第1章 全球发展态势
控制科学与技术作为一门工程技术学科，主要研究对象为以工业装备为代表的固定物体、以运载工具为代表的运动体、以人参与的信息物理系统为代表的新型控制系统，以替代人或辅助人来增强人类认识世界和改造世界的能力为目的，综合运用控制科学与工程、系统科学与工程、信息与通信工程、计算机科学与技术、数学与人工智能等学科知识和所涉及对象的领域知识，研究具有动态特性仿真与分析、预测、控制与优化决策功能的控制系统设计方法和实现技术[1]。
实现知识自动化是控制学科推动第四次工业革命的重要使命；研究以工业人工智能为代表的新算法和以人参与的信息物理系统为代表的新型控制系统，是本学科领域的主要发展任务；围绕新算法、新系统产生的创新成果，已经深刻变革控制理论的感知、决策和执行等基本方法和技术，呈现出代际变革的发展趋势。
本章结合上述新使命、新任务、新趋势，对控制领域全球发展趋势进行了综述。
1.1 第四次工业革命与知识自动化
第四次工业革命已发展近10年，深刻变革了全球技术和产业格局，控制与自动化技术在推动全球技术变革过程中的决定性作用逐步凸显，实现制造中的知识工作自动化和智能化，已成为领域发展的全新使命和任务。
1.1.1 自动化技术对工业革命的推动作用
历史上，控制与自动化技术在推动前三次工业革命的标志性成果中，均扮演了重要作用：反馈控制实现了蒸汽机调速的自动化、比例积分微分(proportion integration differentiation，PID)控制与逻辑控制实现了传送带自动化、计算机集成制造系统(computer integrated manufacturing systems，CIMS)实现了操作工作自动化和管理与决策工作信息化[2]。
四次工业革命技术路线及工业自动化与信息技术在工业革命中的作用如图1-1所示。
图1-1 四次工业革命路线图[3]
第一次工业革命中，以蒸汽机为动力的机械生产设备代替了人的体力，实现了生产动力的变革。其中，离心调速器作为比例积分控制器[4][5]，使得蒸汽机能够保持恒定转速运行，是其不可分割的一部分。可以说，蒸汽机与调速器的广泛应用推动了第一次工业革命。
第二次工业革命中，电力代替了蒸汽成为工业生产的动力。比例积分微分控制与逻辑控制应用于电力工业，实现了传送带的自动化，由此产生了基于劳动分工和以电气化为动力的大规模生产，是第二次工业革命的主要推动力。
第三次工业革命中，计算机和工业通信技术与工业自动化技术融合发展，产生了两类标志性的计算机控制系统——应用于生产线设备逻辑控制的可编程逻辑控制器(programmable logic controller，PLC)和应用于大型工业过程的分布式控制系统(distributed control system，DCS)[6]，这些控制系统的广泛应用使得生产线的自动化程度进一步提高。此外，大规模工业生产迫切需要生产企业的管理高效化。可编程逻辑控制器和分布式控制系统与管理计算机、实时数据库和关系数据库相结合的计算机管控系统开始应用于企业管理，产生了用于企业级管理的企业资源计划系统(enterprise resource planning，ERP)和供应链管理系统(supply chain management，SCM)，以及用于车间级生产调度和执行管理的制造执行系统(manufacturing execution system，MES)[7][8]。企业资源计划系统、供应链管理系统和制造执行系统广泛应用于生产企业，显著提高了企业的生产管理水平。因此，第三次工业革命实现了操作工作自动化、企业管理与决策的信息化。
1.1.2 实现知识自动化是第四次工业革命的核心
当前，人工智能、移动互联网、云计算、工业互联网等技术的快速发展，推动形成了第四次工业革命，信息物理融合系统被认为是实现第四次工业革命的主要支撑技术。信息物理融合系统核心是通过物理空间与数据信息空间的深度融合，提高制造过程的智能化水平，进而实现智能制造。
为支撑智能制造新模式，控制与自动化技术在推动前三次工业革命发展基础上，使生产系统能像人一样具备自我感知、自主学习、自适应执行能力，是其推动第四次工业革命的关键。
1.工业4.0对知识自动化的需求
典型的制造业企业虽然实现了信息化和自动化，但是大量业务仍然离不开知识型工作者的支撑。
以如图1-2所示的典型流程工业生产全流程的决策、控制和运行管理为例。流程企业普遍采用由企业资源规划系统、制造执行系统和过程控制系统组成的三层结构。企业经理利用企业资源规划系统得到生产过程各设备的参数，然后根据自身积累的经验和知识，对产品综合生产指标(产品质量、能耗和成本等)的目标值范围做出决定。生产部门经理利用制造执行系统得到生产信息，然后通过自己积累的专家经验来决定生产制造全流程的生产指标目标值范围。运行管理者和工艺工程师通过过程控制系统获得运行条件，通过感官(视觉、听觉和触觉等)获得具体信息，再根据自己积累的经验和知识做出决定，以反映实际生产过程中产品质量、能耗和成本等运行指标的目标值范围，然后操作人员根据自己的经验和知识决定过程控制系统的控制命令。过程控制系统通过控制整个制造和生产过程，使受控过程的输出跟踪控制指令，以提高产品的运行指标并且保证整条生产线的生产指标在期望的目标值范围内。
图1-2 典型流程工业生产对知识型工作者的依赖[9]
上述制造与生产全流程的决策、控制与运行管理中仍然依靠人凭经验和知识来完成的工作，从控制学科的角度看，涉及工业自动化和人工智能技术难以应用的复杂系统。这类系统的典型特点是机理不清，难以建立数学模型，输入与输出相关信息处于开放环境、不确定的变化中，信息难以获取及感知，决策目标多尺度多冲突。然而，由于人无法及时准确地感知动态变化的运行条件，知识工作者无法实现企业目标、生产计划与调度的一体化优化决策，也无法实现企业资源规划系统与制造执行系统的无缝集成与优化，因此很难实现整个制造和生产过程的全局优化。
上述流程工业生产全流程的决策、控制和运行管理对人的知识型工作的依赖，在目前制造业各个细分门类中具有较强的代表性。可以说，人类行为和决策的过多干预，已经严重影响生产制造的整体集成水平、运行效率和优化性能。因此，为了实现工业4.0愿景，必须要实现上述知识型工作自动化。
2.知识自动化已成为发展热点
新一代信息通信技术的发展，特别是计算技术、机器学习、自然的用户接口和自动化技术的发展，使得知识型工作可以通过自动化技术由机器来完成，从而实现知识自动化。
如图1-3所示为知识自动化自2009年首次提出以来的重要发展时间节点和标志性事件[10]。
图1-3 知识自动化发展历程
展开
