智能化时代的实时控制

上周去清华大学时，软件学院的王建民院长拿出一本30年前内部印刷教材感叹道：前辈们早已认识到的问题，现在很多人还是没有意识到！王老师说的，是关于实时系统和非实时系统的差异。

实时系统的特点，是必须及时响应——慢了可能就会出错。而“快”只是表现：背后的难点是要“对”——如果做错了，可能没有时间改正。

要防错，就要知道出错的原因。实时系统为什么会做出错误决策呢？最常见的原因，是输入数据的误差过大。在网络时代,还可能有延迟过大或者时序颠倒等问题。安全、稳定、可靠是现代工业的底线。技术做到极致时，难点往往就是处理这些麻烦。

自动化系统是典型的实时系统。

控制论中有种控制算法叫做“逆系统方法”。理论上讲，这种方法是“指哪里打哪里”、是最好的控制方法。但为什么人们很少知道、很少使用呢？一个重要的原因就是这种方法对（输入或模型）误差太敏感，导致控制结果不稳定。事实上，控制论最重要的思想“反馈”，其实就是在允许出现误差的基础上不断校正——没有误差是不可能的。

在工业中，传统的自动控制算法往往是用在某个工作点附近，自变量的变化不大。我们知道：在一个工作点附近，系统往往可以用线性近似。但是，产品种类、设备状态、上下工序协同要求、经营目标（比如，更重视质量、产量还是能量？）发生变化时，会导致而工作点的变化。工作点变化时，系统的非线性特征往往会显现出来。非线性会导致模型参数变化，不确定因素会导致模型结构变化。这样，固定参数的控制算法往往就不行了。

还有一种麻烦的事情是“时间的变化”：控制系统运行久了，外部环境（如温度）、系统特定（如管道堵塞）也会发生很大的变化，甚至控制目标都会发生变化。这时，控制算法的效果会严重变差。

在现代化工厂中，这些变化几乎是不可避免的。这时候，书本上的控制方法、特别是基于线性系统的方法往往就难用了。

面对这种复杂问题，一般是用控制软件来处理的。软件就是用来应对这些复杂变化的。如系统特性变化、工作点变化、控制要求变化等。我们知道：软件处理问题的前提是计算机能够得到充分的、数字化的信息。如果决策所需的信息不是数字化的（如打电话获得的、眼睛看到的），就离不开人的操控，智能化就会打折扣。

软件所需的信息从哪里来呢？一般是从设备传感器和管理系统中来。最典型的是：管理系统告我们生产什么产品（工作点和要求变化）、前后工序的要求（生产节奏变化等）、设备状态（可能引起模型参数变化）等。大家注意到：要做到这一点，前提就是要做“信息集成”啊；换个角度看，就是要做“管控一体”啊！这样，其实就是进入了智能化的时代。

变化因素多了，可能会出现各种不同状态的组合，组合出无穷多种场景。但是，既然是实时控制，数据的质量问题还会出现、甚至更加严重。对这些组合怎么办呢？于是，麻烦的事情就来了。

有一种常见的现象是：人们不知道某些特定的场景下，系统的控制方法是不是合理的。工业中最怕风险。如果不能确定，就不能智能化运行，只能交给人去做。

这个问题怎么解决呢？我们过去的办法是：针对各种场景做一些仿真。把各种可能的极端情况试一下，就可以放心用了。所以，开发智能控制系统，常常需要做仿真。未来的数字孪生，会在调试过程有用。

另外，系统的特性漂移几乎是难以避免、又难以检测的。这时候怎么办？这时，智能系统需要搞一些参数。这些参数最好能够进行自学习。实在不行，让人去设定系数。如果没有这些手段，系统往往很快就不能用了。所以，智能控制系统中的自学习也是常见的。

现实中，还会有大量的信息难以进入系统。比如，今天领导重视质量、明天重视交货期。处理这些问题的时候，需要系统有一定的灵活性，还需要使用软件的人有一定的水平。

所以，智能化时代的实时控制，麻烦真的很多。几年搞好一个东西，也不意外。搞不成实时控制，做实时管控也不错。