控制學(xué)科的發(fā)展課件

控制科學(xué)與技術(shù)的發(fā)展控制科學(xué)與技術(shù)的發(fā)展傳統(tǒng)與現(xiàn)代控制理論的局限性智能信息處理技術(shù)和控制科學(xué)的交融與結(jié)合控制理論的完善與控制技術(shù)的發(fā)展結(jié)束語控制科學(xué)與技術(shù)的發(fā)展控制科學(xué)與技術(shù)的發(fā)展1學(xué)科組成學(xué)科組成21、控制科學(xué)與技術(shù)的發(fā)展

控制科學(xué)與技術(shù)在20世紀(jì)的人類科技進(jìn)步中起到了舉足輕重的作用，為了解決當(dāng)今社會的許多挑戰(zhàn)性問題產(chǎn)生了積極的影響，提供了科學(xué)的思想方法論；為許多產(chǎn)業(yè)領(lǐng)域?qū)崿F(xiàn)自動(dòng)化奠定了理論基礎(chǔ)，提供了先進(jìn)的生產(chǎn)技術(shù)和先進(jìn)的控制儀器及裝備。特別是數(shù)字計(jì)算機(jī)的廣泛使用，為控制科學(xué)與技術(shù)開辟了更廣泛的應(yīng)用領(lǐng)域。1、控制科學(xué)與技術(shù)的發(fā)展控制科學(xué)與技術(shù)在20世紀(jì)320世紀(jì)的控制科學(xué)與技術(shù)是在實(shí)踐的重大需求驅(qū)動(dòng)下快速發(fā)展的，他經(jīng)歷了若干重要的發(fā)展時(shí)期。經(jīng)典控制理論、現(xiàn)代控制理論、智能控制理論。20世紀(jì)初的Lyapunov穩(wěn)定理論和PID控制律概念20年代的反饋放大器30年代的Nyquist與Bode圖1.1控制科學(xué)與技術(shù)的發(fā)展時(shí)期

20世紀(jì)的控制科學(xué)與技術(shù)是在實(shí)踐的重大需求驅(qū)動(dòng)下快速4

40年代維納的控制論50年代貝爾曼動(dòng)態(tài)規(guī)劃理論和龐特里亞金極大值原理60年代卡爾曼濾波器、系統(tǒng)狀態(tài)空間法、系統(tǒng)能控性和能觀性70年代的自校正控制和自適應(yīng)控制80年代針對系統(tǒng)不確定狀況的魯棒控制90年代基于智能信息處理的智能控制理論

40年代維納的控制論5隨著計(jì)算機(jī)科學(xué)、網(wǎng)絡(luò)和智能信息處理技術(shù)的進(jìn)步，以及社會生產(chǎn)力發(fā)展的強(qiáng)烈需求，在如何解決日益增加的復(fù)雜系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、多傳感器信息融合、生物、基因、量子計(jì)算、社會經(jīng)濟(jì)與生態(tài)等重大問題上，控制科學(xué)和自動(dòng)化領(lǐng)域的研究者們在21世紀(jì)初面臨著更重大的、更為迫切的挑戰(zhàn)。隨著計(jì)算機(jī)科學(xué)、網(wǎng)絡(luò)和智能信息處理技術(shù)的進(jìn)步，以及社6近30年來，控制科學(xué)在非線性系統(tǒng)控制、分布參數(shù)系統(tǒng)控制、系統(tǒng)辨識、隨機(jī)與自適應(yīng)控制、魯棒控制、離散事件系統(tǒng)和混合系統(tǒng)、智能控制等研究方向上取得了許多重要進(jìn)展。在21世紀(jì)初的十幾年，這些方向仍將是控制科學(xué)發(fā)展的主要研究方向，它們之間的交叉與結(jié)合，將形成許多應(yīng)用性更強(qiáng)的重要研究方向。1.2控制科學(xué)在研究方向上取得重要進(jìn)展近30年來，控制科學(xué)在非線性系統(tǒng)控制、分布參1.27非線性控制是控制理論中一個(gè)重要的研究分支，目前在該方向的一些研究成果已應(yīng)用于機(jī)器人、直升飛機(jī)與電力系統(tǒng)控制等實(shí)際控制工程中。可以預(yù)見，非線性控制理論的進(jìn)一步發(fā)展，將對多機(jī)器人系統(tǒng)協(xié)調(diào)操作與大型網(wǎng)絡(luò)穩(wěn)定安全為背景的非線性系統(tǒng)的控制工程等產(chǎn)生重大影響。混沌系統(tǒng)作為非線性系統(tǒng)的重要組成部分，在混沌生成、混沌抑制、混沌同步化、混沌通訊應(yīng)用以及混沌信息編碼等方面已經(jīng)取得一些突破性的進(jìn)展。這些研究成果將對復(fù)雜系統(tǒng)的深入研究提供了有意義的借鑒。1.2.1非線性系統(tǒng)控制的發(fā)展非線性控制是控制理論中一個(gè)重要的研究分支，1.2.18自20世紀(jì)70年代開始，國內(nèi)外學(xué)者開始重視分布參數(shù)系統(tǒng)的研究。分布參數(shù)系統(tǒng)是無窮維系統(tǒng)，一般由偏微分方程、積分方程、泛函微分方程或抽象空間中的微分方程所描述。我國學(xué)者在細(xì)長體彈性振動(dòng)系統(tǒng)的建模和振動(dòng)控制、振動(dòng)系統(tǒng)的譜分析、能控性和反饋鎮(zhèn)定、一般無窮維系統(tǒng)的極大值原理、人口系統(tǒng)控制、人口預(yù)測和控制等方面都做出了重要貢獻(xiàn)。1.2.2分布參數(shù)系統(tǒng)控制的發(fā)展自20世紀(jì)70年代開始，國內(nèi)外學(xué)者開始重視分布1.2.9由于實(shí)際系統(tǒng)的復(fù)雜性，人們往往很難（或不可能）從基本的物理定律出發(fā)直接推導(dǎo)出系統(tǒng)的數(shù)學(xué)模型，這就需要利用可以測量的系統(tǒng)輸入和輸出數(shù)據(jù)，來構(gòu)造系統(tǒng)內(nèi)結(jié)構(gòu)及參數(shù)的估計(jì)，并研究估計(jì)的可靠性和精度等問題，這就是系統(tǒng)辨識的任務(wù)。20世紀(jì)90年代，線性系統(tǒng)辨識理論趨于成熟，而非線性系統(tǒng)的辨識仍處于發(fā)展階段。近10年來，系統(tǒng)辨識領(lǐng)域有三個(gè)熱點(diǎn)研究方向：基于魯棒控制的數(shù)學(xué)模型要求的魯棒辨識、基于特殊信號驅(qū)動(dòng)下的系統(tǒng)辨識和基于智能信息處理的非線性系統(tǒng)辨識。1.2.3系統(tǒng)辨識的發(fā)展由于實(shí)際系統(tǒng)的復(fù)雜性，人們往往很難（或不可1.2.310當(dāng)實(shí)際系統(tǒng)受到的外界干擾和系統(tǒng)模型誤差被看作為隨機(jī)噪聲時(shí)，我們把這類系統(tǒng)稱為隨機(jī)系統(tǒng)。近年來，在非線性濾波、隨機(jī)極大值原理、隨機(jī)最優(yōu)控制綜合等方面已有新的進(jìn)展。人們?yōu)榱藢で竽軌驅(qū)嶋H應(yīng)用并且性能良好的控制算法，由“分離思想”和“必然等價(jià)思想”發(fā)展了自適應(yīng)控制的理論和方法。在科學(xué)研究和工程實(shí)踐中，自適應(yīng)算法已經(jīng)成為一種非常有效的重要方法。

1.2.4隨機(jī)與自適應(yīng)控制的發(fā)展當(dāng)實(shí)際系統(tǒng)受到的外界干擾和系統(tǒng)模型誤差被1.2.411一般地，系統(tǒng)的數(shù)學(xué)模型與實(shí)際系統(tǒng)存在著參數(shù)或結(jié)構(gòu)等方面的差異，而我們設(shè)計(jì)的控制律大多都是基于系統(tǒng)的數(shù)學(xué)模型，為了保證實(shí)際系統(tǒng)對外界干擾、系統(tǒng)的不確定性等有盡可能小的敏感性，導(dǎo)致了研究系統(tǒng)魯棒控制問題。近年來，對非線性系統(tǒng)的魯棒適應(yīng)控制的研究已成為一個(gè)熱點(diǎn)方向。1.2.5魯棒控制的發(fā)展一般地，系統(tǒng)的數(shù)學(xué)模型與實(shí)際系統(tǒng)存在著參1.2.512人工神經(jīng)網(wǎng)方法、滑動(dòng)模（sliding-mode）方法及魯棒控制方法的結(jié)合可以設(shè)計(jì)出對一大類連續(xù)時(shí)間非線性系統(tǒng)穩(wěn)定的自適應(yīng)控制律。20世紀(jì)80年代出現(xiàn)的H∞設(shè)計(jì)方法和變結(jié)構(gòu)控制（滑模控制）推動(dòng)了魯棒控制理論的發(fā)展?，F(xiàn)在，系統(tǒng)H∞范數(shù)已成為系統(tǒng)的重要性能指標(biāo)。如何有效利用過程信息來降低系統(tǒng)的不確定性，是魯棒控制研究的重要內(nèi)容。人工神經(jīng)網(wǎng)方法、滑動(dòng)模（sliding-mode）方法13系統(tǒng)的狀態(tài)隨離散事件發(fā)生而瞬時(shí)改變，不能用通常的動(dòng)態(tài)方程來描述，一般稱這類系統(tǒng)為離散事件動(dòng)態(tài)系統(tǒng)（DEDS）。對它的研究始于20世紀(jì)80年代初。目前已發(fā)展了多種處理離散事件系統(tǒng)的方法和模型，例如有限狀態(tài)馬爾科夫鏈、Petri網(wǎng)、排隊(duì)網(wǎng)絡(luò)、自動(dòng)機(jī)理論、擾動(dòng)分析法、極大代數(shù)法等。其理論已經(jīng)應(yīng)用于柔性制造系統(tǒng)、計(jì)算機(jī)通信系統(tǒng)、交通系統(tǒng)等。離散事件系統(tǒng)的研究雖然取得較大進(jìn)展，但還沒有一套完整的理論體系來評價(jià)離散時(shí)間系統(tǒng)模型與實(shí)際對象的差異。離散事件動(dòng)態(tài)系統(tǒng)自然延伸就是混合動(dòng)態(tài)系統(tǒng)。1.2.6離散事件系統(tǒng)和混合系統(tǒng)的發(fā)展系統(tǒng)的狀態(tài)隨離散事件發(fā)生而瞬時(shí)改變，不能1.2.614包含離散事件動(dòng)態(tài)系統(tǒng)（DEDS）和連續(xù)變量動(dòng)態(tài)系統(tǒng)（CVDS）、兩者又相互耦合作用的系統(tǒng)稱為混合動(dòng)態(tài)系統(tǒng)（HDS）。關(guān)于混合系統(tǒng)最早的文獻(xiàn)出現(xiàn)在1966年。1979年瑞典人Cellier首先引入混合系統(tǒng)結(jié)構(gòu)的概念，把系統(tǒng)分為離散、連續(xù)和接口3個(gè)部分。1989年Golli針對計(jì)算機(jī)磁盤驅(qū)動(dòng)器模型引入混合系統(tǒng)的概念，把連續(xù)部分和接口部分結(jié)合起來進(jìn)行研究。雖然混合系統(tǒng)的研究取得了一些成果，但仍處于發(fā)展階段，其理論和應(yīng)用研究仍是未來幾年的研究熱點(diǎn)。包含離散事件動(dòng)態(tài)系統(tǒng)（DEDS）和連續(xù)變量動(dòng)15現(xiàn)代工程技術(shù)、生態(tài)或社會環(huán)境等領(lǐng)域的研究對象往往是十分復(fù)雜的系統(tǒng)，對這類系統(tǒng)難以用常規(guī)的數(shù)學(xué)方法來建立準(zhǔn)確的數(shù)學(xué)模型，需要用學(xué)習(xí)推理或統(tǒng)計(jì)意義上的模型來描述實(shí)際系統(tǒng)，這就導(dǎo)致了智能控制的研究。智能控制的主要目標(biāo)是使控制系統(tǒng)具有學(xué)習(xí)和適應(yīng)能力?，F(xiàn)在，智能控制理論雖然取得了不少研究成果，但智能控制的理論體系還不夠成熟。

1.2.7智能控制的發(fā)展現(xiàn)代工程技術(shù)、生態(tài)或社會環(huán)境等領(lǐng)域的研究1.16最近，基于模糊推理的系統(tǒng)建模、神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)內(nèi)?？刂?、神經(jīng)網(wǎng)絡(luò)非線性預(yù)測控制、混沌神經(jīng)網(wǎng)絡(luò)控制等方面已有不少重要研究成果。智能控制理論有著廣泛的應(yīng)用，例如，基于神經(jīng)動(dòng)態(tài)規(guī)劃的直升機(jī)的鎮(zhèn)定控制和航天軌道操作器的基于知識的分層控制等。模糊推理、神經(jīng)網(wǎng)絡(luò)和遺傳算法均具有模擬人類思維結(jié)構(gòu)的方式的特點(diǎn)，將三者結(jié)合是智能控制研究的主要方向之一。最近，基于模糊推理的系統(tǒng)建模、神經(jīng)網(wǎng)絡(luò)模172、傳統(tǒng)與現(xiàn)代控制理論的局限性

傳統(tǒng)控制器都是基于系統(tǒng)的數(shù)學(xué)模型建立的，因此，控制系統(tǒng)的性能好壞很大程度上取決于模型的精確性，這正是傳統(tǒng)控制的本質(zhì)?，F(xiàn)代控制理論可以解決多輸入、多輸出（MIMO）控制系統(tǒng)地分析和控制設(shè)計(jì)問題，但其分析與綜合方法也都是在取得控制對象數(shù)學(xué)模型基礎(chǔ)上進(jìn)行的，而數(shù)學(xué)模型的精確程度對控制系統(tǒng)性能的影響很大，往往由于某種原因，對象參數(shù)發(fā)生變化使數(shù)學(xué)模型不能準(zhǔn)確地2、傳統(tǒng)與現(xiàn)代控制理論的局限性傳統(tǒng)控制器都是基于系18反映對象特性，從而無法達(dá)到期望的控制指標(biāo)，為解決這個(gè)問題，自適應(yīng)控制、魯棒控制的研究便成為控制理論的研究熱點(diǎn)。反映對象特性，從而無法達(dá)到期望的控制指19控制對象的復(fù)雜性傳統(tǒng)控制理論的思想是建立在精確數(shù)學(xué)模型基礎(chǔ)上的，然而對實(shí)際應(yīng)用中的非線性、時(shí)變性、不確定性和不完全性的系統(tǒng)，一般無法獲得精確的數(shù)學(xué)模型。對含有對象復(fù)雜性和不確定性的控制過程，很難用傳統(tǒng)數(shù)學(xué)建模方法來解決建模問題。

2.1傳統(tǒng)控制理論面臨的問題控制對象的復(fù)雜性2.1傳統(tǒng)控制理論面臨的問題20控制方法和手段單一性在研究一個(gè)實(shí)際的控制對象時(shí)，為了得到理論上性能良好的控制器，經(jīng)常提出一些比較苛刻的假設(shè)，然而這些假設(shè)在應(yīng)用中往往與實(shí)際情況不相吻合。根據(jù)現(xiàn)有的理論和技術(shù)描述復(fù)雜的控制過程會出現(xiàn)片面性、單一性，建立的模型有可能與實(shí)際過程相差甚遠(yuǎn)。傳統(tǒng)的控制對象往往局限于單一的、有確定的物理規(guī)律的系統(tǒng)。對于復(fù)合型系統(tǒng)，傳統(tǒng)的控制方法就顯得力不從心?？刂品椒ê褪侄螁我恍?1無法滿足控制性能的高要求通常，控制系統(tǒng)需要具有所期望的控制精度、穩(wěn)定性及動(dòng)態(tài)性能。為了提高系統(tǒng)性能，傳統(tǒng)控制系統(tǒng)可能變得相當(dāng)復(fù)雜，從而使得系統(tǒng)的可靠性與其它系統(tǒng)性能成為不可調(diào)和的矛盾?？刂葡到y(tǒng)能夠處理數(shù)值的、符號的、定性的、定量的、確定的和模糊信息等各類信息，即要求控制系統(tǒng)具有多層次的信息處理結(jié)構(gòu)。傳統(tǒng)的控制方法是很難做到這一點(diǎn)的。無法滿足控制性能的高要求22控制對象與控制對象所處的環(huán)境的變化隨著計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)普及與發(fā)展，基于網(wǎng)絡(luò)的遠(yuǎn)程控制受到人們的關(guān)注。在網(wǎng)絡(luò)環(huán)境下存在延時(shí)、數(shù)據(jù)的丟失、數(shù)據(jù)時(shí)序或序的變化及數(shù)據(jù)的非等間隔采樣，使得網(wǎng)絡(luò)環(huán)境的空地變得十分復(fù)雜和困難。同時(shí)，網(wǎng)絡(luò)自身的安全與控制也是一個(gè)十分重要和非常棘手的問題。不同性質(zhì)、不同控制對象組合而成的混雜系統(tǒng)還缺乏理論支持和相應(yīng)的技術(shù)手段。多任務(wù)、多機(jī)器人的協(xié)調(diào)控制問題。2.2現(xiàn)代控制理論面臨的問題控制對象與控制對象所處的環(huán)境的變化2.2現(xiàn)代控制理論面23理論問題由于復(fù)雜系統(tǒng)的建模、穩(wěn)定性與系統(tǒng)設(shè)計(jì)缺乏理論支撐和指導(dǎo)，有必要綜合應(yīng)用其他學(xué)科，如數(shù)學(xué)、信息科學(xué)、系統(tǒng)科學(xué)與認(rèn)知科學(xué)的最新進(jìn)展來建立一個(gè)解決復(fù)雜性問題的完整理論。

理論問題24控制要求具有多種信息或傳感信息的綜合能力；具有自學(xué)習(xí)和自適應(yīng)能力，能夠自主調(diào)整控制機(jī)構(gòu)；高可靠性；控制系統(tǒng)本身應(yīng)該具有良好的控制特性；在出現(xiàn)故障和意外時(shí)，能及早進(jìn)行自我故障診斷及排除?，F(xiàn)代控制系統(tǒng)應(yīng)該具有良好的容錯(cuò)性和魯棒性。在一些情況下需要構(gòu)造一個(gè)合理的人機(jī)協(xié)作的控制系統(tǒng)?？刂埔?5基于上述問題，控制科學(xué)界多年來一直在探索著新的方法，尋求更加符合實(shí)際的“發(fā)展軌跡”。近十年來，人工智能學(xué)科新的進(jìn)展給人們帶來了希望。由于得益于計(jì)算機(jī)科學(xué)技術(shù)和智能信息處理的高速發(fā)展，智能控制逐漸形成一門學(xué)科，并在實(shí)際應(yīng)用中顯示出強(qiáng)大的生命力。與此同時(shí)，許多控制學(xué)科領(lǐng)域的工作者也開始認(rèn)識到，在許多系統(tǒng)中，復(fù)雜性不只是表現(xiàn)在高維性上，更多的則是表現(xiàn)在系統(tǒng)信息的模糊性、不確定性、偶然性和不完全性上。能否用人工智能的人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯推理、啟發(fā)式知識、專家系統(tǒng)等理論去解決難以建立精確數(shù)學(xué)模型的控制問題一直是我們十多年來追求的目標(biāo)。基于上述問題，控制科學(xué)界多年來一直在探索263、智能信息處理技術(shù)和控制科學(xué)的交融與結(jié)合

隨著許多復(fù)雜的社會經(jīng)濟(jì)與生態(tài)問題和全球網(wǎng)絡(luò)信息安全問題的出現(xiàn)及對許多復(fù)雜系統(tǒng)“涌現(xiàn)”機(jī)理的研究，許多科學(xué)家對傳統(tǒng)的控制理論與非線性分析、隨機(jī)系統(tǒng)、統(tǒng)計(jì)學(xué)習(xí)、人工智能、認(rèn)知科學(xué)等學(xué)科的結(jié)合產(chǎn)生了極大興趣，特別是將人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯、遺傳計(jì)算、專家系統(tǒng)、混沌和其它常規(guī)信號信息處理相結(jié)合，在新的層次上實(shí)現(xiàn)控制的自適應(yīng)和反饋。3、智能信息處理技術(shù)和控制科學(xué)的交融與結(jié)合2720世紀(jì)70年代，傅京孫教授提出把人工智能的直覺推理方法用于機(jī)器人控制和學(xué)習(xí)控制系統(tǒng)，并將智能控制概括為自動(dòng)控制和人工智能的結(jié)合。傅京孫、Glorioso和Sardi等人從控制理論的角度總結(jié)了人工智能技術(shù)與自適應(yīng)、自學(xué)習(xí)和自組織控制的關(guān)系，正式提出了建立智能控制理論的構(gòu)想。1967年，Leondes和Mendel首次正式使用“智能控制”一詞。1985年8月在美國紐約IEEE召開的智能控制專題討論會，標(biāo)志著智能控制作為一個(gè)新的學(xué)科分支正式被控制界公認(rèn)。20世紀(jì)70年代，傅京孫教授提出把人工智能的28智能控制不同于經(jīng)典控制理論和現(xiàn)代控制理論的處理方法，它研究的主要目標(biāo)不僅僅是被控對象，同時(shí)也包含控制器本身?？刂破鞑辉偈菃我坏臄?shù)學(xué)模型，而是數(shù)學(xué)解析和知識系統(tǒng)相結(jié)合的廣義模型，是多種知識混合的控制系統(tǒng)。智能控制不同于經(jīng)典控制理論和現(xiàn)代控制理論29容錯(cuò)性多模態(tài)性全局性混合模型和混合計(jì)算學(xué)習(xí)和聯(lián)想記憶能力動(dòng)態(tài)自適應(yīng)性組織協(xié)調(diào)能力3.1智能控制系統(tǒng)的基本功能特點(diǎn)

容錯(cuò)性3.1智能控制系統(tǒng)的基本功能特點(diǎn)30模糊邏輯控制模糊預(yù)測控制神經(jīng)網(wǎng)絡(luò)控制基于知識的分層控制設(shè)計(jì)3.2智能控制主要研究分支

模糊邏輯控制3.2智能控制主要研究分支31傳統(tǒng)的控制問題一般是基于系統(tǒng)的數(shù)學(xué)模型來設(shè)計(jì)控制器，而大多數(shù)工業(yè)被控對象是具有時(shí)變、非線性等特性的復(fù)雜系統(tǒng)，對這樣的系統(tǒng)進(jìn)行控制，不能僅僅建立在平衡點(diǎn)附近的局部線性模型，需要加入一些與工業(yè)狀況有關(guān)的人的控制經(jīng)驗(yàn)。這種經(jīng)驗(yàn)通常是定性的或定量的，模糊推理控制正是這種控制經(jīng)驗(yàn)的表示方法，這種方法的優(yōu)點(diǎn)是不需要被控過程的數(shù)學(xué)模型，因而可省去傳統(tǒng)控制方法的建模過程，但卻過多地依賴控制經(jīng)驗(yàn)。傳統(tǒng)的控制問題一般是基于系統(tǒng)的數(shù)學(xué)模型來32此外，由于沒有被控對象的模型，在投入運(yùn)行之前就很難進(jìn)行穩(wěn)定性、魯棒性等系統(tǒng)分析。近年來，一些研究者們在模糊控制模式中引入模糊模型的概念，出現(xiàn)了模糊模型。模糊模型易于表達(dá)結(jié)構(gòu)性知識，成為模糊控制系統(tǒng)研究的關(guān)鍵問題。最近，模糊控制理論成功地應(yīng)用于飛行器的優(yōu)化跟蹤設(shè)計(jì)和產(chǎn)品加工過程。此外，由于沒有被控對象的模型，在投入運(yùn)行33預(yù)測控制是為適應(yīng)復(fù)雜工業(yè)過程控制而提出的算法，它突破了傳統(tǒng)控制對模型的束縛，具有易于建模、魯棒性好的特點(diǎn)，對于解決大滯后對象控制問題是一條有效的途徑。模糊建模是非線性系統(tǒng)建模的一個(gè)重要工具，也是復(fù)雜工業(yè)過程控制中廣泛使用的方法。把預(yù)測控制和模糊推理相結(jié)合是很有吸引力的研究方向之一。

預(yù)測控制是為適應(yīng)復(fù)雜工業(yè)過程控制而提出的34神經(jīng)網(wǎng)絡(luò)控制是研究和利用人腦的某些結(jié)構(gòu)機(jī)理以及人的知識和經(jīng)驗(yàn)對系統(tǒng)的控制。一般地，神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)的智能性、魯棒性均較好，它能處理高維、非線性、強(qiáng)耦合和不定性的復(fù)雜工業(yè)生產(chǎn)過程的控制問題。顯示了神經(jīng)網(wǎng)絡(luò)在解決高度非線性和嚴(yán)重不確定性系統(tǒng)的控制方面具有很大潛力。雖然神經(jīng)網(wǎng)絡(luò)在利用系統(tǒng)定量數(shù)據(jù)方面有較強(qiáng)的學(xué)習(xí)能力。但它將系統(tǒng)控制問題看成“黑箱”的映射問題，缺乏明確的物理意義，不易把控制經(jīng)驗(yàn)的定性知識融入控制過程中。

神經(jīng)網(wǎng)絡(luò)控制是研究和利用人腦的某些結(jié)構(gòu)機(jī)35近來，在神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制、人工神經(jīng)網(wǎng)絡(luò)閥函數(shù)的數(shù)字設(shè)計(jì)、新的混合神經(jīng)網(wǎng)絡(luò)模型等方面都有一些重要進(jìn)展，如應(yīng)用于機(jī)器人操作過程神經(jīng)控制、核反應(yīng)堆的載重操作過程的神經(jīng)控制。近年來，神經(jīng)網(wǎng)絡(luò)、模糊推理、各種特殊信號的有機(jī)結(jié)合，還導(dǎo)致了一些新的綜合神經(jīng)網(wǎng)絡(luò)的出現(xiàn)。例如，小波神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)和混沌神經(jīng)網(wǎng)絡(luò)的出現(xiàn)，為智能控制領(lǐng)域開辟了新的研究方向。

近來，在神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制、人工神經(jīng)網(wǎng)絡(luò)36對于復(fù)雜控制對象，單一地采用傳統(tǒng)控制不能獲得理想的系統(tǒng)性能，這時(shí)需要智能的控制策略。分層控制恰好體現(xiàn)了這一思想，底層采用傳統(tǒng)的控制方法，高層采用智能策略協(xié)調(diào)底層工作，這就是基于知識的分層控制設(shè)計(jì)。這種控制設(shè)計(jì)理論已經(jīng)應(yīng)用到機(jī)器人、航天飛行器等領(lǐng)域。對于復(fù)雜控制對象，單一地采用傳統(tǒng)控制不能374、控制理論的完善與控制技術(shù)的發(fā)展

自從美國科學(xué)家維納于20世紀(jì)40年代創(chuàng)立控制論以來，控制科學(xué)已經(jīng)經(jīng)歷了經(jīng)典控制理論和現(xiàn)代控制理論兩個(gè)階段，并進(jìn)入智能控制理論這一重要發(fā)展階段，盡管還不夠成熟。在處理復(fù)雜系統(tǒng)控制問題時(shí)，傳統(tǒng)控制方法對于復(fù)雜性、不確定性、突變性所帶來的問題總有些力不從心。為了適應(yīng)不同技術(shù)領(lǐng)域和社會發(fā)展對控制科學(xué)提出的新要求，我們必須發(fā)展新的控制模式。國內(nèi)外控制科學(xué)界都在探索新的控制理論，以解決各類復(fù)雜系統(tǒng)的控制問題。4、控制理論的完善與控制技術(shù)的發(fā)展自從美國科學(xué)家維38近年來，越來越多的學(xué)者已意識到在傳統(tǒng)控制中加入邏輯、推理和啟發(fā)式知識的重要性，把傳統(tǒng)控制理論與模糊邏輯、神經(jīng)網(wǎng)絡(luò)、遺傳算法等人工智能技術(shù)相結(jié)合，充分利用人的控制知識對復(fù)雜系統(tǒng)進(jìn)行智能化控制，逐漸形成了智能控制理論的較完整的體系。近年來，越來越多的學(xué)者已意識到在傳統(tǒng)控制39控制科學(xué)所面臨的挑戰(zhàn)問題：高度自主的復(fù)雜工程系統(tǒng)的設(shè)計(jì)與控制。智能控制與基于人類行為的智能化信息處理學(xué)習(xí)控制系統(tǒng)綜合智能處理方法復(fù)雜系統(tǒng)的理論體系的形成控制科學(xué)所面臨的挑戰(zhàn)問題：40提高系統(tǒng)的智能度主要有兩種途徑：在基于古典精確邏輯的基礎(chǔ)上，通過增加并行度來加快系統(tǒng)的演化速度，從而提高系統(tǒng)的智能。是開發(fā)新的高智能的邏輯形式。提高系統(tǒng)的智能度主要有兩種途徑：41前者，主要是考慮計(jì)算速度，這同樣有兩種途徑，一方面在原有算法基礎(chǔ)上開發(fā)相應(yīng)的并行算法；另一方面是設(shè)計(jì)出高效且具有高并行度的新型算法。后者，主要是從系統(tǒng)本身出發(fā)來提高它的