智能控制報告

1、第一章 概述1.1 緒論隨著計算機、材料 、能源等現(xiàn)代科學技術的迅速發(fā)展和生產(chǎn)系統(tǒng)規(guī)模不斷擴大，形成了復雜的控制系統(tǒng)，導致了控制對象、控制器、控制任務等更加復雜。與此同時，對自動化程度的要求也更加廣泛，面對來自柔性控制系統(tǒng) ( FMS)、智能機器人系（IRS）、數(shù)控系統(tǒng) ( CNS)、計算機集成制造系統(tǒng)(CIMS等復雜系統(tǒng)的挑戰(zhàn)，經(jīng)典的與現(xiàn)代的控制理)論和技術已不適應復雜系統(tǒng)的控制。所以必須發(fā)展新的概念，理論和方法才能適社會應快速發(fā)展的需要。智能控制在這個大的背景下孕育而生。智能控制是在控制論、信息論、人工智能、仿生學、神經(jīng)生理學及計算機科學發(fā)展的基礎上逐漸形成的一類高級信息與控制技術。智能控

2、制突破了傳統(tǒng)控制理論中必須基于數(shù)學模型的框架 ,它基本上按實際效果進行控制，不依賴或不完全依賴于控制對象的數(shù)學模型，又繼承了人類思維的非線性特性。某些智能控制方法還具有在線辨識、決策或總體自尋優(yōu)的能力和分層信息處理、決策的功能。智能控制的概念和原理主要是針對被控對象、環(huán)境、控制目標或任務的復雜性而提出來的。智能控制與傳統(tǒng)控制的主要區(qū)別在子傳統(tǒng)的控制方法必須依賴于被控制對象的模型，而智能控制可以解決非模型化系統(tǒng)的控制問題。目前，根據(jù)智能控制發(fā)展的不同歷史階段和不同的理論基礎可以分為四大類：(1)基于專家系統(tǒng)的智能控制；(2)分層遞階智能控制；(3)模糊邏輯控制；(4)神經(jīng)網(wǎng)絡控制。1.2 智能控

3、制的結構特點智能控制具有十分明顯的跨學科(多元)結構特點。傅京孫指出智能控制系統(tǒng)描述了自動控制與人工智能交點的作用，稱之為二元交集結構。Sarldis 于 1979 年提出另一種智能控制結構，把傅京孫的二元交集結構擴展為二元結構，即把智能控制看成是人工智能、運籌學和自動控制的交集，并以此結構提出了分層遞階智能控制系統(tǒng)。蔡自興教授研究了智能控制中信息的重要性，根據(jù)信息嫡的作用、三論的統(tǒng)一性及知識與信息的同一性，將信息論加入 Saridis 的三元交集結構，形成了四元交集結構理論，即智能控制系統(tǒng)是人工智能、運籌學、信息論和自動控制理論四者的交集，深化了對智能控制的認識。智能控制從整體上看有如下特點

4、：(1)智能控制是一種新興的邊緣交叉科學； (2)智能控制對環(huán)境具有學習、適應、組織能力； (3)智能控制核心在于智能機模型上，即著重研究任務、世界模型的描述、符號和環(huán)境的識別、學習及知識的表達、任務通訊和協(xié)商及推理機設計上，而不是在常規(guī)控制器設計和對象的數(shù)學模型上； (4)智能控制是同時具有以知識表示的非數(shù)學廣義模型和以數(shù)學模型表示的混合控制過程； (5)智能控制具有多模式集成控制的特點。目前，智能控制還處在初級階段，還缺乏完整的理論體系和合適的數(shù)學工具，但智能控制是傳統(tǒng)控制理論和方法的擴充和發(fā)展，事實上已產(chǎn)生了一系列有效的方法，并有許多成功的例子，智能控制理論正在走向完善。 目前，智能控制

5、的發(fā)展主要有以下幾個方向：(1)智能控制系統(tǒng)理論與特性(穩(wěn)定性、魯棒性等)的研究； (2)智能控制的綜合集成及分布式控制的研究，使智能控制朝解決復雜大系統(tǒng)控制方向邁進了一步； (3)智能控制各分支的交叉融合，形成了諸如模糊神經(jīng)網(wǎng)絡控制、模糊控制、神經(jīng)網(wǎng)絡自學習控制等一系列新的控制技術，并與遺傳算法、子波變換、模擬退火等“計算智能”方法相結合，形成若干新的結構與算法。1.3 國內(nèi)外研究現(xiàn)狀1966年 J.M.Medal首先提出將人工智能應用于飛船控制系統(tǒng)的設計；1971年傅京孫首次提出智能控制這一概念，并歸納了三中類型的智能控制系統(tǒng)： （1）人作為控制器的控制系統(tǒng)，具有自學習性，自組織性，自適應

6、性功能（2）人機結合作為控制器的控制系統(tǒng)。機器完成需要快速完成的常規(guī)任務，人則完成認為分配決策等。（3）無人參與的自主控制系統(tǒng)。為多層的智能控制系統(tǒng)，需要完成問題建模，求解和規(guī)劃，如自主機器人。早期的智能控制（如基于專家系統(tǒng)的智能控制）是以傅京孫教授為代表提出的二元論（人工智能+控制論）和以Saridis為代表提出的由執(zhí)行級、協(xié)調(diào)級和組織級構成的分層遞階智能控制。由于人工智能技術在實時性等方面沒有取得突破性進展，基于符號邏輯推理技術為主的智能控制技術難以得到廣泛應用：80年代后、智能控制技術得到迅速發(fā)展，它主要得益于模糊邏輯控制和神經(jīng)網(wǎng)絡控制理論的不斷成熟，1987年在美國舉行第一屆國際智能控

7、制大會，標志著智能控制領域的形成 。此外，90年代以來，智能控制的集成技術研究取得了重一大進展，如模糊神經(jīng)網(wǎng)絡、模糊專家系統(tǒng)、傳統(tǒng)PID控制器與智能控制的結合等。這些都為智能控制技術的應用提供廣闊的前景。我國智能控制也興起于這一時期。1.3.1 國外研究現(xiàn)狀1965年，K.S.Fu（傅京孫）首先提出把人工智能的直覺推理規(guī)則方法用于學校控制系統(tǒng)。1966年Mendel進一步在空間飛行器學習系統(tǒng)研究中提出了人工智能控制概念。1967年，Leondes等人首先正式使用“智能控制”一詞。此后智能控制開始逐漸發(fā)展。1987年在費城進行的第一次國際智能控制會議，標志著智能控制開始成為一個嶄新的學科。近年來

8、，智能控制理論與智能化系統(tǒng)發(fā)展十分迅速。其中代表性的理論有專家系統(tǒng)，模糊邏輯控制、神經(jīng)網(wǎng)絡控制、基因控制即遺傳算法、混沌控制、小波理論、分層遞階控制、擬人化智能控制、博弈論等。著名的控制理論權威專家Austrom在其“智能控制的方向”一文中指出：模糊邏輯控制，神經(jīng)網(wǎng)絡與專家系統(tǒng)是典型的智能控制方法。1.3.2 國內(nèi)智能技術在國內(nèi)也受到廣泛重視,中國自動化學會等于1993年8月在北京召開了第一屆全球華人智能控制與智能自動化大會,1995年8月在天津召開了智能自動化專業(yè)委員會成立大會及首屆中國智能自動化學術會議,1997年6月在西安召開了第二屆全球華人智能控制與智能自動化大會。 近年來,智能控制技

9、術在國內(nèi)外已有了較大的發(fā)展,己進入工程化,實用化的階段.但作為一門新興的理論技術,它還處在一個發(fā)展時期.然而,隨著人工智能技術,計算機技術的迅速發(fā)展,智能控制必將迎來它的發(fā)展新時期。1.4智能控制的意義智能控制（intelligent controls）在無人干預的情況下能自主地驅(qū)動智能機器實現(xiàn)控制目標的自動控制技術。對許多復雜的系統(tǒng)，難以建立有效的數(shù)學模型和用常規(guī)的控制理論去進行定量計算和分析，而必須采用定量方法與定性方法相結合的控制方式。定量方法與定性方法相結合的目的是，要由機器用類似于人的智慧和經(jīng)驗來引導求解過程。因此，在研究和設計智能系統(tǒng)時，主要注意力不放在數(shù)學公式的表達、計算和處理方

10、面，而是放在對任務和現(xiàn)實模型的描述、符號和環(huán)境的識別以及知識庫和推理機的開發(fā)上，即智能控制的關鍵問題不是設計常規(guī)控制器，而是研制智能機器的模型。此外，智能控制的核心在高層控制，即組織控制。高層控制是對實際環(huán)境或過程進行組織、決策和規(guī)劃，以實現(xiàn)問題求解。為了完成這些任務，需要采用符號信息處理、啟發(fā)式程序設計、知識表示、自動推理和決策等有關技術。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”。隨著人工智能和計算機技術的發(fā)展，已經(jīng)有可能把自動控制和人工智能以及系統(tǒng)科學中一些有關學科分支（如系統(tǒng)工程、系統(tǒng)學、運籌學、信息論）結合起來，建立一種適用于復雜系統(tǒng)的控制理論和技術。智

11、能控制正是在這種條件下產(chǎn)生的。它是自動控制技術的最新發(fā)展階段，也是用計算機模擬人類智能進行控制的研究領域，智能控制具有交叉學科和定量與定性相結合的分析方法和特點。 縱觀智能控制產(chǎn)生、發(fā)展的歷史背景與現(xiàn)狀，其研究中心始終是解決傳統(tǒng)控制理論、方法(包括古典控制、現(xiàn)代控制、自適應控制、魯棒控制、大系統(tǒng)方法等)所難以解決的不確定性問題.控制學科所面臨的控制對象的復雜性、環(huán)境的復雜性、控制目標的復雜性愈益突出，智能控制的研究正提供了解決這類問題的有效手段，集中表現(xiàn)在控制工程中運用智能方法解決復雜系統(tǒng)的控制已取得了相當多的成功；另一方面，智能控制的研究雖然取得了一些成果，但實質(zhì)性進展甚微，理論方面尤為突出

12、，應用則主要是解決技術問題，對象具體而單一。應當著重于基礎控制工程方法的開發(fā)而不是技術演示.智能控制作為多學科交叉的產(chǎn)物，其研究現(xiàn)狀與存在的問題固然與交叉學科的發(fā)展密切相關，但傳統(tǒng)的方法論也在一定程度上束縛了它的發(fā)展.事實上，在人們久已習慣的還原論思想及傳統(tǒng)控制思路的引導下，智能控制與傳統(tǒng)的或常規(guī)的控制有密切的關系,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)性的復雜控制問題。第二章 智能控制系統(tǒng)的分支目前，關于智能控制的方法主要有自適應控制（Adaptive Contro

13、l）、模糊控制（Fuzzy Control）、神經(jīng)網(wǎng)控制（Neural Net-based Control）、基于知識的控制（Knowledge Based Control）或?qū)＜铱刂疲‥xpert Control）、復合智能控制（Hybrid Intelligent Control）、學習控制（Learning Control）和基于進化機制的控制（Evolutionary Mechanism Based Control）。這些有的已在現(xiàn)代工業(yè)生產(chǎn)過程的智能控制與智能自動化投入實際應用。2.1 人工神經(jīng)網(wǎng)絡控制系統(tǒng)人工神經(jīng)網(wǎng)絡(簡稱神經(jīng)網(wǎng)絡，NeuralNetwork)是模擬人腦思維方式的數(shù)

14、學模型。神經(jīng)網(wǎng)絡是在現(xiàn)代生物學研究人腦組織成果的基礎上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡的結構和行為，它從微觀結構和功能上對人腦進行抽象和簡化，是模擬人類智能的一條重要途徑，反映了人腦功能的若干基本特征，如并行信息處理、學習、聯(lián)想、模式分類、記憶等。神經(jīng)網(wǎng)絡模型用于模擬人腦神經(jīng)活動的過程, 其中包括信息的加工處理、存儲和搜索等過程。神經(jīng)網(wǎng)絡是以對信息的分布式存儲和并行處理為基礎, 它具有自組織、自學習的功能, 在許多方面更接近人對信息的處理方法, 它具有模擬人的形象思維的能力, 反映了人腦功能的若干特性。神經(jīng)網(wǎng)絡的研究經(jīng)歷了三十余年的曲折發(fā)展歷史。80 年代以來, 神經(jīng)網(wǎng)絡的研究取得了異常迅速的

15、發(fā)展, 提出了許多神經(jīng)網(wǎng)絡理論及其模型。模糊神經(jīng)網(wǎng)絡有如下三種形式：1邏輯模糊神經(jīng)網(wǎng)絡 2算術模糊神經(jīng)網(wǎng)絡3混合模糊神經(jīng)網(wǎng)絡神經(jīng)網(wǎng)絡模擬人腦神經(jīng)元的活動,利用神經(jīng)元之間的聯(lián)結與權值的分布來表示特定的信息,通過不斷修正連接的權值進行自我學習,以逼近理論為依據(jù)進行神經(jīng)網(wǎng)絡建模,并以直接自校正控制、間接自校正控制、神經(jīng)網(wǎng)絡預測控制等方式實現(xiàn)智能控制。2.2模糊控制系統(tǒng)模糊邏輯拉制淪于1965年由扎德教授首先提出。它的主要思想是吸取氣類思維具有模糊性的特點，通過模糊邏輯推理來實現(xiàn)對眾多不確定性系統(tǒng)的有效控制。如果說.傳統(tǒng)的控制是從被控對象的數(shù)學結構上去考慮進行控制的。那么，模糊控制是從人類智能活動的角

16、度和基礎上去考慮實施控制的.其設計的核心是模糊控制規(guī)則和隸屬度函數(shù)的確定。經(jīng)典的模糊邏輯控制器的隸屬度函數(shù)、控制規(guī)則都是根據(jù)經(jīng)驗預先總結出來的?？刂七^程中沒有對規(guī)則進行修正功能，不具備學習和適應能力。但仍然在許多場合.如爐窯控制、化工過程控制、水處理、家電等得到廣泛的應用。同時。多種改進的或夏合的模糊控制器也不斷涌現(xiàn).如模糊日。調(diào)節(jié)器、模糊專家擰制器、模糊自適應控制器.模糊神經(jīng)網(wǎng)絡控制器等。此外，模糊系統(tǒng)建模、模糊控制器的穩(wěn)定性分析、模糊控制器的魯棒性設計等一些熱點和難點問題也都取得了進展。模糊拄制已經(jīng)進人一個新階段。模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎的一種智能控制方法，

17、它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將操作人員或?qū)＜医?jīng)驗編成模糊規(guī)則，然后將來自傳感器的實時信號模糊化，將模糊化后的信號作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量加到執(zhí)行器上。模糊控制的特點為：1）提供了一種實現(xiàn)基于自然語言描述規(guī)則的控制規(guī)律的新機制。2）提供了一種非線性控制器，這種控制器一般用于控制含有不確定性和難以用傳統(tǒng)非線性理論處理的場合。模糊控制的類型有：(1)基本模糊控制器：一旦模糊控制表確定之后,控制規(guī)則就固定不變了；(2)自適應模糊控制器：在運行中自動修改、完善和調(diào)整規(guī)則,使被控過程的控制效果不斷提高,達到預期的效果；(3)智能模糊控制

18、器：它把人、人工智能和神經(jīng)網(wǎng)絡三者聯(lián)系起來,實現(xiàn)綜合信息處理,使系統(tǒng)既具有靈活的推理機制、啟發(fā)性知識與產(chǎn)生式規(guī)則表示,又具有多種層次、多種類型的控制規(guī)律選擇。2.3專家控制系統(tǒng)專家控制(expert control)是智能控制的一個重要分支，又稱專家智能控制。所謂專家控制，是將專家系統(tǒng)的理論和技術同控制理論、方法與技術相結合，在未知環(huán)境下，仿效專家的經(jīng)驗，實現(xiàn)對系統(tǒng)的控制。專家控制試圖在傳統(tǒng)控制的基礎上“加人”一個富有經(jīng)驗的控制工程師，實現(xiàn)控制的功能，它由知識庫和推理機構構成主體框架，通過對控制領域知識(先驗經(jīng)驗、動態(tài)信息、目標等)的獲取與組織，按某種策略及時地選用恰當?shù)囊?guī)則進行推理輸出，實現(xiàn)

19、對實際對象的控制。專家控制系統(tǒng)：主要指的是一個智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的經(jīng)驗方法來處理該領域的高水平難題。也就是說，專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應用人工智能技術和計算機技術，根據(jù)某領域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家才能處理好的復雜問題。簡而言之，專家系統(tǒng)是一種模擬人類專家解決領域問題的計算機程序系統(tǒng)。專家控制的特點：（1）靈活性：根據(jù)系統(tǒng)的工作狀態(tài)及誤差情況，可靈活地選取相應的控制律；（2）適應性：能根據(jù)專家知識和經(jīng)驗，調(diào)整控制器的

20、參數(shù)，適應對象特性及環(huán)境的變化；（3）魯棒性：通過利用專家規(guī)則，系統(tǒng)可以在非線性、大偏差下可靠地工作。2.3.1 專家控制的結構2.3.2專家控制的分類按專家控制在控制系統(tǒng)中的作用和功能，可將專家控制器分為以下兩種類型：(1) 直接型專家控制器直接專家控制器用于取代常規(guī)控制器，直接控制生產(chǎn)過程或被控對象。具有模擬（或延伸，擴展）操作工人智能的功能。該控制器的任務和功能相對比較簡單，但是需要在線、實時控制。因此，其知識表達和知識庫也較簡單，通常由幾十條產(chǎn)生式規(guī)則構成，以便于增刪和修改。(2)間接型專家控制器間接型專家控制器用于和常規(guī)控制器相結合，組成對生產(chǎn)過程或被控對象進行間接控制的智能控制系統(tǒng)

21、。具有模擬（或延伸，擴展）控制工程師智能的功能。該控制器能夠?qū)崿F(xiàn)優(yōu)化適應、協(xié)調(diào)、組織等高層決策的智能控制。按照高層決策功能的性質(zhì)，間接型專家控制器可分為以下幾種類型： 優(yōu)化型專家控制器：是基于最優(yōu)控制專家的知識和經(jīng)驗的總結和運用。通過設置整定值、優(yōu)化控制參數(shù)或控制器，實現(xiàn)控制器的靜態(tài)或動態(tài)優(yōu)化。 適應型專家控制器：是基于自適應控制專家的知識和經(jīng)驗的總結和運用。根據(jù)現(xiàn)場運行狀態(tài)和測試數(shù)據(jù)，相應地調(diào)整控制規(guī)律，校正控制參數(shù)，修改整定值或控制器，適應生產(chǎn)過程、對象特性或環(huán)境條件的漂移和變化。 協(xié)調(diào)型專家控制器：是基于協(xié)調(diào)控制專家和調(diào)度工程師的知識和經(jīng)驗的總結和運用。用以協(xié)調(diào)局部控制器或各子控制系統(tǒng)的

22、運行，實現(xiàn)大系統(tǒng)的全局穩(wěn)定和優(yōu)化。 組織型專家控制器：是基于控制工程的組織管理專家或總設計師的知識和經(jīng)驗的總結和運用。用以組織各種常規(guī)控制器，根據(jù)控制任務的目標和要求，構成所需要的控制系統(tǒng)。 間接型專家控制器可以在線或離線運行。通常，優(yōu)化型、適應型需要在線、實時、聯(lián)機運行。協(xié)調(diào)型、組織型可以離線、非實時運行，作為相應的計算機輔助系統(tǒng)。2.4學習控制系統(tǒng)學習是人類的主要智能之一，人類的各項活動也需要學習.在人類的進化過程中,學習功能起著十分重要的作用.學習控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機制的一種嘗試. 所謂學習是一種過程，它通過重復輸人信號，并從外部校正該系統(tǒng)，從而使系統(tǒng)對特定輸人具有特

23、定響應.學習控制系統(tǒng)是一個能在其運行過程中逐步獲得受控過程及環(huán)境的非預知信息，積累控制經(jīng)驗，并在一定的評價標準下進行估值，分類，決策和不斷改善系統(tǒng)品質(zhì)的自動控制系統(tǒng)。（1）遺傳算法學習控制智能控制是通過計算機實現(xiàn)對系統(tǒng)的控制，因此控制技術離不開優(yōu)化技術?？焖?、高效、全局化的優(yōu)化算法是實現(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制的一種搜索和優(yōu)化算法，它模擬生物界/生存競爭，優(yōu)勝劣汰，適者生存的機制，利用復制、交叉、變異等遺傳操作來完成尋優(yōu)。遺傳算法作為優(yōu)化搜索算法，一方面希望在寬廣的空間內(nèi)進行搜索，從而提高求得最優(yōu)解的概率；另一方面又希望向著解的方向盡快縮小搜索范圍，從而提高搜索效率

24、。如何同時提高搜索最優(yōu)解的概率和效率，是遺傳算法的一個主要研究方向。遺傳算法作為一種非確定的擬自然隨機優(yōu)化工具，具有并行計算、快速尋找全局最優(yōu)解等特點，它可以和其他技術混合使用，用于智能控制的參數(shù)、結構或環(huán)境的最優(yōu)控制。（2）迭代學習控制迭代學習控制模仿人類學習的方法、即通過多次的訓練，從經(jīng)驗中學會某種技能，來達到有效控制的目的。迭代學習控制能夠通過一系列迭代過程實現(xiàn)對二階非線性動力學系統(tǒng)的跟蹤控制。整個控制結構由線性反饋控制器和前饋學習補償控制器組成，其中線性反饋控制器保證了非線性系統(tǒng)的穩(wěn)定運行、前饋補償控制器保證了系統(tǒng)的跟蹤控制精度。它在執(zhí)行重復運動的非線性機器人系統(tǒng)的控制中是相當成功的。

25、2.5分級遞階控制系統(tǒng)分級遞階智能控制是在自適應控制和自組織控制基礎上，由美國普渡大學Saridis提出的智能控制理論.分級遞階智能控制（Hierarchical Intelligent Control）主要由三個控制級組成，按智能控制的高低分為組織級，協(xié)調(diào)級，執(zhí)行級，并且這三級遵循伴隨智能遞降精度遞增原則。組織級（organization level）：組織級通過人機接口和用戶（操作員）進行交互，執(zhí)行最高決策的控制功能，監(jiān)視并指導協(xié)調(diào)級和執(zhí)行級的所有行為，其智能程度最高.協(xié)調(diào)級（Coordination level）：協(xié)調(diào)級可進一步劃分為兩個分層：控制管理分層和控制監(jiān)督分層.執(zhí)行級（exec

26、utive level）：執(zhí)行級的控制過程通常是執(zhí)行一個確定的動作.第三章 基本實現(xiàn)的得到第四章 應用4.1工業(yè)過程中的智能控制生產(chǎn)過程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行控制器設計，例如智能PID控制器、專家控制器、神經(jīng)元網(wǎng)絡控制器等。研究熱點是智能PID控制器，因為其在參數(shù)的整定和在線自適應調(diào)整方面具有明顯的優(yōu)勢，且可用于控制一些非線性的復雜對象。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。4.2 機械制造中的智能控制在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不

27、夠精確的數(shù)據(jù)來解決難以或無法預測的情況，人工智能技術為解決這一難題提供了有效的解決方案。智能控制隨之也被廣泛地應用于機械制造行業(yè)，它利用模糊數(shù)學、神經(jīng)網(wǎng)絡的方法對制造過程進行動態(tài)環(huán)境建模，利用傳感器融合技術來進行信息的預處理和綜合?？刹捎脤＜蚁到y(tǒng)的“Then-If”逆向推理作為反饋機構，修改控制機構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)決策選取機構來選擇控制動作。利用神經(jīng)網(wǎng)絡的學習功能和并行處理信息的能力，進行在線的模式識別，處理那些可能是殘缺不全的信息。4.3電力電子學研究領域中的智能控制電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設備的設

28、計、生產(chǎn)、運行、控制是一個復雜的過程，國內(nèi)外的電氣工作者將人工智能技術引入到電氣設備的優(yōu)化設計、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的優(yōu)化算法，采用此方法來對電器設備的設計進行優(yōu)化，可以降低成本,縮短計算時間，提高產(chǎn)品設計的效率和質(zhì)量。應用于電氣設備故障診斷的智能控制技術有：模糊邏輯、專家系統(tǒng)和神經(jīng)網(wǎng)絡。在電力電子學的眾多應用領域中，智能控制在電流控制PWM技術中的應用是具有代表性的技術應用方向之一，也是研究的新熱點之一。第五章 智能控制展望隨著智能控制應用方法的日益成熟，智能控制的研究領域必將進一步擴大。除了高級機器人、過程智能控制和智能故障診斷外，下列領域?qū)⒊蔀樾碌膽妙I域：交通控制(如高速列車、汽車運輸、飛機飛行控制等)，醫(yī)療過程控制、商業(yè)、農(nóng)業(yè)、文化教育和娛樂等。 當代最高意義上的智能自動化要算機器人學的進步和應用。機器人從爬行到直立