1、共享知識分享快樂自動控制、現(xiàn)代控制與智能控制的關(guān)系一、基本區(qū)別控制理論發(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。智能控制理論的研究和應(yīng)用是現(xiàn)代控制理論在深度和廣度上的拓展。20 世紀(jì) 80 年代以來，信息技術(shù)、計算技術(shù)的快速發(fā)展及其他相關(guān)學(xué)科的發(fā)展和相互滲透，也推動了控制科學(xué)與工程研究的不斷深入，控制系統(tǒng)向智能控制系統(tǒng)的發(fā)展已成為一種趨勢。自動控制理論中建立在頻率響應(yīng)法和根軌跡法基礎(chǔ)上的一個分支。經(jīng)典控制理論的研究對象是單輸入、 單輸出的自動控制系統(tǒng)， 特別是線性定常系統(tǒng)。 經(jīng)典控制理論的特點(diǎn)是以輸入輸出特

2、性 （主要是傳遞函數(shù)） 為系統(tǒng)數(shù)學(xué)模型， 采用頻率響應(yīng)法和根軌跡法這些圖解分析方法， 分析系統(tǒng)性能和設(shè)計控制裝置。經(jīng)典控制理論的數(shù)學(xué)基礎(chǔ)是拉普拉斯變換，占主導(dǎo)地位的分析和綜合方法是頻率域方法。建立在狀態(tài)空間法基礎(chǔ)上的一種控制理論，是自動控制理論的一個主要組成部分。在現(xiàn)代控制理論中， 對控制系統(tǒng)的分析和設(shè)計主要是通過對系統(tǒng)的狀態(tài)變量的描述來進(jìn)行的，基本的方法是時間域方法?，F(xiàn)代控制理論比經(jīng)典控制理論所能處理的控制問題要廣泛得多， 包括線性系統(tǒng)和非線性系統(tǒng)，定常系統(tǒng)和時變系統(tǒng)，單變量系統(tǒng)和多變量系統(tǒng)。它所采用的方法和算法也更適合于在數(shù)字計算機(jī)上進(jìn)行。現(xiàn)代控制理論還為設(shè)計和構(gòu)造具有指定的性能指標(biāo)的最優(yōu)

3、控制系統(tǒng)提供了可能性。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)。二、華山論劍：自動控制的機(jī)遇與挑戰(zhàn)傳統(tǒng)控制理論在應(yīng)用中面臨的難題包括：(1) 傳統(tǒng)控制系統(tǒng)的設(shè)計與分析是建立在已知系統(tǒng)精確數(shù)學(xué)模型的基礎(chǔ)上，而實(shí)際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數(shù)學(xué)模型；(2)研究這類系統(tǒng)時，必須提出并遵循一些比較苛刻的假設(shè)，而這些假設(shè)在應(yīng)用中往往與實(shí)際不相吻合；(3) 對于某些復(fù)雜的和包含不確定性的對象，根本無法用傳統(tǒng)數(shù)學(xué)模型來表示，即無法解決建模問題；(4)為了提高性能，傳統(tǒng)控制系統(tǒng)可能

4、變得很復(fù)雜，從而增加了設(shè)備的初始投資和維修費(fèi)用，降低了系統(tǒng)的可靠性。為了討論和研究自動控制面臨的挑戰(zhàn)，早在1986 年 9 月，美國國家科學(xué)基金會(NSF)及電氣與電子工程師學(xué)會(1EEE)的控制系統(tǒng)學(xué)會在加利福尼亞州?？死髮W(xué)(University ofSanta Clare)聯(lián)合組織了一次名為“對控制的挑戰(zhàn)”的專題報告會。有50 多位知名的自動控制專家出席了這一會議。他們討論和確認(rèn)了每個挑戰(zhàn)。根據(jù)與會自動控制專家的集體意見，他們發(fā)表了對控制的挑戰(zhàn)集體的觀點(diǎn) ，洋洋數(shù)萬言，簡直成為這一挑戰(zhàn)的宣言書。到底為什么自動控制會面臨這一挑戰(zhàn)， 還面臨哪些挑戰(zhàn)， 以及在哪些研究領(lǐng)域存在挑戰(zhàn)呢 ?頁眉內(nèi)

5、容共享知識分享快樂在自動控制發(fā)展的現(xiàn)階段，存在一些至關(guān)重要的挑戰(zhàn)是基于下列原因的：(1)科學(xué)技術(shù)間的相互影響和相互促進(jìn)，例如，計算機(jī)、人工智能和超大規(guī)模集成電路等技術(shù)：(2)當(dāng)前和未來應(yīng)用的需求，例如，空間技術(shù)、海洋工程和機(jī)器人技術(shù)等應(yīng)用要求；(3) 基本概念和時代進(jìn)程的推動，例如，離散事件驅(qū)動、信息高速公路、 非傳統(tǒng)模型和人工神經(jīng)網(wǎng)絡(luò)的連接機(jī)制等。面對這一挑戰(zhàn)，自動控制工作者的任務(wù)就是：(1)擴(kuò)展視野、發(fā)展新的控制概念和控制方法，采用非完全模型控制系統(tǒng)；(2)采用在開始時知之甚少和不甚正確的，但可以在系統(tǒng)工作過程中加以在線改進(jìn)，使之知之較多和愈臻正確的系統(tǒng)模型；從這些任務(wù)可以看出，系統(tǒng)與信息

6、理論以及人工智能思想和方法將深入建模過程，不把模型視為固定不變的，而是不斷深化的實(shí)體。 所開發(fā)的模型不僅含有解析與數(shù)值， 而且包含定性和符號數(shù)據(jù)。 它們是因果性的和動態(tài)的， 高度非同步的非解析的， 甚至是非數(shù)值的。 對于非完全已知的系統(tǒng)和非傳統(tǒng)數(shù)學(xué)模型描述的系統(tǒng)，必須建立包括控制律、控制算法、控制策略、控制規(guī)則和協(xié)議等理論。實(shí)質(zhì)上，這就是要建立智能控制系統(tǒng)模型，或者建立傳統(tǒng)解析和智能方法的混合(集成 )控制模型，而其核心就在于實(shí)現(xiàn)控制器的智能化。面臨挑戰(zhàn)的控制領(lǐng)域有：多變量魯棒控制、自適應(yīng)控制和容錯(Fault Tolerant)控制， 高度非線性控制和多因素或分散隨機(jī)控制、時空分布參數(shù)系統(tǒng)的

7、控制、含有離散變量和離散事件動態(tài)系統(tǒng)的控制、信號處理和通信技術(shù)、分布信息處理及決策結(jié)構(gòu)的綜合設(shè)計方法、控制系統(tǒng)的集成設(shè)計及實(shí)驗環(huán)境和實(shí)現(xiàn)等。這些挑戰(zhàn)領(lǐng)域所研究的問題，廣泛地存在于工程技術(shù)應(yīng)用中。例如：航天器和水下運(yùn)動載體的恣態(tài)控制、先進(jìn)飛機(jī)的自主控制、空中交通控制、汽車自動駕駛控制和多模態(tài)控制、機(jī)器人和機(jī)械手的運(yùn)動和作業(yè)控制、計算機(jī)集成與柔性加工系統(tǒng)、 高速計算機(jī)通信系統(tǒng)或網(wǎng)絡(luò)、基于計算機(jī)視覺和模式識別的在線控制以及電力系統(tǒng)和其它系統(tǒng)或設(shè)備的故障自動檢測、診斷與自動恢復(fù)系統(tǒng)等。上述領(lǐng)域面臨問題的解決，不僅需要發(fā)展控制理論與方法，而且需要開發(fā)與應(yīng)用計算機(jī)科學(xué)與工程的最新成果。進(jìn)入90 年代以來計

8、算機(jī)科學(xué)在工業(yè)控制中的應(yīng)用問題已引起學(xué)術(shù)界越來越廣泛的重視與深入研究。其中，最有代表性的是由IEEE控制系統(tǒng)學(xué)會和國際自動控制聯(lián)合會 (1FAC)理論委員會合作進(jìn)行的題為“計算機(jī)科學(xué)面臨工業(yè)控制應(yīng)用的挑戰(zhàn)”的研究計劃。 該合作研究計劃指出： 開發(fā)大型的實(shí)時控制與信號處理系統(tǒng)是工程界面臨的最具挑戰(zhàn)的任務(wù)之一，這涉及硬件、軟件和智能(尤其是算法 )的結(jié)合，而系統(tǒng)集成又需要先進(jìn)的工程管理技術(shù)。設(shè)立這一迎接挑戰(zhàn)的研究計劃基于以下幾個因素：(1)工業(yè)部門往往無法有效地把數(shù)學(xué)技術(shù)的最新進(jìn)展用于控制和信號處理，以便提高實(shí)時系統(tǒng)的智能水平(Intelligent Level) ； (2)控制學(xué)術(shù)界又常常不清楚

9、如何在工業(yè)上控制控制系統(tǒng)硬件、軟件和智能三者的集成開發(fā)，自動控制界和計算機(jī)科學(xué)界在工業(yè)和學(xué)術(shù)兩方面的對話與有效合作仍然是個需要進(jìn)一步解決的問題； (3)在開發(fā)大型的實(shí)時系統(tǒng)時，了解硬件、軟件和智能應(yīng)如何結(jié)合以及該系統(tǒng)的算法應(yīng)如何設(shè)計；(4)評價由收集專家經(jīng)驗或利用數(shù)學(xué)模型以及依靠控制和信號處理的數(shù)學(xué)技術(shù)而得到的智能的相關(guān)價值；(5)建議重新樹立控制和計算機(jī)科學(xué)的傳統(tǒng)學(xué)術(shù)形象，以求組成一個更加統(tǒng)一的實(shí)時與動態(tài)系統(tǒng)科學(xué)。智能控制的產(chǎn)生和發(fā)展為自動控制系統(tǒng)的智能化提供有力支持。人工智能影響了許多具有不同背景的學(xué)科，它的發(fā)展已促進(jìn)自動控制向著更高的水平智能控制(IntelligentContro1)

10、發(fā)展。人工智能和計算機(jī)科學(xué)界已經(jīng)提出一些方法、示例和技術(shù)，用于解決自動控制面臨的難題。例如，簡化處理松散結(jié)構(gòu)的啟發(fā)式軟件方法(專家系統(tǒng)外殼、面向?qū)ο蟪绦蛟O(shè)計和再生軟件等)；基于角色 (Actor) 或媒介 (Agent) 的處理超大規(guī)模系統(tǒng)的軟件模型；模糊信息處理與控制技術(shù)以及基于信息論和人工神經(jīng)網(wǎng)絡(luò)的控制思想和方法等。頁眉內(nèi)容共享知識分享快樂智能控制是一種能更好地模仿人類智能的、非傳統(tǒng)的控制方法，它采用的理論方法則主要來自自動控制理論、人工智能和運(yùn)籌學(xué)等學(xué)科分支。內(nèi)容包括最優(yōu)控制、自適應(yīng)控制、魯棒控制、神經(jīng)網(wǎng)絡(luò)控制、 模糊控制、 仿人控制等。 其控制對象可以是已知系統(tǒng)也可以是未知系統(tǒng)， 大多

11、數(shù)的控制策略不僅能抑制外界干擾、環(huán)境變化、參數(shù)變化的影響，還能有效地消除模型化誤差的影響。三、珠峰對決：本質(zhì)上的關(guān)系最本質(zhì)的區(qū)別是解決問題的思路不一樣。經(jīng)典控制與現(xiàn)代控制雖然看起來完全不同，但是本質(zhì)上都一樣， 就是建立控制對象的數(shù)學(xué)模型，然后設(shè)計一個數(shù)學(xué)模型形式的控制器達(dá)到控制目的， 區(qū)別只是前者建立的是微分方程或者叫做pid 控制，后者建立的是狀態(tài)方程，類似于數(shù)學(xué)當(dāng)中的線性微分方程組。而最優(yōu)控制， 魯棒控制等問題不論是基于經(jīng)典控制理論還是基于現(xiàn)代控制理論，都脫離不了本質(zhì)必須建立被控對象的數(shù)學(xué)模型，也包括02 年提出的 foc 控制。智能控制則采取的是全新的思路。它采取了人的思維方式，建立邏輯

12、模型，使用類似人腦的控制方法來進(jìn)行控制。智能控制是以控制理論、計算機(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

13、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 . 因為隨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：并行計算、分布存儲、可變結(jié)構(gòu)、高度容錯、非線性運(yùn)算、自我組織、學(xué)

14、習(xí)頁眉內(nèi)容共享知識分享快樂或自學(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

15、以應(yīng)用到控制器設(shè)計中.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)計中 , 其參數(shù)定義有明確的物理意義。智能變送器掌上編程器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

16、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)方法的一個主要特點(diǎn)。智能控制主要應(yīng)用存在的情況： 實(shí)際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、 不確定性和不完全性等，一般無法獲得精確的數(shù)學(xué)模型。應(yīng)用傳統(tǒng)控制理論進(jìn)行控制必須提出并遵循一些比較苛刻的線性化假設(shè)，而這些假設(shè)在應(yīng)用中往往與實(shí)際情況不相吻合。對于某些復(fù)雜的和飽含不確定性的控制過程，根本無法用傳統(tǒng)數(shù)學(xué)模型來表示， 即無法解決建模問題。 為了提高控制性能， 傳統(tǒng)控制系統(tǒng)可能變得很復(fù)雜，從而增加了設(shè)備的投資，減低了系統(tǒng)的可靠性。四、智能控制在各行各業(yè)的應(yīng)用：1. 工業(yè)過程中的智能控制生產(chǎn)過程

17、的智能控制主要包括兩個方面：局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進(jìn)行控制器設(shè)計，例如智能PID 控制器、 專家控制器、 神經(jīng)元網(wǎng)絡(luò)控制器等。 研究熱點(diǎn)是智能PID 控制器， 因為其在參數(shù)的整定和在線自適應(yīng)調(diào)整方面具頁眉內(nèi)容共享知識分享快樂有明顯的優(yōu)勢， 且可用于控制一些非線性的復(fù)雜對象。 全局級的智能控制主要針對整個生產(chǎn)過程的自動化，包括整個操作工藝的控制、過程的故障診斷、規(guī)劃過程操作處理異常等。2. 機(jī)械制造中的智能控制在現(xiàn)代先進(jìn)制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或無法預(yù)測的情況， 人工智能技術(shù)為解決這一難題提供了有效的解決方案。智能控制

18、隨之也被廣泛地應(yīng)用于機(jī)械制造行業(yè)，它利用模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)的方法對制造過程進(jìn)行動態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進(jìn)行信息的預(yù)處理和綜合。可采用專家系統(tǒng)的“Then-If”逆向推理作為反饋機(jī)構(gòu)， 修改控制機(jī)構(gòu)或者選擇較好的控制模式和參數(shù)。利用模糊集合和模糊關(guān)系的魯棒性，將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機(jī)構(gòu)來選擇控制動作。利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和并行處理信息的能力，進(jìn)行在線的模式識別，處理那些可能是殘缺不全的信息。3. 電力電子學(xué)研究領(lǐng)域中的智能控制電力系統(tǒng)中發(fā)電機(jī)、變壓器、電動機(jī)等電機(jī)電器設(shè)備的設(shè)計、生產(chǎn)、運(yùn)行、控制是一個復(fù)雜的過程， 國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)

19、計、故障診斷及控制中， 取得了良好的控制效果。遺傳算法是一種先進(jìn)的優(yōu)化算法，采用此方法來對電器設(shè)備的設(shè)計進(jìn)行優(yōu)化，可以降低成本, 縮短計算時間，提高產(chǎn)品設(shè)計的效率和質(zhì)量。應(yīng)用于電氣設(shè)備故障診斷的智能控制技術(shù)有：模糊邏輯、 專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。在電力電子學(xué)的眾多應(yīng)用領(lǐng)域中， 智能控制在電流控制PWM技術(shù)中的應(yīng)用是具有代表性的技術(shù)應(yīng)用方向之一，也是研究的新熱點(diǎn)之一。五、智能控制類型及介紹1. 人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)是指由大量與生物神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞相類似的人工神經(jīng)元互連而組成的網(wǎng)絡(luò); 或由大量象生物神經(jīng)元的處理單元并聯(lián)互連而成 . 這種神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能 .學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)

20、的主要特征，也是當(dāng)前研究的主要課題. 學(xué)習(xí)的概念來自生物模型，它是機(jī)體在復(fù)雜多變的環(huán)境中進(jìn)行有效的自我調(diào)節(jié). 神經(jīng)網(wǎng)絡(luò)具備類似人類的學(xué)習(xí)功能. 一頁眉內(nèi)容共享知識分享快樂個神經(jīng)網(wǎng)絡(luò)若想改變其輸出值，但又不能改變它的轉(zhuǎn)換函數(shù)，只能改變其輸人, 而改變輸人的唯一方法只能修改加在輸人端的加權(quán)系數(shù).神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是修改加權(quán)系數(shù)的過程，最終使其輸出達(dá)到期望值，學(xué)習(xí)結(jié)束. 常用的學(xué)習(xí)算法有：Hebb學(xué)習(xí)算法， widrow Hoff學(xué)習(xí)算法，反向傳播學(xué)習(xí)算法一BP學(xué)習(xí)算法， Hopfield反饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法等。2. 模糊控制系統(tǒng)所謂模糊控制， 就是在被控制對象的模糊模型的基礎(chǔ)上， 運(yùn)用模糊控制器近

21、似推理手段，實(shí)現(xiàn)系統(tǒng)控制的一種方法 . 模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標(biāo) .模糊控制的基本思想是用機(jī)器去模擬人對系統(tǒng)的控制. 它是受這樣事實(shí)而啟發(fā)的：對于用傳統(tǒng)控制理論無法進(jìn)行分析和控制的復(fù)雜的和無法建立數(shù)學(xué)模型的系統(tǒng)，有經(jīng)驗的操作者或?qū)＜覅s能取得比較好的控制效果，這是因為他們擁有日積月累的豐富經(jīng)驗，因此人們希望把這種經(jīng)驗指導(dǎo)下的行為過程總結(jié)成一些規(guī)則，并根據(jù)這些規(guī)則設(shè)計出控制器. 然后運(yùn)用模糊理論， 模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數(shù)值運(yùn)算，從而能夠利用計算機(jī)來完成對這些規(guī)則的具體實(shí)現(xiàn)，達(dá)到以機(jī)器代替人對某些對象進(jìn)行自動控制的目的。模糊邏輯

22、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 .因為隨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。3. 學(xué)習(xí)控制系統(tǒng)學(xué)習(xí)是人類的主要智能之一，人類的各項活動也需要學(xué)習(xí). 在人類的進(jìn)化過程中, 學(xué)習(xí)功能起著十分重要的作用. 學(xué)習(xí)控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機(jī)制的一種嘗試.所謂學(xué)習(xí)是一種過程，它通過重復(fù)輸人信號，并從外部校正該系統(tǒng)，從而使系統(tǒng)對特定輸人具有特定響應(yīng) . 學(xué)習(xí)控制系統(tǒng)是一個能在其運(yùn)行過程中逐步獲得受控過程及環(huán)境的非預(yù)知信息，積累控制經(jīng)驗，并在一定的評價標(biāo)準(zhǔn)下進(jìn)行估值，分類，決策和不斷改善系統(tǒng)品質(zhì)的自動控制系統(tǒng)。頁眉內(nèi)容共享知識分享快樂4. 遺傳算法學(xué)習(xí)控制智能控制是通過計算機(jī)實(shí)現(xiàn)對系統(tǒng)的控制，因此控制技術(shù)離不開優(yōu)化技術(shù)?？焖佟⒏咝А⑷只膬?yōu)化算法是實(shí)現(xiàn)智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機(jī)制的一種搜索和優(yōu)化算法， 它模擬生物界 /