专业英语系统工程部分.docx
《专业英语系统工程部分.docx》由会员分享，可在线阅读，更多相关《专业英语系统工程部分.docx（10页珍藏版）》请在冰点文库上搜索。
专业英语系统工程部分
UNIT1A 电路
电路或电网络由以某种方式连接的电阻器、电感器和电容器等元件组成。
如果网络不包含能源，如电池或发电机，那么就被称作无源网络。
换句话说，如果存在一个或多个能源， 那么组合的结果为有源网络。
在研究电网络的特性时，我们感兴趣的是确定电路的电压和电流。
因为网络由无源电路元件组成，所以必须首先定义这些元件的电特性.
就电阻来说，电压-电流的关系由欧姆定律给出，欧姆定律指出：
电阻两端的电压等于电阻上流过的电流乘以电阻值。
在数学上表达为:
u=iR （1-1A-1）式中 u=电压，伏特；i = 电流，安培；R = 电阻，欧姆。
纯电感电压由法拉第定律定义，法拉第定律指出：
电感两端的电压正比于流过电感的电流随时间的变化率。
因此可得到：
U=Ldi/dt 式中 di/dt = 电流变化率， 安培/秒； L = 感应系数， 享利。
电容两端建立的电压正比于电容两极板上积累的电荷q 。
因为电荷的积累可表示为电荷增量dq 的和或积分，因此得到的等式为 u= ， 式中电容量C 是与电压和电荷相关的比例常数。
由定义可知，电流等于电荷随时间的变化率，可表示为i = dq/dt。
因此电荷增量dq 等于电流乘以相应的时间增量，或dq = i dt， 那么等式 （1-1A-3） 可写为式中 C = 电容量，法拉。
归纳式（1-1A-1）、（1-1A-2） 和 （1-1A-4）描述的三种无源电路元件如图1-1A-1 所示。
注意，图中电流的参考方向为惯用的参考方向，因此流过每一个元件的电流与电压降的方向一致。
有源电气元件涉及将其它能量转换为电能，例如，电池中的电能来自其储存的化学能， 发电机的电能是旋转电枢机械能转换的结果。
有源电气元件存在两种基本形式：
电压源和电流源。
其理想状态为：
电压源两端的电压恒定，与从电压源中流出的电流无关。
因为负载变化时电压基本恒定，所以上述电池和发电机被认为是电压源。
另一方面，电流源产生电流，电流的大小与电源连接的负载无关。
虽然电流源在实际中不常见，但其概念的确在表示借助于等值电路的放大器件，比如晶体管中具有广泛应用。
电压源和电流源的符号表示如图1-1A-2 所示。
分析电网络的一般方法是网孔分析法或回路分析法。
应用于此方法的基本定律是基尔霍夫第一定律，基尔霍夫第一定律指出：
一个闭合回路中的电压代数和为0，换句话说，任一闭合回路中的电压升等于电压降。
网孔分析指的是：
假设有一个电流——即所谓的回路电流——流过电路中的每一个回 路，求每一个回路电压降的代数和，并令其为零。
考虑图1-1A-3a 所示的电路，其由串联到电压源上的电感和电阻组成，假设回路电流i ，那么回路总的电压降为 因为在假定的电流方向上，输入电压代表电压升的方向，所以输电压在（1-1A-5）式中为负。
因为电流方向是电压下降的方向，所以每一个无源元件的压降为正。
利用电阻和电感压降公式，可得等式（1-1A-6）是电路电流的微分方程式。
或许在电路中，人们感兴趣的变量是电感电压而不是电感电流。
正如图1-1A-1 指出的用积分代替式（1-1A-6）中的i，可得1-1A-7
UNIT2A 控制的世界
简介
控制一词的含义一般是调节、指导或者命令。
控制系统大量存在于我们周围。
在最抽象的意义上说，每个物理对象都是一个控制系统。
控制系统被人们用来扩展自己的能力，补偿生理上的限制，或把自己从常规、单调的工作中解脱出来，或者用来节省开支。
例如在现代航空器中，功率助推装置可以把飞行员的力量放大，从而克服巨大的空气阻力推动飞行控制翼面。
飞行员的反应速度太慢，如果不附加阻尼偏航系统，飞行员就无法通过轻微阻尼的侧倾转向方式来驾驶飞机。
自动飞行控制系统把飞行员从保持正确航向、高度和姿态的连续操作任务中解脱出来。
没有了这些常规操作，飞行员可以执行其他的任务，如领航或通讯，这样就减少了所需的机组人员，降低了飞行费用。
在很多情况下，控制系统的设计是基于某种理论，而不是靠直觉或试凑法。
控制系统能够用来处理系统对命令、调节或扰动的动态响应。
控制理论的应用基本上有两个方面：
动态响应分析和控制系统设计。
系统分析关注的是命令、扰动和系统参数的变化对被控对象响应的决定作用。
如某动态响应是满足需要的，就不需要第二步了。
如果系统不能满足要求，而且不能改变被控对象，就需要进行系统设计，来选择使动态性能达到要求的控制元件。
控制理论本身分成两个部分：
经典和现代。
经典控制理论始于二次大战以传递函数的概念为特征，分析和设计主要在拉普拉斯域和频域内进行。
现代控制理论是随着高速数字计算机的出现而发展起来的。
它以状态变量的概念为特征，重点在于矩阵代数，分析和设计主要在时域。
每种方法都有其优点和缺点，也各有其倡导者和反对者。
与现代控制理论相比，经典方法具有指导性的优点，它把重点很少放在数学技术上，而把更多重点放在物理理解上。
而且在许多设计情况中，经典方法既简单也完全足够用。
在那些更复杂的情况中，经典方法虽不能满足，但它的解可以对应用现代方法起辅助作用，而且可以对设计进行更完整和准确的检查。
由于这些原因，后续的章节将详细地介绍经典控制理论。
控制系统的分类和术语
控制系统可根据系统本身或其参量进行分类：
开环和闭环系统（如图2-1A-1）：
开环控制系统是控制行为与输出无关的系统。
而闭环系统，其被控对象的输入在某种程度上依赖于实际的输出。
因为输出以由反馈元件决定的一种函数形式反馈回来，然后被输入减去。
闭环系统通常是指负反馈系统或简称为反馈系统。
连续和离散系统：
所有变量都是时间的连续函数的系统称做连续变量或模拟系统，描述的方程是微分方程。
离散变量或数字系统有一个或多个只是在特殊时刻可知的变量，如图2-1A-2b，描述方程是差分方程。
如果时间间隔是可控的，系统被称做数据采样系统。
离散变量随机地产生，例如：
为只能接受离散数据的数字计算机提供一个输入。
显然，当采样间隔减小时，离散变量就接近一个连续变量。
不连续的变量，如图2-1A-2c所示，出现在开关或乓-乓控制系统中。
这将分别在后续的章节中讨论。
线性和非线性系统：
如果系统所有元件都是线性的，系统就是线性的。
如果任何一个是非线性的，系统就是非线性的。
时变和时不变系统：
一个时不变系统或静态系统，其参数不随时间变化。
当提供一个输入时，时不变系统的输出不依赖于时间。
描述系统的微分方程的系数为常数。
如果有一个或多个参数随时间变化，则系统是时变或非静态系统提供输入的时间必须已知，微分方程的系数是随时间而变化的。
集中参数和分散参数系统：
集中参数系统是其物理性质被假设集中在一块或多块，从而与任何空间分布无关的系统。
在作用上，物体被假设为刚性的，被作为质点处理；弹簧是没有质量的，电线是没有电阻的，或者对系统质量或电阻进行适当的补偿；温度在各部分是一致的，等等。
在分布参数系统中，要考虑到物理特性的连续空间分布。
物体是有弹性的，弹簧是有分布质量的，电线具有分布电阻，温度在物体各处是不同的。
集中参数系统由常微分方程描述，而分布参数系统由偏微分方程描述。
确定系统和随机系统：
一个系统或变量，如果其未来的性能在合理的限度内是可预测和重复的，则这个系统或变量就是确定的。
否则，系统或变量就是随机的。
对随机系统或有随机输入的确定系统的分析是基于概率论基础上的。
单变量和多变量系统：
单变量系统被定义为对于一个参考或命令输入只有一个输出的系统，经常被称为单输入单输出（SISO）系统。
多变量（MIMO）系统含有任意多个输入和输出。
控制系统工程设计问题
控制系统工程由控制结构的分析和实际组成。
分析是对所存在的系统性能的研究，设计问题是对系统部件的一种选择和安排从而实现特定的任务。
控制系统的设计并不是一个精确或严格确定的过程，而是一系列相关事情的序列，典型的顺序是：
1）被控对象的建模；2）系统模型的线性化；3）系统的动态分析；4）系统的非线性仿真；5）控制思想和方法的建立；6）性能指标的选择；7）控制器的设计；8）整个系统的动态分析；9）整个系统的非线性仿真；10）所用硬件的选择；11）开发系统的建立和测试；12）产品模型的设计；13）产品模型的测试。
这个顺序不是固定的，全包括的或必要次序的。
这里给出为后续单元提出和讨论的技术做一个合理的阐述。
UNIT7A传统控制与智能控制
“传统控制”这个术语是指在过去的几十年里发展起来的用于控制以微分和差分方程表述的动态系统的理论和方法。
我们注意到在解决某些问题时仅仅使用这种数学结构表述是不充分的。
事实上，众所周知，使用微分和差分方程结构是无法充分描述一些控制问题的。
例如在研究包括离散事件的制造与通信系统时,自治与排队论就被引入到系统的控制中。
特别是在控制领域外的大多数人的头脑中，“智能控制”这个术语意味着控制采用诸如模糊或者神经网络等方法。
许多非科研性的文章和介绍使这个观念愈加根深蒂固。
然而智能控制并非局限于使用那些方法。
事实上，根据智能控制的一些定义并非使用了神经或模糊控制器就可以被认为是智能的。
现在存在一些控制问题无法使用传统的微分和差分方程形式来公式化和研究。
为了能够用一种系统的方法来处理这些问题，一些众所周知的智能控制方法就被提出了。
传统控制与智能控制有明显区别，对此本文将在下文中描述。
我们应该记住一点，就是智能控制使用了传统控制方法来解决一些“低层的”控制问题，所以传统控制也包含在智能控制领域内的。
智能控制尝试着发展和增强传统控制方法以解决新的具有挑战性的控制问题。
“智能控制”中的控制一词与“传统控制”中的控制一词相比有所不同，并且拥有更广泛的内涵。
首先，其关心的方法更广泛且可描述，例如使用离散事件系统模型或者微分差分方程模型，再或者二者兼有之。
由此引领了混合控制系统理论的发展，即通过使用离散序列体系来研究连续动态过程的控制。
此外，智能控制还顾及更加广泛的方法，而能控制的目标也更加广泛。
例如，“更换卫星上的部件A”对于空间机械手控制器来说就是一个普遍性的任务；这个任务可以分成许多的子任务，其中的几个可能包含如“跟随特定轨迹”此类问题，而这种问题恰可用传统控制方法来解决。
针对复杂系统为了在一段时间内达到控制目的，控制器必须应对固定反馈鲁棒控制器和自适应控制器无法解决的显著的不确定性。
由于要在存在巨大的不确定性的条件下实现控制目标，故障诊断和控制重构、自适应和自学习成为了智能控制器重要的考虑因素。
明显地，任务计划是智能控制设计的一个重要领域。
因此，智能控制是传统控制的提高。
其更有挑战性和普遍性。
不断提高的控制要求需要使用不同于传统控制典型应用的方法，这一点并不令人惊讶。
智能控制领域其实是跨学科的，它尝试将诸如控制、计算机科学和运筹学等多个领域的理论和方法混合和扩展，使之能达到复杂系统的控制目标。
注意，由于运筹学和计算机科学领域的理论和方法是根据不同的需要发展而来的，通常这些理论和方法无法直接用来解决控制问题；在非常复杂的动态系统控制器能用系统的手段设计出来之前，这些理论和方法必须首先得到增强，并且其与传统控制方法结合的新方法也得到发展。
同样传统控制的诸如稳定性类的定义也必须随之修改，例如被控过程被描述为离散时间系统模型；本文也谈到了这个问题。
在智能控制中，当研究计划系统时，如能到达性和死锁等发展于运筹学和计算机科学领域的定义将被使用到。
基于诸如预测运算的严格数学结构被用于研究此类问题。
然而，为了解决控制问题，这些数学结构可能不太方便，他们必须提高，或者必须发展新的方法来妥善处理这些问题。
来源于计算机科学和运筹学的技术主要是作为分析非动态系统的工具发展起来的，当将其应用到控制时，综合这些技术来设计动态系统的实时反馈控制律才是我们主要关心的。
鉴于此讨论，我们应该清楚主要为应用所驱动的智能控制研究含有非常重要和具有挑战性的理论成分。
但凡重大的理论跨越必先解决一些悬而未决的问题，于是控制理论学家们被邀请来解决这些问题。
这些问题虽然很平凡，但仍需付出巨大努力才能解决。
如前所述，智能控制中的控制一词要比传统控制中的控制一词具有更普遍的意义；其事实上也更近于日常用语中的控制一词。
由于智能控制解决了包含传统控制解决的问题在内的
更多更广泛的问题，所以提出有代表性的例子相当困难。
智能控制能够解决一些传统控制无法阐释的控制问题。
例如，在轧钢厂中，传统控制器可以包括钢辊的速度（rpm）整定器，而智能控制结构的控制器却可以包含更多，如故障诊断和报警系统；还有决定整定器设定点的问题，这个问题可以基于过程指令序列、经济决策、维护时间表和机器可用性等多方面。
由于这些因素在作为全局目标的产品生产过程控制中起着各自的作用，所以其必须被考虑到。
智能控制和传统控制的另一个区别在于控制器和被控系统的分离。
在传统控制中的被称为设备的被控系统通常是独立和区别于控制器的。
在给定设备且不变的情况下，控制器由设计人员来设计；注意最近关于坐标系统设计和控制在诸如空间结构和化学工艺等领域被报道，同样某种设计的改变导致系统更加易于控制。
在智能控制中设备和控制器可能没有明显的分离；控制律可能被嵌入而成为被控系统的一部分。
这开辟了新的机遇和挑战，因为它可能影响到用更系统的方法来进行过程的设计。
除传统控制外，智能控制还包括如自计划、自学习、搜索算法、混合系统、故障诊断和重构、自治、Petri网、神经网络和模糊逻辑等相关研究领域。
另外，为了控制复杂系统，有效处理复杂计算的问题也是研究的领域之一；传统控制中其还在研究者关心之外，而当尝试控制复杂系统时，很明显它已经是一个中心的问题。
此时正适合给智能控制中的智能一词作概要的说明。
我们注意到“智能”的精确定义已经不为人类所知数千年了。
最近这个问题以引起多个学科的注意，如心理学、哲学和生物学，当然还有人工智能（AI）；注意AI被定义为使用计算模型实现智能的研究。
对于什么构成了智能还没有一致的意见。
关于广泛使用的智商测验的讨论表明我还远未理解这个问题。
在这个报告中我们也未尝试给智能下一个全面的定义。
取而代之，我们介绍和讨论了几种在前面提及的解决复杂系统控制时表现出可用性的智能系统的特点。
现在罗列了关于“智能控制”的一些内容。
智能控制器设想模仿人类智力，如自适应和自学习、在巨大不确定性条件下的自计划和处理大量的数据等等，以便能有效的控制复杂过程；并且因为这些智力能力被人为使人类智能重要的特征，所以这也为智能控制使用智能这个词做了解释。
当然智能控制这个词在近些年被一些人滥用和误用，这是很不幸的。
注意这个术语既不是第一次也不是最后一次服务于某人的目的而被使用。
象诸如最优这个词被他人大量使用（或被误用）一样，智能控制这个易被记住的词也被一些人大量使用（或误用）乃至更多；当然一些最严重的错误甚至牵涉到“民主”这个词！
不论好坏，智能控制这个词被大量使用。
一个替代性词汇是“自治控制”。
它强调一点，即在完成甚至设置控制目标时智能控制器关注如何可以达到更高程度的自治，而非强调达到这些目标的方法。
另一方面，“智能控制”只是一个今天看来有用的名字而已。
同样地由于六十年代的“现代控制”已经变成了主流部分，现在它也变成了“传统控制”了，而今日所谓“智能控制”在不远的将来也就只能被称为“控制”了。
比使用的术语更重要的是定义和方法，及是否控制领域和智能控制能够满足当今科技社会日益增长的控制需求。
这才是真正的挑战。
我愿以乐观的语调来结束这篇概述；而且也的确有许多乐观的理由。
这确实是控制领域一段极好的时光。
我们正在扩展我们的视野，建立远大的目标，打开新局面，迎接新挑战，我们正瞥见那令人兴奋且有前途的未来。
UNIT4AAProcessControlSystem
此部分的主要目的是满足读者对自动过程控制的需要和激励读者来学习。
自动过程控制与持续过程变量、温度、压力、流量、成分和期望操作值一类的量有关。
正如我们在后续的章节中所看到的，过程本身是动态的。
变化不断发生，并且如果激励未加入，重要的过程变量——与安全有关的变量、产品质量和生产率——将不能获得期望值。
为了强化概念，让我们来考虑一个过程流通过浓缩流加热的热变换器，其过程框图如图4-1A-1
此单元的目的是把一过程流从某一入口温度Ti（t）加热到某一期望出口温度T（t）。
如前所述，热介质是浓缩流。
只要对周围环境没有热损失，过程流所获得的能量等同于浓缩流释放的热量。
也就是说，热变换器和管子均绝缘。
在这种情况下，释放的热量就是浓缩流浓缩的潜热。
在此过程中，有许多变量可变化，从而造成出口温度偏离期望值。
如果发生此情况，激励必须加入以更正此偏差。
也就是说，激励将控制出口温度以维持其期望值。
完成此目的的一种方法是首先测量温度T（t），然后与期望值比较，基于此比较值，确定以什么来更正偏差。
浓缩流的流量可用于更正偏差。
也就是说，如果温度高于期望值，那么到热变换器的浓缩流的流量（能量）可调节减少。
如果温度低于期望值，那么到热变换器的浓缩流的流量（能量）可调节增加。
所有这些均可由操作者人工完成，并且如果过程简单明了，这将不成问题。
然而，在大多数过程控制工厂中，均有数百个变量必须保持期望值，那么更正过程将需要大量的操作人员。
因此，我们希望自动的完成此控制。
这就是说，我们需要一些不用操作人员介入就可控制这些变量的设备。
这就是我们所说的自动过程控制。
为完成此目的，必须设计和实现控制系统。
一种可能的控制系统和其基本元件如图4-1A-2所示。
首先是测量过程流的出口温度，完成此任务的是传感器（热电偶、阻抗温度仪、*系统温度计、电热调节器等）。
传感器会与热敏电偶相连，热敏电偶从传感器采一输出点，并把其转换为足够强的信号传递给一控制器。
控制器接受与温度相关的信号，并与期望值相比较。
依赖于此比较值，控制器可确定怎样保持温度在期望值。
基于此决定，控制器给终端控制元件传送另一信号，其反过来操作流量。
前面的段落介绍了控制系统的四个基本元件。
它们是：
1）传感器，通常称为主要元件。
2）热敏电偶，通常称为次要元件。
3）控制器，控制系统的“脑”.4）终端控制系统，经常为控制阀但不总是。
一般其它终端控制元件为可变的速度泵、传送机和电动机。
这些元件的重要性在于它们执行的是在每一个控制系统中所必须的三个基本操作。
这些操作是：
1）测量（M）：
传感器和热偶电阻的组合元件经常测量被控变量。
2）设定（D）：
基于测量值，控制器决定怎样维持变量在期望值。
3）执行（A）：
作为控制器决定后的结果，系统必须采取一定的措施，通常有终端控制元件完成。
如上所述，在每一个控制系统中这三个基本操作：
M、D和A都会存在。
在某些系统中，决定-执行操作相当简单，而在另一些系统中操作很复杂。
工程人员设计控制系统时必须确保采取的措施要影响控制变量，也就是说，采取的措施要影响测量值。
否则，系统是不可控的且有可能弊大于利。
某企业拟试制一种新产品投放市场，由于缺乏历史资料和统计数据，只能大致估计产品投放市场会有销路好、销路一般、销路差三种状态；现有大批量生产、中批量生产、小批量生产三个方案。
决策树：
升级会员 