控制科学发展前沿课程论文报告

研究生课程论文封面

课程名称 控制科学发展前沿讲座 教师姓名

研究生姓名 研究生学号

研究生专业

所在院系 自动化学院 类 别: 硕士 日 期:

对智能控制技术的认识

1 引言

随着计算机、材料、能源等现代科学技术的迅速发展和生产系统规模不断扩大，形成了复杂的控制系统，导致了控制对象、控制器、控制任务等更加复杂。与此同时，对自动化程度的要求也更加广泛，面对来自柔性控制系统(FMS)、智能机器人系统(IRS)、数控系统(CNS)、计算机集成制造系统(CIMS)等复杂系统的挑战，经典的与现代的控制理论和技术已不适应复杂系统的控制。智能控制是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制技术。智能控制是自动控制发展的高级阶段。

2 背景和意义

现代科学技术的迅速发展，生产系统的规模越来越大，形成了复杂的大系统，导致了控制对象、控制器以及控制任务和目的的日益复杂化。别一方面，人类对自动化的要求也更加广泛，面对来自旬电力系统、工业生产过程控制系统、智能机器人系统、计算机集成制造系统（CIMS）、核电站安全运行控制、航空航天及军事指挥系统等复杂性系统的挑战，传统的自动控制理论和方法显得已不适应于复杂系统的控制。能否建立新一代的控制理论方法来解决复杂系统的控制问题，已成为各国控制学术界所共同关心的热门研究课题。

近年来人们开始认识到，在许多系统中，复杂性不仅仅表现在高维性上，更多则表现在：（1）被控对象模型的不确定必；（2）系统信息的模糊性，信息模式； （3）高度非线性；（4）输入（传感器）信息的多样化；（5）多层次、多目标的控制要求；（6）计算复杂性和庞大的数据处理以及严格性能指标。自然，对于复杂系统需要在传统的控制理论基础上结合其它学科的知识，建立一种更有力的控制理论和方法，以解决上述提到的问题。智能控制就是在这种背景下提出和形成的。

人类对智能机器及其控制的幻想与追求已有三千多年的历史，然而，真正的智能机器只有在计算机技术和人工智能技术发展的基础上才能成为可能。人工智

能已经促进自动控制向着它的当今最高层次—智能控制发展。智能控制代表了自动控制的最新发展阶段，也是应用计算机模拟人类智能，实现人类脑力体力劳动自动化的一个重要领域。

智能控制系统是当今国内外自动化学科中一个十分活跃和具有挑战性的领域，又是一门新兴的交叉学科。它与人工智能、自动控制、运筹学、计算机科学、模糊数学、神经网络理论、进化论、模式识别、信息论、仿生学和认识心理学等有着密切的关系，是相关学科相互结合与渗透的产物，电力系统与核电安全运行，航空航天飞行器对接，智能机器人，智能通信网络，智能化仪器仪表，家电行业等领域，并形成一门新的智能自动化学科。

3 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,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 3.1 模糊控制

模糊控制是以模糊集合理论、模糊语言变量和模糊逻辑推理为基础的一种计算机数字控制。模糊控制同常规的控制方案相比，主要特点有：

(1)模糊控制只要求掌握现场操作人员或有关专家的经验、知识或操作数据，不需要建立过程的数学模型，所以适用于不易获得精确数学模型的被控过程，或结构参数不很清楚等场合。

(2)模糊控制是一种语言变量控制器，其控制规则只用语言变量的形式定性的表达，不用传递函数与状态方程，只要对人们的经验加以总结，进而从中提炼出规则，直接给出语言变量，再应用推理方法进行观察与控制。 (3)系统的鲁棒性强，尤其适用于时变、非线性、时延系统的控制。 (4) 从不同的观点出发，可以设计不同的目标函数，其语言控制规则分别是独立的，但是整个系统的设计可得到总体的协调控制。

它是处理推理系统和控制系统中不精确和不确定性问题的一种有效方法，同时也构成了智能控制的重要组成部分。

模糊控制器的组成框图主要分为三部分：精确量的模糊化，规则库模糊推理，

模糊量的反模糊化。

图1-1模糊控制器组成 （1）精确量的模糊化

模糊化是一个使清晰量模糊的过程，输入量根据各种分类被安排成不同的隶属度，例如，温度输入根据其高低被安排成很冷、冷、常温、热和很热等。

一般在实际应用中将精确量离散化，即将连续取值量分成几档，每一档对应一个模糊集。控制系统中的偏差和偏差变化率的实际范围叫做这些变量的基本论域，设偏差的基本论域为[-x,+x]，偏差所取的模糊集的论域为(-n，-n+1,„0，n-1,n),即可给出精确量的模糊化的量化因子k：

（2）规则库和推理机

模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是按人的直觉推理的一种语言表示形式。模糊规则通常由一系列的关系词连接而成，如If-then,else,also,and,or等。例如，某模糊控制系统输入变量为e(误差)和ec(误差变化率)，它们对应的语言变量为E和EC，可给出一组模糊规则。 R1：If E is NB and EC is NB then U is PB R2：If E is NB and EC is NS then U is PM

通常把If...部分称为“前提”，而then...部分称为“结论”。其基本结构可归纳为If A and B then C，其中A为论域U上的一个模糊子集，B为论域V上的一个模糊子集。根据人工的控制经验，可离线组织其控制决策表R，R是笛卡儿乘积集U×V上的一个模糊子集。规则库用来存放全部模糊控制规则，在推理时为“推理机”提供控制规则。由上述可知，规则条数和模糊变量的模糊子集划分有关。划分越细，规则条数越多，但并不代表规则库的准确度越高，规则库的“准确性”还与专家知识的准确度有关。

在设计模糊控制规则时，必须考虑控制规则的完备性、交叉性和一致性。完备性是指对于任意的给定输入均有相应的控制规则起作用。要求控制规则的完备性是保证系统能被控制的必须条件之一。如果控制器的输出值总由数条控制规则来决定，说明控制规则之间相互联系、相互影响。这是控制规则的交叉性。一致性是指控制规则中不存在相互矛盾的规则。

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。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。 3.1.1 模糊逻辑控制

模糊逻辑拉制沦于1965年由扎德教授首先提出。它的主要思想是吸取气类思维具有模糊性的特点，通过模糊逻辑推理来实现对众多不确定性系统的有效控制。如果说.传统的控制是从被控对象的数学结构上去考虑进行控制的。那么，模糊控制是从人类智能活动的角度和基础上去考虑实施控制的.其设计的核心是模糊控制规则和隶属度函数的确定。经典的模糊逻辑控制器的隶属度函数、控制规则都是根据经验预先总结出来的。控制过程中没有对规则进行修正功能，不具备学习和适应能力。但仍然在许多场合.如炉窑控制、化工过程控制、水处理、家电等得到广泛的应用。同时。多种改进的或夏合的模糊控制器也不断涌现.如模糊日。调节器、模糊专家拧制器、模糊自适应控制器.模糊神经网络控制器等。此外，模糊系统建模、模糊控制器的稳定性分析、模糊控制器的鲁棒性设计等一些热点和难点问题也都取得了进展。模糊拄制已经进人一个新阶段。 3.1.2 模糊模型

理想的模糊杜制必须建立在系统模糊模型辨识的基础上。与传统的系统建模一样，模糊建模也有两个部分:结构建模和参数辨}u一模糊模型是反映模糊系统输人输出关系的一种数学表达式目前.描述模糊系统模型的方式大致有3种: (1)基于模糊关系方程的模糊模型 Y=X·R

（1）式中，X和Y为定义在论域X和Y中的模糊集合:这种模型常用于医疗

诊断、模糊控制系统故障诊断和决策。 （2）Takag-Sugeno模型

一般表示为: IF x1是A1和、:是儿】二和xd是人.Then，二几;)式中结果部分是精确函数一当f( x)是x,{a-1,' ,})线性多项式时、称此为一阶TS模型-

（3）Matndam橙型

IF x}是山和、:是灰„和xk是.4d . 'Chen y.是B现有模糊拄制系统中大量采用的是3iemda}‘模型。由于该模型的结论部也是模糊集。因此，系统总的推理输出需要精确化计算后才能取得。

模糊模型除具f}连续函数的映射能力之外，还具有以下优点: (1)可将专家经验直接融合到模糊模型中，通过IF····THEN规则的形式表达知识特征;（2）以上3种校}都可以根据系统的输人输出数据进行辨识，具有定量和定性知识集成的特点。 3.1.3模糊预测控制

预测控制是为了适应复杂工业过程控制而提出来的算 法.它是解决大涌后对象控制同题的一条有效途径:把预测 控制与模糊逻辑推理相结合.更符合人类的控制思想，因而 也很有吸引力。根据其结合方式不同，模糊预测控制有两 类:一是利用}ugeno模型、将多个模糊模型转化为线性时变 差分模型进行GPC算法设计;二是利用被控过程模型预测在 参考控制量作用下过程的朱来输出。根据预侧输出结果评价 各参考控制量的控制效果，并进行模糊逻辑修整。 3.1.4 模糊控制系统的稳定性分析

经典控制理论和现代控制理论的系统稳定性分析都有成熟的理论和方法?它们的理论基础是精确的系统数学模型」然而，正是由于需要精确的数学模型使得传统的控制理论在许多被控对象的控制中成为问题，利用经验建立的模糊控制器表现出更大的优越性:但是，经典控制的稳定性分析并不适用于模糊系统的稳定性分析和判据。对于Sugeno模糊模型，可以采用Lpap~直接法进行稳定性判据:但是，hfamt}uni模型的稳定性判据还没有成熟的理论和方法。

3.2 神经网络控制

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。 3.3 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。 3.4 学习控制

(1)遗传算法学习控制

智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。快速、高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向 。 (2)迭代学习控制

迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。

4 智能控制技术的发展

4.1 国内外研究现状及发展趋势

智能控制（intelligent controls），是指在无人干预的情况下能自主地驱动智能机器，以实现控制目标的自动控制技术。

自1932年奈魁斯特（H.Nyquist）的有关反馈放大器稳定性论文发表以来，控制理论的发展已走过了60多年的历程。一般认为，前30年是经典控制理论的发展和成熟阶段，后30年是现代控制理论的形成和发展阶段。随着研究的对象和系统越来越复杂，借助于数学模型描述和分析的传统控制理论已难以解决复杂系统的控制问题。智能控制是针对控制对象及其环境、目标和任务的不确定性和复杂性而产生和发展起来的。

从20世纪60年代起，计算机技术和人工智能技术迅速发展，为了提高控制系统的自学习能力，控制界学者开始将人工智能技术应用于控制系统。 1965年，美籍华裔科学家傅京孙教授首先把人工智能的启发式推理规则用于学习控制系统，1966年，Mendel进一步在空间飞行器的学习控制系统中应用了人工智能技术，并提出了“人工智能控制”的概念。1967年，Leondes和Mendel首先正式使用“智能控制”一词。

20世纪70年代初，傅京孙、Glofiso和Saridis等学者从控制论角度总结了人工智能技术与自适应、自组织、自学习控制的关系，提出了智能控制就是人工智能技术与控制理论的交叉的思想，并创立了人机交互式分级递阶智能控制的系统结构。

20世纪70年代中期，以模糊集合论为基础，智能控制在规则控制研究上取得了重要进展。1974年，Mamdani提出了基于模糊语言描述控制规则的模糊控制器，将模糊集和模糊语言逻辑用于工业过程控制，之后又成功地研制出自组织模糊控制器，使得模糊控制器的智能化水平有了较大提高。模糊控制的形成和发展，以及与人工智能的相互渗透，对智能控制理论的形成起了十分重要的推动作用。 20世纪80年代，专家系统技术的逐渐成熟及计算机技术的迅速发展，使得智能控制和决策的研究也取得了较大进展。1986年，K.J.Astrom发表的著名论文《专家控制》中，将人工智能中的专家系统技术引入控制系统，组成了另一种类型的智能控制系统——专家控制。目前，专家控制方法已有许多成功应用的实

例。

自1971年傅京孙教授提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能、模糊集理论、运筹学和控制论），在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的发展和完善。智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。智能控制也是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。随着科学技术的发展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的发展和完善。

控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。

4.2 智能控制的结构理论

自从傅京孙1971年提出把智能控制作为人工智能和自动控制的交接领域以来,许多研究人员试图建立起智能控制这一新学科。他们提出了一些有关智能控制系统结构的思想,有助于对智能控制的进一步认识。

智能控制具有十分明显的跨学科结构特点。智能控制分为二元交集结构、三元交集结构和四元交集结构,它们分别由下列交集表示:

图1-2智能控制结构

IC=AI∩AC IC=AI∩AC∩OR IC=AI∩AC∩IT∩OR

也可用离散数学和人工智能中常用的谓词公式之合取来表示上述各种结构: IC=AI∧AC IC=AI∧AC∧OR IC=AI∧AC∧IT∧OR

AI表示人工智能(Artificial intelligence);AC表示自动控制(Automatic Control);OR

表示运筹学(Operation Research);IT

表示信息论

(InformationTheory或Informatics);IC表示智能控制(Intelli-gent Control);∩表示交集;∧表示“与”符号。 4.2.1 二元结构

傅京孙曾对几个与自学习控制有关的领域进行了研究。这些研究领域是: (1)含有拟人控制器的控制系统; (2)含有人—机控制器的控制系统; (3)自主机器人系统。

为了强调系统的问题求解和决策能力,他用“智能控制系统”来包括这些领域。他指出“智能控制系统描述自动控制系统与人工智能的交接作用”。 对自学习系统的研究是走向智能控制系统的基本步骤之一。在自学习控制系统中,当采用人—机组合控制器时,需要比较高层的智能决策,它可由拟人控制器来作出。例如,识别复杂的环境状况,为计算机控制器设定子目标以及纠正计算机控制器作出的不适当决定等。另一方面,对于较低层的智能作用,如数据收集、程序执行以及在线计算等,则可由机器控制器来执行。在设计这种智能控制系统时,要尽可能多地把设计者和操作人员所具有的与指定任务有关的智能转移到机器控制器上。

对于自主机器人系统。傅京孙以SRI(斯坦福研究所)的机器人系统为例加以说明。这个系统力图在一个远距离环境下,对机器人进行无人干预的自动控制与操作。这一控制系统至少应执行三个主要功能,即感知、模拟和问题求解。 4.2.2 三元结构

萨里迪斯于1977年提出另一种智能控制结构,他把傅京孙的智能控制扩展为三元结构,即把智能控制看作为人工智能、自动控制和运筹学的交集。 萨里迪斯认为,构成二元交集结构的两元互相支配,无助于智能控制的有效和成功应用,必须把运筹学的概念引入智能控制,使它成为三元交集中的一个子集。这种三元结构后来成为IEEE第一次智能控制研讨会的主题之一。 对这一问题的讨论,有助于智能控制学科的形成。在智能控制专业委员会各会员之间,曾对智能控制进行了认真的争论。并在第一次智能控制国际研讨会上达到了高潮。

5 智能仪器控制技术的应用

近年来，智能化测量控制仪表的发展尤为迅速。国内市场上已经出现了多种多样智能化测量控制仪表，例如，能够自动进行差压补偿的智能节流式流量计，能够进行程序控温的智能多段温度控制仪，能够实现数字pid和各种复杂控制规律的智能式调节器，以及能够对各种谱图进行分析和数据处理的智能色谱仪等。 智能仪器是计算机科学、电子学、数字信号处理、人工智能、vlsi等新兴技术

与传统的仪器仪表技术的结合。随着专用集成电路、个人仪器等相关技术的发展，智能仪器将会得到更加广泛的应用。作为智能仪器核心部件的单片计算机技术是推动智能仪器向小型化、多功能化、更加灵活的方向发展的动力。可以预料控制工程网版权所有，各种功能的智能仪器在不远的将来会广泛地使用在社会的各个领域。传统的智能仪器主要在仪器技术中用了某种计算机技术控制工程网版权所有，而虚拟仪器则强调在通用的计算机技术中吸收仪器技术。作为虚拟仪器核心的软件系统具有通用性、通俗性、可视性、可扩展性和升级性，能为用户带来极大的利益控制工程网版权所有，因此，具有传统的智能仪器所无法比拟的应用前景和市场。

人工智能是计算机应用的一个崭新领域，利用计算机模拟人的智能，用于机器人、医疗诊断、专家系统、推理证明等各方面。智能仪器的进一步发展将含有一定的人工智能，即代替人的一部分脑力劳动，从而在视觉(图形及色彩辨读)、听觉(语音识别及语言领悟)、思维(推理、判断、学习与联想)等方面具有一定的能力。 这样，智能仪器可无需人的干预而自主地完成检测或控制功能。显然，人工智能在现代仪器仪表中的应用，使我们不仅可以解决用传统方法很难解决的一类问题，而且可望解决用传统方法根本不能解决的问题。据相关机构发布的研究报告显示，随着专用集成电路、个人仪器等相关技术的发展，智能仪器将会得到更加广泛的应用。

6 智能控制的应用现状

1、工业过程中的智能控制

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、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。 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。

7 智能控制的展望

智能控制已经获得迅速发展，并得到日益广泛的应用。越来越多的研究者从不同方向从事智能控制学科的研究工作，他们相信，智能控制一定会以其新的成果对科学、技术、经济、社会以及人民生活做出重大贡献。不过，智能控制是一门新兴的学科，无论在理论上或应用上，仍然不够完善，有待继续研究与发展。智能控制已初具学科体系，包括基础理论、技术方法和实际应用等方面。在基础理论方面，涉及传统人工智能的知识表示和推理、计算智能(如模糊计算、神经计算和进化计算等)和机器学习等。在技术方法方面，对专家控制、模糊控制、神经控制、学习控制和仿人控制等系统加以研究。目前，在世界范围内，智能控制和智能自动化科学与技术正在成为自动化领域中最兴旺和发展最迅速的一个分支学科，并被许多发达国家确认为面向2l世纪和提高国家竞争力的核心技术。

7.1 模糊控制展望

在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 模糊控制具有的突出特点：

(1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。

(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。

(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。 (5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。 7.2 模糊控制疑难

模糊系统理论还有一些重要的理论课题还没有解决。其中两个重要的问题

是：如何获得模糊规则及隶属函数；以及如何保证模糊系统的稳定性。 （1)获得模糊规则及隶属函数，这在目前完全凭经验来进行。对于如何保证模糊系统的稳定性。大体说来，在模糊控制理论和应用方面应加强研究的主要方向为：适合于解决工程上普遍问题的稳定性分析方法，稳定性评价理论体系;控制器的鲁棒性分析，系统的可控性分析和可观性判定方法等。

模糊控制规则设计方法的研究，包括模糊集合隶属函数设定方法，量化水平，采样周期的最优选择，规则的系数，最小实现以及规则和隶属函数参数自动生成等问题；进一步则要求我们给出模糊控制器的系统化设计方法。

模糊控制器参数最优调整理论的确定，以及修正推理规则的学习方式和算法等。模糊动态模型的辨识方法。模糊预测系统的设计方法和提高计算速度的方法。神经网络与模糊控制相结合，有望发展一套新的智能控制理论。

（2)基于上述问题，发展新型专家系统尤为必要，新型专家系统不仅要采用各种定性模型，而且要运用人工智能和计算机技术的一些新思想与新技术，具体有以下特征： 并行与分布处理

基于各种并行算法，采用各种并行推理和执行技术，适合在多处理的硬件环境中工作。系统中的多处理器应该能够同步和异步并行处理。 多专家系统协同工作

各个子专家系统之间可以互相通信，通过多个子专家系统的协同工作，以扩大整个专家系统的解题能力，而不像分布处理特征那样主要是为了提高系统的处理效率。

高级语言和知识语言描述

为了建立专家系统，知识工程师只需用一种高级专家系统描述语言对系统进行功能、性能以及接口描述，并用知识表示语言描述领域知识，专家系统生成系统就能自动或半自动的生成所要的专家系统。 具有自学习功能

新型专家系统应提供高级的知识获取与学习功能。应提供合用的知识获取工具，从而面对知识获取这个“瓶颈”问题有所突破。 引入新的推理机制

现存的大部分专家系统只能做演绎推理。在新型专家系统中，除演绎推理之外，还应有归纳推理（包括联想、类比等推理）、各种非标准逻辑推理（例如非单调逻辑推理、加权逻辑推理等）以及各种基于不完全知识和模糊知识的推理等，在推理机制上应该有一个突破。 具有自纠错和自完善能力

有了自纠错能力后，专家系统就会随着时间的推移，通过反复运行不断地修正错误，不断完善自己，并使知识越来越丰富。 先进的智能人机接口

理解自然语言，实现语声、文字、图形和图像的直接输入输出是当今人们对智能计算机提出的要求，也是对新型专家系统的期望。

8 参考文献

[1] 辛斌,陈杰,彭志红. 智能优化控制:概述与展望[J]. 自动化学报,2013,11:1831-1848.

[2] 王君. 基于模糊控制策略的温室远程智能控制系统的研究[D].吉林大学,2015.

[3] 汤兵勇等编著.模糊控制理论与应用技术[M]. 清华大学出版社, 2002. [4] 《智能控制原理与应用》第二版等两新著出版[J]. 模式识别与人工智能. 2014(03)

[5] 王顺晃,舒迪前编著.智能控制系统及其应用[M]. 机械工业出版社, 2005. [6] 章卫国,杨向忠著.模糊控制理论与应用[M]. 西北工业大学出版社, 1999. [7] 李人厚编著.智能控制理论和方法[M]. 西安电子科技大学出版社, 1999. [8] 曹艳琴.智能控制理论和应用[J]. 软件导刊. 2007(17)

[9] 张德江.智能控制技术现状与展望[J]. 长春工业大学学报(自然科学版). 2002(S1)

[10] 习玲丽,王永初.智能控制的发展前景[J]. 仪器仪表用户. 2006(04) [11] 费树岷,刘德荣.前言[J]. 控制理论与应用. 2010(02). [12] 李少远.智能控制[M]. 机械工业出版社, 2009. [13] 赵明旺著.智能控制[M]. 华中科技大学出版社, 2010.

[14] 孙增圻.智能控制理论与技术[M]. 清华大学出版社, 2011. [15] 张铭钧.智能控制技术[M]. 哈尔滨工程大学出版社, 2006. [16] 李士勇.模糊控制[M]. 哈尔滨工业大学出版社, 2011. [17] 诸静.模糊控制原理与应用[M]. 机械工业出版社, 2005. [18] 殷侠.智能仪器设备原理[M]. 北京：中国电力出版社, 2007. [19] 程德福.智能仪器[M]. 北京：机械工业出版社, 2009.

[20] 王立新.模糊系统和模糊控制教程[M]. 北京：清华大学出版社, 2003. [21] 张化光，孟祥萍.智能控制基础理论及应用[M]. 北京：机械工业出版社, 2005.

[22] 韩立群.智能控制理论及应用[M]. 北京：机械工业出版社, 2007. [23] 李士勇，李巍著.智能控制[M]. 哈尔滨：哈尔滨工业大学出版社, 2011. [24] 毕宏彦，徐光华，梁霖著.智能理论与智能仪器[M]. 西安：西安交通大学出版社, 2010.

评 语

对课程论文的评语:

平时成绩： 总 成 绩：

课程论文成绩： 评阅人签名： 注：1、无评阅人签名成绩无效；

2、必须用钢笔或圆珠笔批阅，用铅笔阅卷无效；

3、如有平时成绩，必须在上面评分表中标出，并计算入总成绩。