controls)在無人干預(yù)的情況下能自主地驅(qū)動智能機(jī)器實(shí)現(xiàn)控制目標(biāo)的自動控制技術(shù)。對許多復(fù)雜的系統(tǒng)，難以建立有效的數(shù)學(xué)模型和用常規(guī)的控制理論去進(jìn)行定量計(jì)算和分析，而必須采用定量方法與定性方法相結(jié)合的控制方式。定量方法與定性方法相結(jié)合的目的是，要由機(jī)器用類似于人的智慧和經(jīng)驗(yàn)來引導(dǎo)求解過程。因此，在研究和設(shè)計(jì)智能系統(tǒng)時(shí)，主要注意力不放在數(shù)學(xué)公式的表達(dá)、計(jì)算和處理方面，而是放在對任務(wù)和現(xiàn)實(shí)模型的描述、符號和環(huán)境的識別以及知識庫和推理機(jī)的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計(jì)常規(guī)控制器，而是研制智能機(jī)器的模型。此外，智能控制的核心在高層控制，即組織控制。高
層控
制
是
對實(shí)際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實(shí)現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè)計(jì)、知識表示、自動推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。
隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科分支(如系統(tǒng)工程、系統(tǒng)學(xué)、運(yùn)籌學(xué)、信息論)結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是自動控制技術(shù)的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能進(jìn)行控制的研究領(lǐng)域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。1985年，在美國首次召開了智能控制學(xué)術(shù)討論會。1987年又在美國召開了智能控制的首屆國際學(xué)術(shù)會議，標(biāo)志著智能控制作為一個(gè)新的學(xué)科分支得到承認(rèn)。智能控制具有交叉學(xué)科和定量與定性相結(jié)合的分析方法和特點(diǎn)。
一個(gè)系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計(jì)劃、產(chǎn)生以及執(zhí)行控制行為的能力,即稱為智能控制系統(tǒng).
智能控制技術(shù)是在向人腦學(xué)習(xí)的過程中不斷發(fā)展起來的,人腦是一個(gè)超級智能控制系統(tǒng),具有實(shí)時(shí)推理、決策、學(xué)習(xí)和記憶等功能,能適應(yīng)各種復(fù)雜的控制環(huán)境.
智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關(guān)系,不是相互排斥的.
常規(guī)控制往往包含在智能控制之中,智能控制也利用常規(guī)控制的方法來解決“低級”的控制問題,力圖擴(kuò)充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復(fù)雜控制問題.
1.
傳統(tǒng)的自動控制是建立在確定的模型基礎(chǔ)上的,而智能控制的研究對象則存在模型嚴(yán)重的不確定性,即模型未知或知之甚少者模型的結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動,比如工業(yè)過程的病態(tài)結(jié)構(gòu)問題、某些干擾的無法預(yù)測,致使無法建立其模型,這些問題對基于模型的傳統(tǒng)自動控制來說很難解決.
2.
傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設(shè)備與人及外界環(huán)境的信息交換很不方便,希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置,能夠更加深入而靈活地和系統(tǒng)進(jìn)行信息交流,同時(shí)還要擴(kuò)大輸出裝置的能力,能夠用文字、圖紙、立體形象、語言等形式輸出信息.
另外,通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況.
為擴(kuò)大信息通道,就必須給自動裝置安上能夠以機(jī)械方式模擬各種感覺的精確的送音器,即文字、聲音、物體識別裝置.
可喜的是,近幾年計(jì)算機(jī)及多媒體技術(shù)的迅速發(fā)展,為智能控制在這一方面的發(fā)展提供了物質(zhì)上的準(zhǔn)備,使智能控制變成了多方位“立體”的控制系統(tǒng).
3.
傳統(tǒng)的自動控制系統(tǒng)對控制任務(wù)的要求要么使輸出量為定值(調(diào)節(jié)系統(tǒng))
,要么使輸出量跟隨期望的運(yùn)動軌跡(跟隨系統(tǒng))
,因此具有控制任務(wù)單一性的特點(diǎn),而智能控制系統(tǒng)的控制任務(wù)可比較復(fù)雜,例如在智能機(jī)器人系統(tǒng)中,它要求系統(tǒng)對一個(gè)復(fù)雜的任務(wù)具有自動規(guī)劃和決策的能力,有自動躲避障礙物運(yùn)動到某一預(yù)期目標(biāo)位置的能力等.
對于這些具有復(fù)雜的任務(wù)要求的系統(tǒng),采用智能控制的方式便可以滿足.
4.
傳統(tǒng)的控制理論對線性問題有較成熟的理論,而對高度非線性的控制對象雖然有一些非線性方法可以利用,但不盡人意.
而智能控制為解決這類復(fù)雜的非線性問題找到了一個(gè)出路,成為解決這類問題行之有效的途徑.
工業(yè)過程智能控制系統(tǒng)除具有上述幾個(gè)特點(diǎn)外,又有另外一些特點(diǎn),如被控對象往往是動態(tài)的,而且控制系統(tǒng)在線運(yùn)動,一般要求有較高的實(shí)時(shí)響應(yīng)速度等,恰恰是這些特點(diǎn)又決定了它與其它智能控制系統(tǒng)如智能機(jī)器人系統(tǒng)、航空航天控制系統(tǒng)、交通運(yùn)輸控制系統(tǒng)等的區(qū)別,決定了它的控制方法以及形式的獨(dú)特之處.
5.
與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)具有足夠的關(guān)于人的控制策略、被控對象及環(huán)境的有關(guān)知識以及運(yùn)用這些知識的能力
6.
與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)能以知識表示的非數(shù)學(xué)廣義模型和以數(shù)學(xué)表示的混合控制過程,采用開閉環(huán)控制和定性及定量控制結(jié)合的多模態(tài)控制方式.
7.
與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)具有變結(jié)構(gòu)特點(diǎn),能總體自尋優(yōu),具有自適應(yīng)、自組織、自學(xué)習(xí)和自協(xié)調(diào)能力.
8.
與傳統(tǒng)自動控制系統(tǒng)相比,智能控制系統(tǒng)有補(bǔ)償及自修復(fù)能力和判斷決策能力.
總之,智能控制系統(tǒng)通過智能機(jī)自動地完成其目標(biāo)的控制過程,其智能機(jī)可以在熟悉或不熟悉的環(huán)境中自動地或人-機(jī)交互地完成擬人任務(wù).
[編輯本段]智能控制的主要技術(shù)方法
智能控制是以控制理論、計(jì)算機(jī)科學(xué)、人工智能、運(yùn)籌學(xué)等學(xué)科為基礎(chǔ),擴(kuò)展了相關(guān)的理論和技術(shù),其中應(yīng)用較多的有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等理論和自適應(yīng)控制、自組織控制、自學(xué)習(xí)控制等技術(shù)。
專家系統(tǒng)
專家系統(tǒng)是利用專家知識對專門的或困難的問題進(jìn)行描述.
用專家系統(tǒng)所構(gòu)成的專家控制,無論是專家控制系統(tǒng)還是專家控制器,其相對工程費(fèi)用較高,而且還涉及自動地獲取知識困難、無自學(xué)能力、知識面太窄等問題.
盡管專家系統(tǒng)在解決復(fù)雜的高級推理中獲得較為成功的應(yīng)用,但是專家控制的實(shí)際應(yīng)用相對還是比較少。
模糊邏輯
模糊邏輯用模糊語言描述系統(tǒng),既可以描述應(yīng)用系統(tǒng)的定量模型也可以描述其定性模型.
模糊邏輯可適用于任意復(fù)雜的對象控制.
但在實(shí)際應(yīng)用中模糊邏輯實(shí)現(xiàn)簡單的應(yīng)用控制比較容易.
簡單控制是指單輸入單輸出系統(tǒng)(SISO)
或多輸入單輸出系統(tǒng)(MISO)
的控制.
因?yàn)殡S著輸入輸出變量的增加,模糊邏輯的推理將變得非常復(fù)雜。
遺傳算法
遺傳算法作為一種非確定的擬自然隨機(jī)優(yōu)化工具,具有并行計(jì)算、快速尋找全局最優(yōu)解等特點(diǎn),它可以和其他技術(shù)混合使用,用于智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的最優(yōu)控制。
神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)是利用大量的神經(jīng)元按一定的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)調(diào)整方法.
它能表示出豐富的特性:并行計(jì)算、分布存儲、可變結(jié)構(gòu)、高度容錯(cuò)、非線性運(yùn)算、自我組織、學(xué)習(xí)或自學(xué)習(xí)等.
這些特性是人們長期追求和期望的系統(tǒng)特性.
它在智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的自適應(yīng)、自組織、自學(xué)習(xí)等控制方面具有獨(dú)特的能力.
神經(jīng)網(wǎng)絡(luò)可以和模糊邏輯一樣適用于任意復(fù)雜對象的控制,但它與模糊邏輯不同的是擅長單輸入多輸出系統(tǒng)和多輸入多輸出系統(tǒng)的多變量控制.
在模糊邏輯表示的SIMO
系統(tǒng)和MIMO
系統(tǒng)中,其模糊推理、解模糊過程以及學(xué)習(xí)控制等功能常用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn).模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù):模糊邏輯和神經(jīng)網(wǎng)絡(luò)作為智能控制的主要技術(shù)已被廣泛應(yīng)用.
兩者既有相同性又有不同性.
其相同性為:兩者都可作為萬能逼近器解決非線性問題,并且兩者都可以應(yīng)用到控制器設(shè)計(jì)中.
不同的是:模糊邏輯可以利用語言信息描述系統(tǒng),而神經(jīng)網(wǎng)絡(luò)則不行;模糊邏輯應(yīng)用到控制器設(shè)計(jì)中,其參數(shù)定義有明確的物理意義,因而可提出有效的初始參數(shù)選擇方法;神經(jīng)網(wǎng)絡(luò)的初始參數(shù)(如權(quán)值等)
只能隨機(jī)選擇.
但在學(xué)習(xí)方式下,神經(jīng)網(wǎng)絡(luò)經(jīng)過各種訓(xùn)練,其參數(shù)設(shè)置可以達(dá)到滿足控制所需的行為.
模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是模仿人類大腦的運(yùn)行機(jī)制,可以認(rèn)為神經(jīng)網(wǎng)絡(luò)技術(shù)模仿人類大腦的硬件,模糊邏輯技術(shù)模仿人類大腦的軟件.
根據(jù)模糊邏輯和神經(jīng)網(wǎng)絡(luò)的各自特點(diǎn),所結(jié)合的技術(shù)即為模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù).
模糊邏輯、神經(jīng)網(wǎng)絡(luò)和它們混合技術(shù)適用于各種學(xué)習(xí)方式
智能控制的相關(guān)技術(shù)與控制方式結(jié)合或綜合交叉結(jié)合,構(gòu)成風(fēng)格和功能各異的智能控制系統(tǒng)和智能控制器是智能控制技術(shù)方法的一個(gè)主要特點(diǎn).智能控制原理智能控制（intelligent controls）在無人干預(yù)的情況下能自主地驅(qū)動智能機(jī)器實(shí)現(xiàn)控制目標(biāo)的自動控制技術(shù)。 控制理論發(fā)展至今已有100多年的歷史，經(jīng)歷了“經(jīng)典控制理論”和“現(xiàn)代控制理論”的發(fā)展階段，已進(jìn)入“大系統(tǒng)理論”和“智能控制理論”階段。
智能控制的基本概念
智能控制的定義一： 智能控制是由智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。而 智能機(jī)器則定義為，在結(jié)構(gòu)化或非結(jié)構(gòu)化的，熟悉的或陌生的環(huán)境中，自主地或與人交互地執(zhí)行人類規(guī)定的任務(wù)的一種機(jī)器。
定義二： K.J.奧斯托羅姆則認(rèn)為，把人類具有的直覺推理和試湊法等智能加以形式化或機(jī)器模擬，并用于控制系統(tǒng)的分析與設(shè)計(jì)中，使之在一定程度上實(shí)現(xiàn)控制系統(tǒng)的智能化，這就是智能控制。他還認(rèn)為自調(diào)節(jié)控制，自適應(yīng)控制就是智能控制的低級體現(xiàn)。
定義三： 智能控制是一類無需人的干預(yù)就能夠自主地驅(qū)動智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動控制，也是用計(jì)算機(jī)模擬人類智能的一個(gè)重要領(lǐng)域。
定義四： 智能控制實(shí)際只是研究與模擬人類智能活動及其控制與信息傳遞過程的規(guī)律，研制具有仿人智能的工程控制與信息處理系統(tǒng)的一個(gè)新興分支學(xué)科。
產(chǎn)生及發(fā)展
自1932年奈魁斯特（H.Nyquist）的有關(guān)反饋放大器穩(wěn)定性論文發(fā)表以來，控制理論的發(fā)展已走過了60多年的歷程。一般認(rèn)為，前30年是 經(jīng)典控制理論的發(fā)展和成熟階段，后30年是 現(xiàn)代控制理論的形成和發(fā)展階段。隨著研究的對象和系統(tǒng)越來越復(fù)雜，借助于數(shù)學(xué)模型描述和分析的傳統(tǒng)控制理論已難以解決復(fù)雜系統(tǒng)的控制問題。智能控制是針對控制對象及其環(huán)境、目標(biāo)和任務(wù)的 不確定性和復(fù)雜性而產(chǎn)生和發(fā)展起來的。
從20世紀(jì)60年代起，計(jì)算機(jī)技術(shù)和人工智能技術(shù)迅速發(fā)展，為了提高控制系統(tǒng)的自學(xué)習(xí)能力，控制界學(xué)者開始將人工智能技術(shù)應(yīng)用于控制系統(tǒng)。
1965年，美籍華裔科學(xué)家傅京孫教授首先把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)，1966年，Mendel進(jìn)一步在空間飛行器的學(xué)習(xí)控制系統(tǒng)中應(yīng)用了人工智能技術(shù)，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”一詞。
20世紀(jì)70年代初，傅京孫、Glofis0和Saridis等學(xué)者從控制論角度總結(jié)了人工智能技術(shù)與自適應(yīng)、自組織、自學(xué)習(xí)控制的關(guān)系，提出了智能控制就是人工智能技術(shù)與控制理論的交叉的思想，并創(chuàng)立了人機(jī)交互式分級遞階智能控制的系統(tǒng)結(jié)構(gòu)。
20世紀(jì)70年代中期，以模糊集合論為基礎(chǔ)，智能控制在規(guī)則控制研究上取得了重要進(jìn)展。1974年，Mamdani提出了基于 模糊語言描述控制規(guī)則的模糊控制器，將模糊集和模糊語言邏輯用于 工業(yè)過程控制，之后又成功地研制出自組織模糊控制器，使得模糊控制器的智能化水平有了較大提高。模糊控制的形成和發(fā)展，以及與人工智能的相互滲透，對智能控制理論的形成起了十分重要的推動作用。
20世紀(jì)80年代，專家系統(tǒng)技術(shù)的逐漸成熟及計(jì)算機(jī)技術(shù)的迅速發(fā)展，使得智能控制和決策的研究也取得了較大進(jìn)展。1986年，K.J.Astrom發(fā)表的著名論文《專家控制》中，將人工智能中的專家系統(tǒng)技術(shù)引入控制系統(tǒng)，組成了另一種類型的智能控制系統(tǒng)——專家控制。目前，專家控制方法已有許多成功應(yīng)用的實(shí)例。
詳解
對許多復(fù)雜的系統(tǒng)，難以建立有效的數(shù)學(xué)模型和用常規(guī)的控制理論去進(jìn)行定量計(jì)算和分析，而必須采用定量方法與定性方法相結(jié)合的控制方式。定量方法與定性方法相結(jié)合的目的是，要由機(jī)器用類似于人的智慧和經(jīng)驗(yàn)來引導(dǎo)求解過程。因此，在研究和設(shè)計(jì)智能系統(tǒng)時(shí)，主要注意力不放在數(shù)學(xué)公式的表達(dá)、計(jì)算和處理方面，而是放在對任務(wù)和現(xiàn)實(shí)模型的描述、符號和環(huán)境的識別以及知識庫和推理機(jī)的開發(fā)上，即智能控制的關(guān)鍵問題不是設(shè)計(jì)常規(guī)控制器，而是研制 智能機(jī)器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對實(shí)際環(huán)境或過程進(jìn)行組織、決策和規(guī)劃，以實(shí)現(xiàn)問題求解。為了完成這些任務(wù)，需要采用符號信息處理、啟發(fā)式程序設(shè)計(jì)、知識表示、自動推理和決策等有關(guān)技術(shù)。這些問題求解過程與人腦的思維過程有一定的相似性，即具有一定程度的“智能”。
隨著人工智能和計(jì)算機(jī)技術(shù)的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科分支（如系統(tǒng)工程、 系統(tǒng)學(xué)、 運(yùn)籌學(xué)、 信息論）結(jié)合起來，建立一種適用于復(fù)雜系統(tǒng)的控制理論和技術(shù)。智能控制正是在這種條件下產(chǎn)生的。它是 自動控制技術(shù)的最新發(fā)展階段，也是用計(jì)算機(jī)模擬人類智能進(jìn)行控制的研究領(lǐng)域。1965年，傅京孫首先提出把人工智能的啟發(fā)式推理規(guī)則用于學(xué)習(xí)控制系統(tǒng)。1985年，在美國首次召開了智能控制學(xué)術(shù)討論會。1987年又在美國召開了智能控制的首屆國際學(xué)術(shù)會議，標(biāo)志著智能控制作為一個(gè)新的學(xué)科分支得到承認(rèn)。智能控制具有交叉學(xué)科和定量與定性相結(jié)合的分析方法和特點(diǎn)。
一個(gè)系統(tǒng)如果具有感知環(huán)境、不斷獲得信息以減小不確定性和計(jì)劃、產(chǎn)生以及執(zhí)行控制行為的能力，即稱為 智能控制系統(tǒng). 智能控制技術(shù)是在向人腦學(xué)習(xí)的過程中不斷發(fā)展起來的，人腦是一個(gè)超級智能控制系統(tǒng)，具有實(shí)時(shí)推理、決策、學(xué)習(xí)和記憶等功能，能適應(yīng)各種復(fù)雜的控制環(huán)境.
智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關(guān)系，不是相互排斥的. 常規(guī)控制往往包含在智能控制之中，智能控制也利用常規(guī)控制的方法來解決“低級”的控制問題，力圖擴(kuò)充常規(guī)控制方法并建立一系列新的理論與方法來解決更具有挑戰(zhàn)性的復(fù)雜控制問題.
1. 傳統(tǒng)的自動控制是建立在確定的模型基礎(chǔ)上的，而智能控制的研究對象則存在模型嚴(yán)重的不確定性，即模型未知或知之甚少者模型的結(jié)構(gòu)和參數(shù)在很大的范圍內(nèi)變動，比如工業(yè)過程的病態(tài)結(jié)構(gòu)問題、某些干擾的無法預(yù)測，致使無法建立其模型，這些問題對基于模型的傳統(tǒng)自動控制來說很難解決。
2. 傳統(tǒng)的自動控制系統(tǒng)的輸入或輸出設(shè)備與人及外界環(huán)境的信息交換很不方便，希望制造出能接受印刷體、圖形甚至手寫體和口頭命令等形式的信息輸入裝置，能夠更加深入而靈活地和系統(tǒng)進(jìn)行信息交流，同時(shí)還要擴(kuò)大輸出裝置的能力，能夠用文字、圖紙、立體形象、語言等形式輸出信息。另外，通常的自動裝置不能接受、分析和感知各種看得見、聽得著的形象、聲音的組合以及外界其它的情況。 為擴(kuò)大信息通道，就必須給自動裝置安上能夠以機(jī)械方式模擬各種感覺的精確的送音器，即文字、聲音、物體識別裝置。 可喜的是，近幾年計(jì)算機(jī)及多媒體技術(shù)的迅速發(fā)展，為智能控制在這一方面的發(fā)展提供了物質(zhì)上的準(zhǔn)備,使智能控制變成了多方位“立體”的控制系統(tǒng)。
3. 傳統(tǒng)的自動控制系統(tǒng)對控制任務(wù)的要求要么使輸出量為定值（調(diào)節(jié)系統(tǒng)），要么使輸出量跟隨期望的運(yùn)動軌跡（跟隨系統(tǒng)），因此具有控制任務(wù)單一性的特點(diǎn)，而智能控制系統(tǒng)的控制任務(wù)可比較復(fù)雜，例如在 智能機(jī)器人系統(tǒng)中，它要求系統(tǒng)對一個(gè)復(fù)雜的任務(wù)具有自動規(guī)劃和決策的能力，有自動躲避障礙物運(yùn)動到某一預(yù)期目標(biāo)位置的能力等.。對于這些具有復(fù)雜的任務(wù)要求的系統(tǒng)，采用智能控制的方式便可以滿足。
4. 傳統(tǒng)的控制理論對線性問題有較成熟的理論，而對高度非線性的控制對象雖然有一些非線性方法可以利用，但不盡人意。 而智能控制為解決這類復(fù)雜的非線性問題找到了一個(gè)出路，成為解決這類問題行之有效的途徑。 工業(yè)過程智能控制系統(tǒng)除具有上述幾個(gè)特點(diǎn)外，又有另外一些特點(diǎn)，如被控對象往往是動態(tài)的，而且控制系統(tǒng)在線運(yùn)動，一般要求有較高的實(shí)時(shí)響應(yīng)速度等，恰恰是這些特點(diǎn)又決定了它與其它智能控制系統(tǒng)如智能機(jī)器人系統(tǒng)、航空航天控制系統(tǒng)、交通運(yùn)輸控制系統(tǒng)等的區(qū)別，決定了它的控制方法以及形式的獨(dú)特之處。
