智能控制基础论文
摘要：智能控制作为一门新兴学科，它的发展得益于许多学科，如人工智能、认知科学、现代控制理论、模糊数学、生物控制论、学习理论以及网络理论等。总结近20年来智能控制的研究成果，详细论述智能控制的基本概念、工作原理和设计方法。主要内容包括：智能控制概论、模糊控制论、人工神经网络控制论、专家控制、分层递阶智能控制、学习控制、模糊神经网络控制与自适应神经网络、进化算法、多智能体系统控制。
关键字：智能、控制论、模糊控制、神经网络、专家控制、进化算法、控制系统。
一、智能控制的主要方法
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控
制和集成智能控制等, 以及常用的优化算法有：遗传算法、蚁群算法、免疫算法等。
1.1 模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础, 以先验知识
和专家经验作为控制规则。所谓模糊控制，就是在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法. 模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标.
模糊控制的基本思想是用机器去模拟人对系统的控制. 它是受这样事实而启
发的：对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统，有经验的操作者或专家却能取得比较好的控制效果，这是因为他们拥有日积月累的丰富经验，因此人们希望把这种经验指导下的行为过程总结成一些规则，并根据这些规则设计出控制器. 然后运用模糊理论，模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成
对这些规则的具体实现，达到以机器代替人对某些对象进行自动控制的目的。
模糊逻辑用模糊语言描述系统，既可以描述应用系统的定量模型也可以描述
其定性模型. 模糊逻辑可适用于任意复杂的对象控制. 但在实际应用中模糊逻
辑实现简单的应用控制比较容易. 简单控制是指单输入单输出系统（SISO) 或多
输入单输出系统（MISO) 的控制. 因为随着输入输出变量的增加，模糊逻辑的推
理将变得非常复杂。 学习控制系统 其基本思想是用机器模拟人对系统的控制, 就
是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段, 实现系统控
制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定, 以及控制规则的
制定二者缺一不可。
1.2 人工神经网络控制论
神经网络模拟人脑神经元的活动, 利用神经元之间的联结与权值的分布来
表示特定的信息, 通过不断修正连接的权值进行自我学习, 以逼近理论为依据进
行神经网络建模, 并以直接自校正控制、间接自校正控制、神经网络预测控制等
方式实现智能控制。 人工神经网络具有下列特征：①它包含大量的人工神经元，
提供了大量可供调节的变量；②信息是分布式存储的，从而提供了联想与全息记
忆的能力；③具有高度的自适应能力，高度的容错能力，很强的计算能力以及自
组织能力。人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较
成功的应用，在工程设计中的应用正在不断地研究发展，如基于人工神经网络的
机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的
原理在机械工程中的应用等。目前，神经网络和专家系统有联合起来的趋势，神
经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系
统在知识获取、并行推理、适应性学习、联想推理、容错能力方面明显优于传统
的专家系统。
1.3专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合, 仿效专家的经
验, 实现对系统控制的一种智能控制。主体由知识库和推理机构组成, 通过对知识
的获取与组织, 按某种策略
适时选用恰当的规则进行推理, 以实现对控制对象的控制。专家控制可以灵
活地选取控制率, 灵活性高; 可通过调整控制器的参数, 适应对象特性及环境的变
化, 适应性好; 通过专家规则, 系统可以在非线性、大偏差的情况下可靠地工作, 鲁棒性强。智能CAD 是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某种程度人工智能的CAD 系统。 专家系统(EXPERT SYSTEM)是一个能在某个特定领域内，用人类专家的知识、经验和能力去解决该领域中复杂困难问题的计算机程序系统。它不同于通常的问题求解系统，其基本思想是使计算机的工作过程能尽量模拟领域专家解决实际问题的过程。专家系统在CAD 作业中适时给出智能化提示，告诉设计人员下一步该做什么，当前设计存在的问题，建议解决问题的几何途径；或模拟人的智慧，根据出现的问题提出合理的解决方案。专家系统是基于知识的系统，专家系统技术是知识获取、处理和运用的技术。知识工程是专家系统技术的基础。专家系统通常由知识库、推理机、知识获取系统、解释机构和一些界面组成。
1.4进化算法
遗传算法
遗传算法简称GA(GeneticA1gorithms)是1962年由美国Michigan 大学
H011and 教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方
遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是： 将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉变异繁殖等操作获得待优化函数的最优或近似最优解在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题遗传算法具有可扩展性，可以。同专家系统模糊控制和神经网络结合，为智能控制的研究注、入新的活力如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。
遗传算法的特点为：
1）以决策变量的编码作为运算对象
2）直接以目标函数值作为搜索信息
3）同时进行解空间的多点搜索
4）使用自适应的概率搜索技术
二、智能控制的应用
实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型。 应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。
2.1. 工业过程中的智能控制
水族箱智能控制器 鱼缸控制器
生产过程的智能控制主要包括两个方面：局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID 控制器、专家控制器、神经元网络控制器等。研究热点是智能PID 控制器，因为其在参数的整定和在线自适应调整方面具有明显的优势，且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产过程的自动化，包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。
2.2 机械制造中的智能控制
在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经网络的方法对制造过程进行动态环境建模，利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If ”逆向推理作为反馈机构，修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性，将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和
并行处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。
2.3 电力电子学研究领域中的智能控制
电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、
控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果。遗传算法是一种先进的优化算法，采用此方法来对电器设备的设计进行优化，可以降低成本, 缩短计算时间，提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有：模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中，智能控制在电流控制PWM 技术中的应用是具有代表性的技术应用方向之一，也是研究的新热点之一。
三、对智能控制未来的展望
3.1 智能控制存在的问题
智能控制以其优越的控制性能逐渐步入了工程界并得到广泛的应用。然而在智能控制的实现方面，还存在很多问题有待解决。具体表现在：
(1)扩宽实际应用范围, 提高实时控制能力问题。
(2)解决知识获取和优化的瓶颈问题，特别是动态系统的知识获取和分类。
(3)对智能控制学习研究的问题。
(4)各种智能控制方法结合以及同传统控制方法结合研究问题。
(5)数值和符号之间的计算问题。目前，在数值和符号之间的计算尚未有一个成型的规则。
(6)智能控制的鲁棒性问题缺乏严格的数学推导。
(7)如何研究解耦问题，简化控制算法。
(8)研究新型智能控制硬件和软件问题。目前，智能控制的研究往往缺少较好的软件环境，硬件方面存在的问题更大。
3.2智能控制的发展前景
智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出, 应用则主要是解决技术问题，对象具体而单一。子波变换、遗传算法与模
糊神经网络的结合, 以及混沌理论等，将成为智能控制的发展方向。智能控制发展的核心仍然是以神经网络的强大自学习功能与具有较强知识表达能力的模糊逻辑推理构成的模糊逻辑神经网络。
要做到智能自动化，把机器人的智商提高到智人水平，还需要数十年。微电子学、生命科学、自动化技术突飞猛进，为世纪实现智能控制和智能自动化创造了很好的条件。对这门新学科今后的发展
方向和道路已经取得了一些共识：
(1)研究和模仿人类智能是智能控制的最高目标；
(2）智能控制必须靠多学科联合才能取得新的突破；
(3)智能的提高不能全靠子系统的堆积要做到“整体大于组分之和”, 只靠非线性效应是不够的。
为了达到目标，不仅需要技术的进步，更需要科学思想和理论的突破。很多科学家坚持认为，这需要发现新的原理，或者改造已知的物理学基本定理，才能彻底懂得和仿造人类的智能，才能设计出具有高级智能的自动控制系统。
科学界要为保障人类和地球的生存和可持续发展做出必须的贡献，而控制论科学家和工程师应当承担主要的使命。
四、结束语
智能控制现已得到了广泛的应用，将随着基础理论的不断丰富和实际应用的不断成熟而得到更为广泛的应用，近年来，智能控制技术在国内已有了较大的发展，己进入工程化，实用化的阶段. 但作为一门兴的理论技术，它还处在一个发展时期. 然而，随着人工智能技术，计算机技术的迅速发展，智能控制必将迎来它的发展新时期.
参考文献：
[1]韦巍，何衍. 智能控制基础. 北京：清华大学出版社，2008.11
[2]孙增圻. 智能控制理论与技术. 北京：清华大学出版社，广西科学技术出版社，1997
[3] 刘红波, 李少远, 柴天佑. 一种设计模糊PID 复合控制器的新方法及其在电厂控制中的应用[J].动力工程,2004,24(1):78-82.
[4]易继锴，候媛彬.
智能控制技术. 北京：北京工业大学出版社 1999
智能控制基础论文
摘要：智能控制作为一门新兴学科，它的发展得益于许多学科，如人工智能、认知科学、现代控制理论、模糊数学、生物控制论、学习理论以及网络理论等。总结近20年来智能控制的研究成果，详细论述智能控制的基本概念、工作原理和设计方法。主要内容包括：智能控制概论、模糊控制论、人工神经网络控制论、专家控制、分层递阶智能控制、学习控制、模糊神经网络控制与自适应神经网络、进化算法、多智能体系统控制。
关键字：智能、控制论、模糊控制、神经网络、专家控制、进化算法、控制系统。
一、智能控制的主要方法
智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控
制和集成智能控制等, 以及常用的优化算法有：遗传算法、蚁群算法、免疫算法等。
1.1 模糊控制
模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础, 以先验知识
和专家经验作为控制规则。所谓模糊控制，就是在被控制对象的模糊模型的基础上，运用模糊控制器近似推理手段，实现系统控制的一种方法. 模糊模型是用模糊语言和规则描述的一个系统的动态特性及性能指标.
模糊控制的基本思想是用机器去模拟人对系统的控制. 它是受这样事实而启
发的：对于用传统控制理论无法进行分析和控制的复杂的和无法建立数学模型的系统，有经验的操作者或专家却能取得比较好的控制效果，这是因为他们拥有日积月累的丰富经验，因此人们希望把这种经验指导下的行为过程总结成一些规则，并根据这些规则设计出控制器. 然后运用模糊理论，模糊语言变量和模糊逻辑推理的知识，把这些模糊的语言上升为数值运算，从而能够利用计算机来完成
对这些规则的具体实现，达到以机器代替人对某些对象进行自动控制的目的。
模糊逻辑用模糊语言描述系统，既可以描述应用系统的定量模型也可以描述
其定性模型. 模糊逻辑可适用于任意复杂的对象控制. 但在实际应用中模糊逻
辑实现简单的应用控制比较容易. 简单控制是指单输入单输出系统（SISO) 或多
输入单输出系统（MISO) 的控制. 因为随着输入输出变量的增加，模糊逻辑的推
理将变得非常复杂。 学习控制系统 其基本思想是用机器模拟人对系统的控制, 就
是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段, 实现系统控
制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定, 以及控制规则的
制定二者缺一不可。
1.2 人工神经网络控制论
神经网络模拟人脑神经元的活动, 利用神经元之间的联结与权值的分布来
表示特定的信息, 通过不断修正连接的权值进行自我学习, 以逼近理论为依据进
行神经网络建模, 并以直接自校正控制、间接自校正控制、神经网络预测控制等
方式实现智能控制。 人工神经网络具有下列特征：①它包含大量的人工神经元，
提供了大量可供调节的变量；②信息是分布式存储的，从而提供了联想与全息记
忆的能力；③具有高度的自适应能力，高度的容错能力，很强的计算能力以及自
组织能力。人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较
成功的应用，在工程设计中的应用正在不断地研究发展，如基于人工神经网络的
机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的
原理在机械工程中的应用等。目前，神经网络和专家系统有联合起来的趋势，神
经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系
统在知识获取、并行推理、适应性学习、联想推理、容错能力方面明显优于传统
的专家系统。
1.3专家控制
专家控制是将专家系统的理论技术与控制理论技术相结合, 仿效专家的经
验, 实现对系统控制的一种智能控制。主体由知识库和推理机构组成, 通过对知识
的获取与组织, 按某种策略
适时选用恰当的规则进行推理, 以实现对控制对象的控制。专家控制可以灵
活地选取控制率, 灵活性高; 可通过调整控制器的参数, 适应对象特性及环境的变
化, 适应性好; 通过专家规则, 系统可以在非线性、大偏差的情况下可靠地工作, 鲁棒性强。智能CAD 是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某种程度人工智能的CAD 系统。 专家系统(EXPERT SYSTEM)是一个能在某个特定领域内，用人类专家的知识、经验和能力去解决该领域中复杂困难问题的计算机程序系统。它不同于通常的问题求解系统，其基本思想是使计算机的工作过程能尽量模拟领域专家解决实际问题的过程。专家系统在CAD 作业中适时给出智能化提示，告诉设计人员下一步该做什么，当前设计存在的问题，建议解决问题的几何途径；或模拟人的智慧，根据出现的问题提出合理的解决方案。专家系统是基于知识的系统，专家系统技术是知识获取、处理和运用的技术。知识工程是专家系统技术的基础。专家系统通常由知识库、推理机、知识获取系统、解释机构和一些界面组成。
1.4进化算法
遗传算法
遗传算法简称GA(GeneticA1gorithms)是1962年由美国Michigan 大学
H011and 教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方
遗传算法是一种基于生物进化模拟的启发式智能算法，它的基本策略是： 将待优化函数的自变量编码成类似基因的离散数值码，然后通过类似基因进化的交叉变异繁殖等操作获得待优化函数的最优或近似最优解在智能控制中，遗传算法广泛应用于各类优化问题，遗传算法可以用于复杂的非线性系统的辨识，多变量系统控制规则的优化，智能控制参数的优化等常规控制方法难以奏效的问题遗传算法具有可扩展性，可以。同专家系统模糊控制和神经网络结合，为智能控制的研究注、入新的活力如可用遗传算法对模糊控制的控制规则和隶属度函数进行优化，对神经网络的权值进行优化等。
遗传算法的特点为：
1）以决策变量的编码作为运算对象
2）直接以目标函数值作为搜索信息
3）同时进行解空间的多点搜索
4）使用自适应的概率搜索技术
二、智能控制的应用
实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等，一般无法获得精确的数学模型。 应用传统控制理论进行控制必须提出并遵循一些比较苛刻的线性化假设，而这些假设在应用中往往与实际情况不相吻合。对于某些复杂的和饱含不确定性的控制过程，根本无法用传统数学模型来表示，即无法解决建模问题。为了提高控制性能，传统控制系统可能变得很复杂，从而增加了设备的投资，减低了系统的可靠性。
2.1. 工业过程中的智能控制
水族箱智能控制器 鱼缸控制器
生产过程的智能控制主要包括两个方面：局部级和全局级。局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计，例如智能PID 控制器、专家控制器、神经元网络控制器等。研究热点是智能PID 控制器，因为其在参数的整定和在线自适应调整方面具有明显的优势，且可用于控制一些非线性的复杂对象。全局级的智能控制主要针对整个生产过程的自动化，包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。
2.2 机械制造中的智能控制
在现代先进制造系统中，需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况，人工智能技术为解决这一难题提供了有效的解决方案。智能控制随之也被广泛地应用于机械制造行业，它利用模糊数学、神经网络的方法对制造过程进行动态环境建模，利用传感器融合技术来进行信息的预处理和综合。可采用专家系统的“Then-If ”逆向推理作为反馈机构，修改控制机构或者选择较好的控制模式和参数。利用模糊集合和模糊关系的鲁棒性，将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。利用神经网络的学习功能和
并行处理信息的能力，进行在线的模式识别，处理那些可能是残缺不全的信息。
2.3 电力电子学研究领域中的智能控制
电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、
控制是一个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果。遗传算法是一种先进的优化算法，采用此方法来对电器设备的设计进行优化，可以降低成本, 缩短计算时间，提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有：模糊逻辑、专家系统和神经网络。在电力电子学的众多应用领域中，智能控制在电流控制PWM 技术中的应用是具有代表性的技术应用方向之一，也是研究的新热点之一。
三、对智能控制未来的展望
3.1 智能控制存在的问题
智能控制以其优越的控制性能逐渐步入了工程界并得到广泛的应用。然而在智能控制的实现方面，还存在很多问题有待解决。具体表现在：
(1)扩宽实际应用范围, 提高实时控制能力问题。
(2)解决知识获取和优化的瓶颈问题，特别是动态系统的知识获取和分类。
(3)对智能控制学习研究的问题。
(4)各种智能控制方法结合以及同传统控制方法结合研究问题。
(5)数值和符号之间的计算问题。目前，在数值和符号之间的计算尚未有一个成型的规则。
(6)智能控制的鲁棒性问题缺乏严格的数学推导。
(7)如何研究解耦问题，简化控制算法。
(8)研究新型智能控制硬件和软件问题。目前，智能控制的研究往往缺少较好的软件环境，硬件方面存在的问题更大。
3.2智能控制的发展前景
智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出, 应用则主要是解决技术问题，对象具体而单一。子波变换、遗传算法与模
糊神经网络的结合, 以及混沌理论等，将成为智能控制的发展方向。智能控制发展的核心仍然是以神经网络的强大自学习功能与具有较强知识表达能力的模糊逻辑推理构成的模糊逻辑神经网络。
要做到智能自动化，把机器人的智商提高到智人水平，还需要数十年。微电子学、生命科学、自动化技术突飞猛进，为世纪实现智能控制和智能自动化创造了很好的条件。对这门新学科今后的发展
方向和道路已经取得了一些共识：
(1)研究和模仿人类智能是智能控制的最高目标；
(2）智能控制必须靠多学科联合才能取得新的突破；
(3)智能的提高不能全靠子系统的堆积要做到“整体大于组分之和”, 只靠非线性效应是不够的。
为了达到目标，不仅需要技术的进步，更需要科学思想和理论的突破。很多科学家坚持认为，这需要发现新的原理，或者改造已知的物理学基本定理，才能彻底懂得和仿造人类的智能，才能设计出具有高级智能的自动控制系统。
科学界要为保障人类和地球的生存和可持续发展做出必须的贡献，而控制论科学家和工程师应当承担主要的使命。
四、结束语
智能控制现已得到了广泛的应用，将随着基础理论的不断丰富和实际应用的不断成熟而得到更为广泛的应用，近年来，智能控制技术在国内已有了较大的发展，己进入工程化，实用化的阶段. 但作为一门兴的理论技术，它还处在一个发展时期. 然而，随着人工智能技术，计算机技术的迅速发展，智能控制必将迎来它的发展新时期.
参考文献：
[1]韦巍，何衍. 智能控制基础. 北京：清华大学出版社，2008.11
[2]孙增圻. 智能控制理论与技术. 北京：清华大学出版社，广西科学技术出版社，1997
[3] 刘红波, 李少远, 柴天佑. 一种设计模糊PID 复合控制器的新方法及其在电厂控制中的应用[J].动力工程,2004,24(1):78-82.
[4]易继锴，候媛彬.
智能控制技术. 北京：北京工业大学出版社 1999