所提供的反饋、前饋、預測、自適應控制器設計方法和思想以及控制系統效能分析方法有助於機械、電氣與電子、化工與冶金等其他學科領域涉及的控制系統設計與分析的研究;最佳化理論與方法所提供的靜態與動態最佳化決策理論與方法有助於其他學科領域涉及的系統最佳化執行和最佳化決策的研究。
(3)系統性
系統性是自動化科學與技術的重要特徵。自動化科學與技術總是從“系統”的角度來分析與研究所涉及到的研究物件的動態建模、控制和最佳化決策。特別是反饋控制,透過反饋機制改善了被控物件的動態特性,形成的反饋控制系統可以達到預期的目的。自動化科學與技術的建模、控制、最佳化理論與方法是透過具有動態特性分析、預測、控制與最佳化決策功能的系統來體現在人類認識世界和改造世界活動中發揮的不可替代的作用。今天,大型而複雜的物理系統與越來越多的分散式計算單元相結合用以監測、控制、管理和最佳化決策。物理系統的各個元素透過物質、能量或動量的交換而相互聯絡,而控制和管理與最佳化決策系統的各個單元則透過通訊網路相互聯絡。例如,智慧電網、水資源控制與管理系統、交通管理與指揮系統、智慧工廠、智慧城市、智慧醫療等。只有對這種人參與的資訊物理系統進行建模、預測、控制和最佳化決策的深入研究,才有可能更好地設計監測、控制、管理和最佳化決策系統,才能實現節能減排,有效地改善人類的生活。
(4)廣泛性
透過上對自動化科學與技術的交叉性、使能性和系統性的分析,可以看到自動化科學與技術還具有廣泛性的特徵。
自動化科學與技術的研究物件具有廣泛性。研究物件可以是固定的物體,如以機械製造工業為代表的離散工業和以原材料工業為代表的流程工業中的生產製造裝備、建築設施等;研究物件可以是移動的物體,如航天航空器、軌道交通與汽車、陸運運動體、機器人等;研究物件也可以是人參與的資訊物理系統,如企業管理系統、交通管理系統、生物系統、社會管理與經濟系統。
自動化科學與技術的應用領域具有廣泛性。採用自動化科學與技術所研製的自動化系統廣泛應用到工業、農業、軍事、科學研究、交通運輸、商業、醫療、服務和家庭等各個領域,涉及到人類的生產、生活和管理的一切過程。
自動化科學與技術針對同一研究物件所研究的自動化系統的功能具有廣泛性和多樣性。例如,針對工業過程研究動態特性建模可以實現工業過程的動態特性模擬與分析;研究過程控制可以實現工業過程的輸出跟蹤工藝所確定的設定值;研究過程執行最佳化可以實現表徵工業過程的加工產品的質量、效率、消耗等執行指標的最佳化控制;研究由不同工業過程組成的全流程生產線的協同最佳化控制可以實現生產線生產指標的最佳化控制;研究企業經營決策、計劃排程的管理與最佳化決策可以實現企業的綜合生產指標最佳化;研究生產工況的建模可以實現異常工況的監控與自愈控制。
2. 自動化科學與技術的發展歷程
很久以前,大自然就發現了反饋。它創造了反饋機制並且在各個層次利用這些機制,它是機體平衡和生命的核心[11]。反饋控制系統最早出現在風車上。當時發明的離心調速器就是一種反饋控制系統,其目的是使風車保持恆定轉速執行[15]。為了使織布機和其他機器保持恆定轉速,1788年,吉姆斯·瓦特成功地改造了離心調速器。離心調速器是一個比例控制器,因此會產生穩態誤差。後來的調速器加入了積分作用[15-16],從此調速器成了蒸汽機不可分割的一部分。蒸汽機與調速器的廣泛應用推動了第一次工業革命。如何設計一個穩定的調速器成為一個極富挑戰的科學難題。麥克斯韋(Maxwell)開始了調速器的理論研究[17]。麥克斯韋推匯出三階線性微分方程來描述調速系統,同時發現可以透過閉環系統特徵方程的根確定系統的穩定性。緊接著,數學家勞斯和赫爾維茨建立了一般線性系統的穩定性判據[18-19]。上述工作奠定了控制理論的基礎。
19世紀初,Sperry發明了陀螺駕駛儀,應用於船舶駕駛[16;20-21]。陀螺駕駛儀可以調整控制器引數,也可以設定目標航向。該控制器是一個典型的PID控制器。PID控制不僅廣泛應用於上述領域,而且應用於電力工業,使傳送帶於1870年開始在辛辛那提屠宰場使用,推動了基於勞動分工和以電為動力的大規模生產,形成了第二次工業革命。如何選擇PID控制器引數使控制系統具有良好的效能的研究吸引了大量的工程師和科學家,直到1942年,ZieglerNichols建立了PID引數的整定方法[22]。
為了解決長途電話的失真問題,貝爾實驗室的HaroldBlack工程師發明了負反饋放大器[23]。不穩定或“嘯叫"常常出現在反饋放大器的試驗中。因此,長途電話通訊的技術挑戰帶來了反饋迴路的穩定性問題。1932年,亨利·奈奎斯特(HarryNyquist)開始研究這個問題,建立了“奈奎斯特判據”[24]。1943年,貝爾實驗室的伯德領導的小組設計M9火炮指揮控制系統,採用了伯德發明的設計反饋控制系統的工具 | Bode圖[25]。上述成果奠定了經典控制理論的基礎。
50年代末到60年代初,航天技術的發展涉及到大量的多輸入多輸出系統的最優控制問題,用經典控制理論已難以解決。數字計算機的出現使得亨利·龐加萊(1875~1906)的狀態空間表述方法可以作為被控物件的數學模型和控制器設計與分析的工具。於是產生了以極大值原理、動態規劃和狀態空間法為核心的現代控制理論[26]。然而,現代控制理論難以應用於工業過程。工業過程往往是由多個迴路組成的複雜被控物件,難以用精確數學模型描述。大規模工業生產的需求、計算機和通訊技術的發展催生了一種專門的計算機控制系統|邏輯程式控制器(PLC)。1969年,美國Modicon公司推出了084PLC[27]。該控制系統可以將多個迴路的感測器和執行機構透過裝置網與控制系統連線起來,可以方便地進行多個迴路的控制、裝置的順序控制和監控。1975年,Honeywell和Yokogawa公司研製了可以應用於大型工業過程的分散式控制系統(DCS)[28]。以組態軟體為基礎的控制軟體、過程監控軟體的廣泛應用使得生產線的自動化程度更高,推動了第三次工業革命。
在工業過程控制中,現有的控制理論和控制系統的設計方法的研究集中在保證閉環控制迴路穩定的條件下,使被控變數儘可能地跟蹤控制系統的設定值。從工業工程的角度看,自動控制或者人工控制的作用不僅僅是使控制系統輸出很好地跟蹤設定值,而且要控制整個生產裝置(或過程)的執行過程,實現執行最佳化,即使反映產品加工過程的質量、效率的執行指標儘可能高,反映消耗的執行指標儘可能低。工業過程的執行最佳化需求使得實時最佳化(RTO)和模型預測控制(MPC)廣泛應用於可以建立數學模型的石化工業過程。對於難以建立數學模型的冶金工業過程,高技術公司針對具體的工業過程開發了工藝模型進行開環設定控制,資料驅動的智慧執行最佳化控制技術的研發受到工業界和學術界的廣泛關注[29-32]。
大規模的工業生產迫切需要生產企業的管理高效化。自動化技術開始應用於企業管理。20世紀60年代初計算機財務系統問世,從此人工的管理方式開始逐漸被計算機管理系統代替。20世紀60年代末70年代初,財務系統擴充了物料計劃功能,發展成為物料需求計劃系統(MaterialRequirementsPlanning,MRP)。20世紀70年代末80年代初,MRP系統中增加了車間報表管理系統、採購系統等,於是發展成為MRPII。但是MRPII不能配置資源,因此配置資源計劃系統(DistributionResourcePlanning,DRP)出現了,單一功能的製造過程管理系統(如質量管理系統)也相繼出現。到20世紀80年代末90年代初,MRPII逐漸演變為企業資源計劃(EnterpriseResourcePlanning,ERP),DRP演變為供應鏈管理(SupplyChainManagement,SCM),而車間層應用的專業化製造管理系統演變成整合的製造執行系統(ManufacturingExecutionSystem,MES)[33-34]。ERP和MES廣泛應用於生產企業,顯著提高了企業的競爭力。
3. 自動化科學與技術面臨的挑戰與發展方向
縱觀自動化科學與技術發展史,給我們如下啟示:1)自動化科學與技術的產生和發展來自人類改造自然的實際需求;2)自動化科學與技術的產生和發展源於控制科學與工程;3)實際需求與實現技術推動了控制系統的出現與發展;4)控制系統的設計與效能分析的需求產生和推動了控制理論的發展,控制理論的發展對控制系統的設計與效能分析起到了重要推動作用;5)以工業系統為代表的固定物體、以船舶、飛行器、火炮為代表的運動體的控制系統的設計與效能分析推動了控制理論的形成與發展。
經過改革開放,中國的自動化科學與技術取得了巨大發展,主要體現在控制理論與控制工程、系統工程、導航、制導與控制、檢測技術與裝置、模式識別與智慧系統、機器人等方面以及在社會經濟發展、國家安全等方面的諸多應用研究。基礎研究已達到國際先進水平,在自動化科學與技術的國際頂級期刊IEEE彙刊與IFAC會刊發表的論文數量與質量顯著提高。特別是結合國家在智慧製造、航天、軌道交通等領域的重大需求開展的自動化科學與技術研究取得了一批推動上述領域科技進步併產生重要國際影響的學術成果。總體上來看,基礎研究還處於跟跑與同跑階段,缺乏領跑的研究成果,在國家社會經濟發展和國防安全中發揮的作用不如其他資訊科學和技術那樣明顯。
中國的社會經濟與國家安全進入了快速發展階段,人們在生產、生活與管理中提出了更高的要求。國家實施的智慧製造、網際網路+、大資料、新一代人工智慧等重大發展戰略對自動化科學與技術的發展提出了新的要求。移動網際網路、雲端計算、大資料應用技術和人工智慧技術的突破性發展促使工程技術人員與研究人員將以自動化、計算機、通訊為主的計算資源與以研究物件為主的物理資源深度融合與協同,使研究的系統在適應性、自治力、效率、功能、可靠性、安全性和可用性方面遠超過今天的系統。
為了適應國家發展的需求和人們在生產、生活與管理中的新要求,今天關鍵的基礎設施系統如工業系統、交通系統、能源系統、水資源系統、生物系統、醫療系統、通訊系統等正在向網路化、智慧化方向發展,這就對控制系統和管理與決策系統提出了新的要求。控制系統正在向智慧自主控制系統的方向發展,管理與決策系統正在向智慧最佳化決策系統和智慧最佳化決策和控制一體化系統方向發展。
面向生產製造過程的智慧自主控制系統的願景功能是:智慧感知生產條件變化,自適應決策控制迴路設定值,使迴路控制層的輸出很好地跟蹤設定值,對執行狀況和控制系統的效能進行遠端移動與視覺化監控和自最佳化控制,使生產製造系統安全、可靠、最佳化與綠色執行[35]。
面向生產製造企業的智慧最佳化決策系統和智慧最佳化決策與控制一體化系統主要是製造全流程智慧協同最佳化控制系統和智慧最佳化決策系統。智慧協同最佳化控制系統的願景功能是:智慧感知執行工況的變化,以綜合生產指標的最佳化為目標,自適應決策智慧自主控制系統的最佳執行指標;最佳化協同生產製造全流程中的各工業過程(裝備)的智慧自主控制系統;實時遠端與移動監控與預測異常工況,自最佳化控制,排除異常工況,使系統安全最佳化執行,實現製造流程全域性最佳化。智慧最佳化決策系統的願景功能是:實時感知市場資訊、生產條件和製造流程執行工況;以企業高效化和綠色化為目標,實現企業目標、計劃排程、執行指標、生產指令與控制指令一體化最佳化決策;遠端與移動視覺化監控決策過程動態效能,自學習與自最佳化決策;人與智慧最佳化決策系統協同,使決策者在動態變化環境下精準最佳化決策。
面向航天器、汽車、陸用武器等重要運載工具的智慧自主控制系統的願景功能是:快速準確感知環境資訊,識別環境的不確定性和多樣性任務,使被控物件成為智慧自主體,能夠修正自己的行為以適應環境的不確定性,自主決策與自主控制,實時安全可靠地完成任務。
面向運載工具的智慧決策系統和智慧決策與控制一體化系統是多智慧體協同控制系統和導航與制導一體化控制系統。多智慧體協同控制系統的願景功能是:感知整個群體區域環境資訊,自主學習,協同最佳化決策,自主協同執行,快速、可靠、安全地完成總體目標任務。導航與制導一體化控制系統的願景功能是:快速感知環境資訊,融合多元異構資訊,自主產生精確導航資訊,自動為制導系統給出導航資訊,制導與控制系統使被控運載工具快速、準確地跟蹤導航資訊,準確、迅速、安全可靠地到達目的地。
為了實現生產製造過程未來需求的自動化系統的願景功能,需將生產製造過程的自動化系統發展為五大系統:1)製造過程智慧自主控制系統;2)製造全流程智慧協同最佳化控制系統;3)智慧最佳化決策系統;4)智慧安全執行監控與自最佳化系統;5)工業過程虛擬製造系統。由五大系統構成兩層結構的現代整合製造系統,即智慧最佳化決策系統和製造流程智慧化控制系統,取代由ERP、MES和PCS(DCS)組成的三層結構整合製造系統。製造流程智慧化控制系統由生產製造過程智慧自主控制系統和製造全流程智慧協同最佳化控制系統組成。智慧安全執行監控和自最佳化系統和製造過程虛擬製造系統保證構成兩層結構的兩大系統安全可靠最佳化執行。
為了實現運載工具未來需求的自動化系統的願景功能,需將運載工具自動化系統發展為三大系統:1)智慧自主控制系統;2)多智慧體協同控制系統;3)導航制導一體化控制系統。
以實現上述系統的願景功能為目標,開展上述新系統理論與系統實現技術的研究以及在智慧製造、機器人、航天航空、高鐵等重大應用領域的應用研究,將會成為對我國社會經濟發展和國家安全做出重要貢獻的自動化科學與技術的發展方向。
目前,複雜製造全流程中的工況識別、執行控制和ERP與MES中的決策仍然依靠知識工作者。知識工作者依靠資料、文字、影像等資訊和經驗進行工況識別、執行控制和決策,難以實現離散工業產品個性定製的高效化和流程工業的高效化與綠色化[36]。然而,大資料驅動的人工智慧技術取得了革命性進步。自動化科學與技術本質上是數學模型驅動的人工智慧技術。大資料驅動的人工智慧技術與自動化科學與技術的結合必將產生人工智慧驅動的自動化。大資料、移動網際網路、雲端計算為人工智慧驅動的自動化開闢了新途徑。人工智慧驅動的自動化必將在智慧製造中發揮更重要的作用。
自動化技術不僅在航空、航天、軌道交通、汽車、海洋運載工具的導航、制導與控制、機器人的控制與運動軌跡的規劃中發揮著不可取代的作用,而且開始應用於交通系統、能源系統、水資源系統、生物系統、醫療系統、通訊系統等關鍵基礎設施系統的安全監控與管理中。如同企業管理系統,上述系統本質上是人參與的資訊物理系統。要使這些關鍵基礎設施系統安全、可靠、高效和綠色地執行,必須開展這類系統的建模、模擬、預測和控制與最佳化決策理論與技術的研究。這必將推動自動化科學與技術的發展。
資訊科技的發展促進了智慧工廠、智慧電網、智慧交通、智慧城市等人參與的資訊物理系統以及量子通訊、微納製造和生物系統的發展。實現上述新興領域的檢測、控制、管理和最佳化決策對已有的建模、控制、最佳化理論和技術提出了挑戰。因此,應將未來發展的自動化科學與技術作為發展方向,開展下列研究:
a)人工智慧驅動的自動化;
b)新一代網路化與智慧化管控系統;
c)人參與的資訊物理系統中的自動化科學與技術;
d)新興應用領域(量子通訊、微納製造和生物系統)中的自動化科學與技術。
開展上述自動化科學與技術發展方向的研究必須攻克下列挑戰的科學難題:
a)機理不清的具有綜合複雜性的動態系統建模;
b)具有綜合複雜性的被控物件的高效能控制;
c)多衝突目標、多衝突約束、多尺度的複雜動態系統最佳化決策與控制一體化;
d)在大資料、移動通訊、雲端計算環境下,網路化與智慧化的自動化系統的設計與實現技術[37-39]。
回顧自動化科學與技術的發展歷程,我們清楚地看到,只有結合重大需求,採用CPS思想,即將自動化(建模、控制、最佳化)、計算機和通訊技術等計算資源與研究物件的物理資源緊密融合與協同,以系統的未來需求的願景功能為目標,研究實現未來需求的願景功能的建模、控制和最佳化的新演算法和研究採用大資料應用技術、移動通訊、雲端計算等新一代資訊科技研製新的自動化系統的設計和實現技術,並結合重大應用領域開展應用研究才有可能解決上述科學難題。由於我國的社會經濟發展和國家安全對自動化科學與技術有重大需求,我國大多數大學都設有自動化專業,有國際上最大的自動化科學與技術的研究隊伍,國家又有專門負責自動化科學與技術發展的部門和專項科研經費,因此,我國廣大的從事自動化科學與技術的研究人員完全有可能做出對中國社會經濟發展和國家安全有重要影響、引領自動化科學與技術發展的研究成果。
4. 結論
本文以創造未來需求新功能的自動化系統為自動化科學與技術的研究目標,以國家社會經濟發展和國家安全對自動化系統的未來需求為導向,提出生產製造過程未來需求的自動化系統為下列五大系統:1)製造過程智慧自主控制系統;2)製造全流程智慧協同最佳化控制系統;3)智慧最佳化決策系統;4)智慧安全執行監控與自最佳化系統;5)工業過程虛擬製造系統;提出運載工具未來需求的自動化系統為下列三大系統:1)智慧自主控制系統;2)多智慧體協同控制系統;3)導航制導一體化控制系統。
以實現上述系統的願景功能為目標,研究建模、控制和最佳化的新演算法,研究採用移動通訊、雲端計算、人工智慧技術等新一代資訊科技的新的自動化系統的設計方法和實現技術,並結合重大應用領域開展應用研究將成為自動化科學與技術的發展方向。
由於人參與的資訊物理系統如智慧工廠、智慧電網、智慧交通、智慧城市等和量子通訊、微納製造和生物系統等新興領域對自動化科學與技術提出了新的需求與挑戰,因此,下列研究:1)人工智慧驅動的自動化;2)新一代網路化與智慧化管控系統;3)人參與的資訊物理系統中的自動化科學與技術;4)新興應用領域(量子通訊、微納製造和生物系統)中的自動化科學與技術,將成為未來自動化科學與技術的發展方向。
在上述發展方向做出對國家社會經濟發展和國家安全有重要貢獻、引領自動化科學與技術發展的研究成果,需要一大批從事研究、設計、開發、運營未來需求的自動化系統的創新人才。這就需要重新審視和考慮現行的自動化專業人才培養模式、研究經費資助機制、評價機制等,並進行必要的改革。
致謝
本論文得以完成,得到了中國自動化學會自動化學科發展路線圖專案組的多名專家學者的支援和幫助,謹致以誠摯的謝意。
參考文獻
1 Jms-Jounela S L. Future trends in process automation. Annual Reviews in Control, 2007, 31(2): 211-220
2 Chai Tian-You, Jin Yi-hui, Ren De-Xiang. Contemporary Integrated Manufacturing System Based on Three-layer Structure in Process Industry. Control Engineering of China, 2002, 9(3): 1-6 (柴天佑, 金以慧, 任德祥. 基於三層結構的流程工業現代整合製造系統. 控制工程, 2002, 9(3): 1-6)
3 Kehoe B, Patil S, Abbeel P. A Survey of Research on Cloud Robotics and Automation. IEEE Transactions on Automation Science and Engineering, 2015, 12(2): 398-409
4 Lamnabhi-Lagarrigue F, Annaswamy A, Engell S. Systems and Control for the future of humanity, research agenda: Current and future roles, impact and grand challenges. Annual Reviews in Control, 2017, 43: 1-64
5 Smart Manufacturing Leadship Coalition. Implementing 21st century smart manufacturing, 2011, 6
6 Federal Ministry for Education and Research. Grasp the future of German manufacturing industry and put forward proposals for implementing "industry 4.0" strategy (Chinese version). 2013, 9 (德國聯邦教育研究部. 把握德國製造業的未來, 實施"工業4.0" 攻略的建議(中文版).2013, 9)
7 Executive O±ce of the President U.S. Artificial Intelligence, Automation and the Economy. 2016
8 Executive Office of the President, National Science and Technology Council,Committee on Technology,U.S. Preparing for the Future of Arti¯cial Intelligence. 2016
9 Murray, R. M. Control in an information rich world: Report of the panel on future dire ctions in control, dynamics and systems. Philadelphia: Society for Industrial and Applied Mathematics, 2003
10 Samad T, Annaswamy A. The impact of control technology: Overview, success stories, and research challenges. IEEE Control Systems Society, 2011, 31(5): 26-27
11 Kumar P R. Control: A perspective. Automatica, 2014,50(1): 3-43
12 Zhang Bo, Zheng Ying-Ping. Automation Science and Technology: Its Role and Trends in the Development of Modern Information Society. Acta Automatica Sinica, 2002, 28(S1): 18-22 (張鈸, 鄭應平. 從現代資訊科技發展看自動化學科的使命和發展趨勢. 自動化學報, 2002, 28(S1): 18-22)
13 Wang Chen-Hong. Thinking about several problems of basic science in automation domain. Acta Automatica Sinica, 2002, 28(S1): 165-170 (王成紅. 關於自動化領域中若干基礎科學問題的思考. 自動化學報, 2002, 28(S1): 165-170)
14 Cyber-physical systems. Program Announcements and Information. The National Science Foundation, 4201 Wilson Boulevard, Arlington, Virginia 22230, USA. 2008-09-30. Retrieved 2009-07-21.
15 Mayr O. Zur Fr ü hgeschichte der Technischen Regelungen. R. Massachusetts: MIT Press, 1970
16 Bennett, S. A History of Control Engineering 1800-1930. Technology and Culture, 1979, 25(9): 224
17 Maxwell J C. On governors. Proceedings of the Royal Society of London, 1998, 16(2): 270 – 283
18 Routh E J. A treatise on the stability of a given state of motion:particularly steady motion. London: Macmillan, 1877
19 Hurwitz A. On the conditions under which an equation has only roots with negative real parts. Mathematische Annalen, 1964, 46: 273 – 284
20 Hughes T P, Sperry E. Inventor and Engineer. Baltimore: Johns Hopkins Press, 1971
21 Mindell D A. Between human and machine: feedback, control, and computing before cybernetics. Baltimore: Johns Hopkins Press, 2002
22 Blickley G J. Modern control started with Ziegler – Nichols tuning. Control Engineering, 1990, 11: 11-17
23 Black H S. Stabilized feedback amplifiers. Bell System Technical Journal, 1934, 13(1): 1 – 18
24 Nyquist H. Regeneration theory. Bell System Technical Journal, 1932, 11(1): 126 – 147
25 Bode H W. Network analysis and feedback amplifier design. New York: Van Nostrand, 1945
26 Kalman R. On the general theory of control systems. IRE Transactions on Automatic Control, 1959, 4(3): 110
27 Morley D. Programmable controllers: How it all began. Intech, 2008
28 Strothman J. M and C Technology History More than a century of measuring and controlling industrial processes. Intech, 1995, 42(6): 52-78
29 Engell S. Feedback control for optimal process operation. Journal of Process Control, 2007, 17(3): 203-219
30 Darby M L, Nikolaou M, Jones J, Nicholson D. RTO: An overview and assessment of current practice. Journal of Process Control, 2011, 21(6): 874-884
31 Chai Tian-You. Operational Optimization and Feedback Control for Complex Industrial Processes. Acta Automatica Sinica, 2013, 39(11): 1744-1757 (柴天佑. 複雜工業過程執行最佳化與反饋控制. 自動化學報, 2013, 39(11): 1744-1757)
32 Chai Tian-You, Qin S. Joe and Wang Hong. Optimal Operational Control for Complex Industrial Processes. Annual Reviews in Control, 2014, 38(1): 81-92
33 Chai Tian-You, Zheng Bing-Lin, Hu Yi. Current Research Situation and Development of Manufacturing Execution Systems. Control Engineering of China, 2005, 12(6): 505-510 (柴天佑, 鄭秉霖, 胡毅. 製造執行系統的研究現狀和發展趨勢.控制工程, 2005, 12(6): 505-510)
34 Hakason B. Execution-driven manufacturing management for competitive advantage. MESA White Paper, 1997, 5
35 Chai Tian-You. Industrial process control systems: research status and development direction. Scientia Sinica Informationis, 2016, 46(8): 1003-1015 (柴天佑. 工業過程控制系統研究現狀與發展方向. 中國科學: 資訊科學, 2016, 46(8): 1003-1015)
36 Yolanda Gil, Mark Greaves, James Hendler and Haym Hirsh. Amplify Scienti¯c Discovery with Artificial Intelligence. Science, 2014, 346(6206): 171-172
37 Chai Tian-You. Challenges of Optimal Control for Plantwide Production Processes in Terms of Control and Optimization Theories. Acta Automatica Sinica, 2009, 35(6): 641-649 (柴天佑. 生產製造全流程最佳化控制對控制與最佳化理論方法的挑戰. 自動化學報, 2009, 35(6): 641-649)
38 Chai Tian-You, Ding Jin-Liang, Yu Gang and Wang Hong, Integrated Optimization for the Automation Systems of Mineral Processing. IEEE Transactions on Automation Science and Engineering, 2014, 11(4): 965-982
39 Chai Tian-You. The challenge of intelligent manufacturing process to artificial intelligence. Bulletin of National Natural Science Foundation of China, Published (柴天佑. 製造流程智慧化對人工智慧的挑戰. 中國科學基金. 待發表)
作者簡介
柴天佑,中國工程院院士,東北大學教授。IEEE Fellow,IFAC Fellow,歐亞科學院院士。主要研究方向為自適應控制,智慧解耦控制,流程工業綜合自動化理論、方法與技術。