01 | 递阶控制 ¶

递阶控制的一般原理 ¶

智能机器的概念：¶

智能机器的高层功能模仿了人类行为，实现控制系统的规划、决策、学习、数据存取和任务协调等功能，进行知识处理与管理。

其统一度量衡：熵（H）

在信息论中指的是信息源中所包含的平均信息量，是不确定性的度量。熵越高，不确定性越大。

IPDI 原理：¶

H（R）=H（MI）+H（DB）

R 为知识流量，MI 为机器智能，DB 为事件数据库

R 一般不变，精度（DB）递增伴随智能（MI）递减

递阶控制的分解与协调原理：¶

递阶控制通过“分解”与“协调”的思路，将复杂的全局优化问题，转化为多个相对简单的、 受协调的局部优化问题，从而有效地管理复杂系统

1，分解总问题

2，将子问题独立并求出其独立解

3，引入协调机制，设计协调参数 \(\lambda\), 求解

4，迭代寻优

协调的基本原则：¶

关联预测协调原则：（直接干预法）¶

1，协调级预测关联

2，子系统决策

3，协调级修正关联

优点：可行法

缺点：子问题可能无解

关联平衡协调原则：（目标协调法）¶

1，协调级预定子系统目标

2，子系统决策

3，协调级修正子目标

优点：子问题始终有解

缺点：需要引入目标干预信号，进行迭代搜索；不可行法（不可在线应用）

递阶控制详解¶

一、递阶控制的核心内涵¶

递阶控制是一种处理大规模、复杂、多目标系统控制的系统化方法论。其核心思想是“分而治之，统筹协调”，将一个全局性的复杂控制任务，按时间尺度、空间范围或决策功能分解为若干相对简单、相互关联的子任务，并交由不同层级（等级）的控制器分别处理。高层级负责战略性、长期性的决策与协调，低层级负责战术性、实时性的精确执行。

核心思想：结构化分解与层级协调。 对于无法用单一控制器集中处理的复杂系统（如大型工厂、智能机器人、电网、交通系统），通过建立层次化的控制结构，将复杂度分散到各层级，并通过自上而下的指令传递和自下而上的信息反馈，实现全局优化和稳定运行。

二、递阶系统的核心基础¶

递阶控制系统建立在系统理论、信息论和运筹学之上，其有效性依赖于对系统结构的合理划分和各层级间清晰的交互关系。

1. 递阶系统的核心特征
   • 垂直层级结构：系统由多个控制层级（如厂级、车间级、设备级）垂直排列构成，形成树状或金字塔结构。
   • 功能分解：高层级功能抽象、决策范围广、时间尺度长（如生产计划、优化设定）；低层级功能具体、决策范围窄、时间尺度短（如电机转速控制、阀门定位）。
   • 信息抽象与精炼：信息自下而上流动时，被逐级汇总、精炼（如从设备振动数据→设备健康状态→生产线停机风险）。指令自上而下流动时，被逐级分解、具体化（如从“月产量目标”→ “周生产计划” → “每日作业指令” → “电机转速给定值”）。
   • 层级间的交互（命令与反馈）：高层向下级发送指令、设定目标或约束；下级向上级反馈执行状态、性能信息和异常报警。
2. 关键特性
   • 降低复杂度：将全局多变量、多目标、多约束的复杂问题分解为局部子问题，简化了各层级控制器的设计。
   • 增强系统可管理性与可靠性：结构清晰，便于模块化设计、调试和维护。局部故障可以被隔离在一定层级内，或由上层进行重新规划。
   • 实现全局与局部目标的平衡：高层确保全局最优（如能效最高、成本最低），低层确保局部性能（如跟踪精度、响应速度）。

三、层级分解与协调（核心技术）¶

如何对复杂系统进行合理的层级划分，以及如何设计层级间的协调机制，是递阶控制的技术核心。

1. 主要分解维度
   • 时间尺度分解：
     • 高层（计划 / 管理级）：决策周期长（小时、天、月），如生产调度、资源分配。
     • 中层（优化 / 协调级）：决策周期中等（分钟、小时），如设定点优化、协调多单元运行。
     • 低层（直接控制级）：决策周期短（毫秒、秒），如 PID 控制、逻辑联锁。
   • 功能 / 任务分解：
     • 按控制目标分解，如将机器人“移动到某位置”分解为“路径规划”、“轨迹生成”、“关节伺服控制”。
     • 按物理 / 地理空间分解，如电网分解为国家调度中心、区域调度中心、电厂 / 变电站。
   • 精度 / 分辨率分解：
     • 高层处理粗略、全局信息；低层处理精细、局部信息。
2. 主要协调方法
   • 目标协调法（自上而下）：高层为下级子系统设定目标（如产量、能耗指标），下级在此目标下独立优化，并将结果反馈给上层，上层据此调整目标，迭代至整体最优。
   • 模型协调法（共享变量）：高层通过调整子系统间的关联变量（如中间产品流量、共享资源）来协调各子系统，使它们的行为符合全局模型要求。
   • 价格 / 市场协调法：引入类似市场的机制，高层为共享资源或约束设定“价格”（拉格朗日乘子），子系统根据“价格”调整自身需求，通过迭代使供需平衡，实现资源最优分配。

四、递阶控制系统的结构、类型与设计¶

1. 基本结构（三层典型结构）
   • 组织级（最高层）：相当于“大脑”，负责长期规划、任务决策、性能评估和学习。通常由人工智能、专家系统或高级优化算法实现。
   • 协调级（中间层）：相当于“神经中枢”，接收组织级的指令，将其分解为一系列可执行任务，并协调各直接控制器的动作，解决可能出现的冲突。常由监督控制、序列控制或运筹学算法构成。
   • 执行级（最底层）：相当于“四肢”，由多个直接作用于被控对象的控制器（如 PID、PLC、驱动器）组成，负责精确、快速地完成具体的控制任务。
   • 信息流：指令流自上而下（任务→子任务→控制信号），状态信息流自下而上（传感器数据→局部状态→全局性能）。
2. 主要类型（根据应用领域）
   • 工业过程递阶控制：典型如 DCS（集散控制系统）架构。管理层（ERP/MES）、监控层（SCADA）、现场控制层（PLC/DCS 控制器）、设备层。
   • 机器人递阶控制：任务规划层（做什么）、运动规划层（怎么动）、伺服控制层（驱动关节）。
   • 智能交通系统递阶控制：中心调度层（全网流量优化）、区域控制层（协调路口信号）、路口执行层（控制单个信号灯）。
3. 设计原则
   • 垂直可分解性：必须能够清晰地将总任务分解为各层子任务。
   • 信息一致性：上下层间的信息传递必须定义明确，避免歧义。
   • 时间尺度匹配：各层的计算能力和决策周期必须与其任务复杂度相匹配，确保实时性。
   • 协调可行性：设计的协调机制必须能在有限时间和信息下，引导系统趋向全局目标。

五、典型应用：智能机器人控制（重点分析）¶

这是递阶控制思想最直观、最经典的应用领域。单一控制器无法同时处理机器人的环境感知、任务理解、路径规划、运动学和动力学控制。

1. 系统结构（典型三层）
   • 任务规划层（高层）：理解“将桌子上的瓶子放到柜子里”这样的高级指令，进行符号推理和任务分解（如：移动至桌子→抓取瓶子→移动至柜子→放置瓶子）。
   • 运动规划与协调层（中层）：将符号任务转化为几何和运动学描述。进行路径规划（无碰撞路径）、轨迹生成（时间参数化的平滑路径）、多关节 / 多肢体协调。
   • 伺服控制层（低层）：接收期望的关节角度或末端位姿轨迹，通过 PID、计算力矩法等控制算法，驱动机器人各关节电机，精确跟踪轨迹。
2. 工作原理
   • 高层工作：基于世界模型和任务知识，输出一系列有序的子任务命令序列。
   • 中层工作：对每个子任务（如“抓取瓶子”），结合传感器（视觉）反馈的瓶子位置，规划出机器人末端执行器的运动轨迹，并通过逆运动学分解为各关节的期望角度序列。
   • 低层工作：以高频率（如 1000Hz）读取关节编码器反馈的实际角度，与中层的期望角度进行比较，计算控制电压驱动电机，实现快速、精准的跟随。
   • 协调与反馈：低层将“抓取成功 / 失败”、“遇到阻力”等信息反馈给中层，中层可能重新规划；中层将“任务完成”、“无法到达”等信息反馈给高层，高层可能调整任务序列。
3. 优势
   • 模块化清晰：各层可独立开发、测试和升级（如改进路径规划算法不影响底层伺服性能）。
   • 处理复杂度：将 AI 推理、几何计算、实时控制分离，使系统能处理高度复杂的任务。
   • 灵活性与适应性：高层可以方便地改变任务，中层可以适应环境变化重新规划。

六、综合应用实例分析：智能工厂（智能制造系统）¶

以一座现代化汽车零部件智能工厂为例，完美体现递阶控制思想。

1. 控制问题
   • 被控对象：整座工厂，包含多条生产线、仓储物流（AGV）、能源系统、数以千计的设备和传感器。
   • 控制目标：在满足订单交期、产品质量、生产成本、设备利用率、能耗等多重目标下，实现高效、柔性生产。
   • 挑战：系统规模庞大、耦合性强（生产与物流、能源紧密相关）、动态变化（订单插入、设备故障）、多目标冲突。
2. 递阶控制系统设计
   • L3: 工厂运营层（组织级， 时间尺度：周 / 天）：
     • 功能：接收企业 ERP 的月度订单，进行高级排产（APS），制定周 / 日生产计划，确定各产线的产品种类、批次和数量。优化全局指标（订单准时交付率、总生产成本）。
     • 技术：高级计划与排程系统，可能运用专家系统进行规则排产，或运用运筹学进行优化求解。
   • L2: 车间调度与监控层（协调级， 时间尺度：小时 / 分钟）：
     • 功能：接收 L3 的生产计划，将其分解为具体的工单序列和物料需求。调度 AGV 执行物料配送。监控各生产线和设备状态（OEE），处理一般性异常（如物料短缺预警），并向 L3 反馈生产进度。
     • 技术：制造执行系统，包含调度算法、物料管理系统和 SCADA 监控系统。
   • L1: 单元控制层（执行级， 时间尺度：秒 / 毫秒）：
     • 功能：包括两条主线：
       • 过程控制线：PLC/DCS 控制具体的生产线（如冲压线、焊接机器人、喷涂线），执行 L2 下发的工单，完成设备的启停、连锁、顺序控制和 PID 调节。
       • 物流控制线：车载控制器控制 AGV，根据 L2 的调度指令，完成路径跟踪、避障和精准停靠。
     • 技术：可编程逻辑控制器、分布式控制系统、机器人控制器、AGV 导航控制器。
3. 总结与启示
   该案例是递阶控制在复杂工业系统中的典范：
   • 清晰的责任链：L3 决定“生产什么”，L2 决定“何时、何地生产”，L1 负责“如何精确生产”。责任明确，效率高。
   • 信息精炼与闭环：设备状态（L1）被汇总为产线状态（L2），再被汇总为工厂绩效（L3）。生产计划（L3）被分解为调度指令（L2），再被转换为控制信号（L1），形成完整的“感知 - 决策 - 执行”大闭环。
   • 应对不确定性：当某设备故障（L1 事件），L2 能立即感知并重新调度生产顺序，L3 则可能根据整体影响调整后续计划，体现了系统的柔性和鲁棒性。

七、总结：递阶控制的适用场景与价值¶

1. 适用场景
   • 大规模系统：由大量物理或功能子系统组成的系统（工厂、电网、交通网、机器人群体）。
   • 多目标、多约束优化问题：需要在相互冲突的目标（成本、时间、质量）间取得平衡。
   • 任务具有天然的层次性：如“战略 - 战术 - 执行”、“规划 - 协调 - 控制”。
   • 需要模块化设计与管理的复杂工程系统。
2. 核心价值
   • 提供了管理复杂性的强大框架，是构建大型自动化、智能化系统的基础性体系结构。
   • 实现了全局优化与局部自主的有机结合，既保证整体目标，又释放了子系统的快速响应能力。
   • 增强了系统的可扩展性、可维护性和容错能力。

递阶控制与专家控制对比与融合：

• 思想侧重不同：专家控制是知识驱动，模仿专家推理；递阶控制是结构驱动，模仿组织管理。
• 适用范围互补：专家控制擅长处理难以建模的局部深度知识问题（如一个复杂反应器的控制）；递阶控制擅长处理全局广度协调问题（如整座化工厂的优化运行）。
• 融合趋势：在现代复杂系统中，二者常融合使用。例如，在递阶控制的组织级或协调级，可以嵌入专家系统（或更现代的 AI 模型）来做出高级决策或处理异常；而在执行级，针对某个特别难控的单元，可以采用专家控制器。这体现了“顶层智能决策，中层优化协调，底层可靠执行”的现代智能控制系统架构思想。