先進控制理論規劃＿前言

主題一『先進控制理論』

召集人：練光祐教授

前言

自動控制理論的產生來自於解決實際問題的需要，而它的發展主要集中在二個方向: 動態系統的描述與分析、控制方法的合成與創新。前者著重使用何種數學方法描述各式各樣的動態系統，探討分析系統的特性；後者常考慮在不同的實際狀況下，如何設計一個好用的控制器。這兩個研究方向時常相互激勵，交替盤旋而上，既豐富了控制理論的內容，也持續升高了理論的深度。在這發展的過程中，最核心的觀念莫如: 回授(Feedback)、性能(Performance)、穩定性(Stability)、強健性(Robustness)等等。

按照控制理論發展的先後過程，常區分為古典控制理論與現代控制理論兩部份。前者是以轉移函數作為系統的數學模型，其數學基礎是拉普拉斯轉換，這部份的研究內涵在50年代已臻成熟。現代控制理論是指從60年代左右開始醞釀發展，建立在狀態空間為基礎之理論成果。它有如下幾個特徵:

(1) 有別於古典控制探討的單變量、線性、非時變系統，現代控制探討對象要廣泛的多，包括了多變量、非線性、時變、以及隨機與混合(Hybrid)等系統。

(2) 控制方法則強調系統性能、強健性、最佳化、適應性、以及智慧學習能力等。

現代控制理論的發展得到了其他學科的參贊，而持續邁向一波波的高峰 ，如數學之泛函分析、微分幾何、隨機過程等；物理之耗散系統、混沌現象、分岔理論、複雜連結系統等；力學之完整與非完整約束系統、拉格朗日方程、Hamilton方法等。近來更強烈感受到計算機科技進展與系統生物學所帶來的巨大影響，因而造就了模糊、類神經網路、基因演算法、粒子群演算法等所謂的Soft Computing控制方法，以及線性矩陣不等式(LMI)設計方法的蓬勃發展。

在自動控制這個領域裡，理論與實務研究常常也是緊密配合的。嚴密周延的理論搭配精益求精的實作技術，往往可以造就出令人驚嘆的器具。尤其在精密製造及機器手臂或機器人裡的伺服控制技術，航太載具裡的飛行控制技術，都可算是非常經典的成功範例。日本著名控制學者Kimura教授曾形容自動控制的重要性，他是這麼說的 (2006.11.10)： 「There is no machine without control」。他進一步還說了： 「There is no life without control.」我想他指出一個重點，如果想要系統精密，想要系統維持穩定，則負回授的控制架構是必然的！不論這樣的架構是外加設計的，像伺服機器的回授控制一般；或是天生內涵的，像諸多生理現象的調控機制一般，維持了生命現象的穩定。所以，回授控制還能不重要嗎？ 另外，國內著名學者李家同教授也曾在報章談到為何我國技術落於人後，他特別寫到：「如果我們想要有精密機器，就必須精通自動控制的技術，但我們似乎不太喜歡將自動控制的技術弄好 (2007.2.26)。」李教授是資訊專長，他跨越專長領域強調自動控制的重要性，如此客觀的評論，尤其能彰顯自動控制的重要性。他認知到以製造業為命脈的臺灣產業，自動控制技術是產業發展的根本，不可不重視。自動控制涵蓋的領域確實廣泛，常使我們必須多方涉略以求融會貫通而後尋求解決方法。因此，身處在這個領域的專家學者，有更多機會分享許多專業領域裡最為瑰麗的研究成果，大大地豐富了我們的知識內涵，從而走出一條不一樣的人生旅程。

在這次“先進控制理論研究”的規劃工作中，我們根據前幾次規劃成果，參酌近幾年控制理論之發展演變，草擬深具前景的研究層面作為規劃子題，每個子題均包含研究動機與國內外研究現況、重要參考文獻、及研究方向及具體建議，希望對理論有興趣的學者起到撥雲見日的功效，縮短學習曲線，及早進入研究領域的前沿。由於如前面所述，建立在狀態空間為基礎之現代控制理論，從60年代左右開始開枝散葉以來，整個理論範疇已然花團錦簇，其內容堪稱浩瀚非常，我等實無能力一一檢視其要義。一個既方便又有效率的方法則是挑選重要而又有潛力的研究主題，分別梳理分析之。我們的整體規劃構想，是將控制理論中，具有共同的具體特徵、而且內容及文獻都很豐富的重要研究子題：模型識別與系統估測、智慧型控制、最佳化等三者另成立為規劃主題，而將其他重要的個別研究研究主題，皆納入在基礎理論項目下。如此整個規劃的架構得以清晰展現，方便協調也方便參照。以下就是四個主題規劃的概略簡介，以及負責規劃的相關教授。

子題一：基礎理論

（相關負責教授　略）

在控制技術的發展中，基礎控制理論的研發往往在自動化及自動控制領域扮演舉足輕重的角色，要有良好高品質的控制應用技術，必須先有嚴密完整的基礎控制理論作為支撐。如前所述，我們的規劃構想是將控制理論中，模型識別與系統估測、智慧型控制、最佳化等三者另成立為規劃主題，而將其他重要的個別研究研究主題，皆包含在此基礎理論項目下。因此，此項目下的內容演得特別豐富，以下列十一個條目呈現：

(1) 網狀控制系統 (Networked Control Systems)

(2) 隨機系統控制 (Stochastic Systems Control )

(3) 混沌控制 (Chaos Control )

(4) 適應性控制 (Adaptive Control )

(5) 非線性系統控制 (Nonlinear System Control )

(6) 預測控制 (Predictive Control )

(7) 切換控制 (Switching Control )

(8) 滑動模式控制 (Sliding Mode Control)

(9) 源生多目標人工智慧計算(Bio-inspired Multi-objective Artificial Intelligent Computation)

(10) 強健控制 (Robust Control)

(11) 時間延遲系統 (Time-delay Systems)

子題二：模型識別與系統估測

（相關負責教授　略）

隨著大數據時代的到來，Data-driven modeling的建模型態格外受到重視。如何建立模型以及對於受控系統能多一分瞭解，通常也就能以系統化的方法推演決策模式或是設改善受控系統。模型建構之良窳影響控制性能的表現，而建模、控制器設計、受控系統間，各過程又環環相扣，相互影響。在真實物理世界中，所有系統皆無法避免隨機雜訊之外來干擾與量測誤差，故系統的估測問題實為控制領域的重要研究課題。此一子題由成了以下的規劃工作

A. 模型與識別

(1) 高複雜系統之分數階模型建構及控制應用

(2) 適合應用於前瞻或具關鍵性之工業零組件之非線性與/或時變系統模型識別技術

(3) 生物基因調控網路及蛋白質互動網路模型之建構

B. 估測與應用

(1) 視覺追蹤與狀態估測

(2) 智慧電網狀態估測

(3) 交通狀態估測與巨量資料處理

子題三 智慧型控制

（相關負責教授　略）

目前較廣泛使用的智慧型控制方法，是將計算智慧技術與傳統控制理論作結合。智慧型控制就實現上，可分為控制器本身型式與設計方法兩方面來探討。本子題規劃了四個次子題，除了理論與方法之外，依規劃了一個綠能系統應用之次子題，以說明不同智慧型控制技術的應用面。各次子題題目與負責規劃的教授如下：

次子題一、多目標智慧型控制

次子題二、智慧型適應反覆或重複學習控制之應用

次子題三、T-S模糊模型控制設計

次子題四、計算智慧於綠能系統最大功率追蹤之應用

子題四 最佳化

（相關負責教授　略）

如何把分析與設計問題轉化為一個最佳化問題（optimization problem），是控制、通訊、訊號處理、自動化、排程規劃、電能與電力系統、乃至於財務管理、風險管控、經濟走勢預測等眾多領域解決問題的主流思維。特別是控制理論與實務這方面，最佳化方法在過去數十年來一直扮演著重要的角色。在這次的規劃中，我們整理的一些目前較新的發展，就下列四個研究方向提供一些建議： 

(1) 最佳化於通訊、電能、與電力系統方面之應用

(2) 最佳化在民航系統方面之應用

(3) 最佳化在電子設計自動化方面的應用與發展

(4) 最佳化在控制系統理論與實務上之應用

以上係針對這四個子題的扼要概述，詳細內容分別陳述於後。參與規劃的教授們，在匆促忙碌的行程中撥空完成這份學術性的規劃工作，行文疏失在所難免，這部分尚請多多包涵！倘若這份規劃工作，能對國內推展控制理論的研究工作起到些許的助益，那就值得了！