智能控制 課件 第1、2章 概論、復(fù)雜系統(tǒng)結(jié)構(gòu)與智能控制

《智能控制》2023年5月第一章概論主要內(nèi)容控制科學(xué)發(fā)展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內(nèi)容本書主要內(nèi)容智能控制的溯源與發(fā)展溯源誕生發(fā)展新興控制論的英文名稱cybernetics最早出現(xiàn)在古希臘哲學(xué)家柏拉圖《FirstAlcibiades》中，含義為“自治研究”第一個(gè)人工實(shí)現(xiàn)的有反饋?zhàn)詣?dòng)控制系統(tǒng)是古希臘發(fā)明家Ktesibios發(fā)明的水鐘，通過控制液體在管道內(nèi)流入或者流出的量來計(jì)時(shí)。達(dá)爾文的物種起源指出生物個(gè)體與環(huán)境間的交互反饋決定了物種及其進(jìn)化方向水鐘智能控制的溯源與發(fā)展溯源誕生發(fā)展新興上世紀(jì)20-40年代，不同領(lǐng)域的研究人員（系統(tǒng)理論學(xué)、進(jìn)化生物學(xué)、神經(jīng)科學(xué)、電子電路等）控制論和人工智能的產(chǎn)生奠定了共同基礎(chǔ)：1927年，VannevarBush等開發(fā)了第一臺(tái)能夠求解微分方程的模擬計(jì)算機(jī)。1927年，H.S.Black在貝爾實(shí)驗(yàn)室使用反饋控制的放大器來減小電話失真1931年，KurtG?del提出G?del‘s理論，成為關(guān)于人類認(rèn)知的符號(hào)處理以及人類與機(jī)器智能的辯論的典范參考。1932年，HarryNyquist在放大器設(shè)計(jì)的研究中提出了反饋穩(wěn)定性1936年，AlanTuring確定了抽象的圖靈機(jī)智能控制的溯源與發(fā)展溯源誕生發(fā)展新興AlanTuring計(jì)算機(jī)科學(xué)家WarrenMcCulloch神經(jīng)生理學(xué)家NorbertWiener數(shù)學(xué)家機(jī)器自主邏輯與計(jì)算反饋調(diào)節(jié)與自動(dòng)控制神經(jīng)計(jì)算與神經(jīng)通信智能機(jī)器與控制論（學(xué)習(xí),調(diào)節(jié),自適應(yīng),自組織,感知,記憶）智能控制的溯源與發(fā)展溯源誕生發(fā)展新興1943年的兩篇論文代表了控制科學(xué)早期的醞釀ArturoRosenblueth,NorbertWiener

and

JulianBigelow,“Behavior,PurposeandTeleology”WarrenMcCulloch

and

WalterPitts,“ALogicalCalculusoftheIdeasImmanentinNervousActivity”

（McCulloch本人設(shè)計(jì)了最早的神經(jīng)網(wǎng)絡(luò)）1948年，NorbertWiener發(fā)表了著名論著Cybernetics:OrControlandCommunicationintheAnimalandtheMachine標(biāo)志著控制科學(xué)作為一個(gè)獨(dú)立學(xué)科的誕生控制論本身就是研究“動(dòng)物和機(jī)器”的智能的原理

達(dá)特茅斯（Dartmouth）

會(huì)議提出了“人工智能”控制論的神經(jīng)感知、模型調(diào)節(jié)等研究方向，在人工智能領(lǐng)域取得了很大的進(jìn)展人工智能三大流派（連結(jié)主義、符號(hào)注意、行為主義）中的行為主義深受控制論影響

行為主義的主要思想和發(fā)展Wiener的控制論；McCulloch的自組織系統(tǒng)；錢學(xué)森的工程控制論20世紀(jì)60-70年代，初步產(chǎn)生了智能控制傅京孫的啟發(fā)式學(xué)習(xí)控制，提出“二元論”思想1967年Leondes和Mendel首次使用“智能控制”20世紀(jì)80年代，智能控制誕生1985年，在紐約召開第一屆智能控制學(xué)術(shù)會(huì)議，IEEE成立智能控制專業(yè)委員會(huì)張鐘俊《智能控制與智能控制系統(tǒng)》，蔣新松《人工智能及智能控制系統(tǒng)概述》智能控制的溯源與發(fā)展溯源誕生發(fā)展新興智能控制是控制理論發(fā)展的新階段溯源誕生發(fā)展新興經(jīng)典控制論40-50年代現(xiàn)代控制論50-60年代智能控制論60年代醞釀80年代形成狀態(tài)空間法、極大值原理、動(dòng)態(tài)規(guī)劃、卡爾曼-布什濾波等頻率響應(yīng)法和根軌跡法研究采樣控制系統(tǒng)和簡單的非線性控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)、模糊控制、專家系統(tǒng)、遺傳算法等新一代人工智能背景下的智能控制溯源誕生發(fā)展新興物聯(lián)網(wǎng)生物醫(yī)學(xué)航空航天無人駕駛機(jī)器人控制理論+人工智能控制科學(xué)發(fā)展的新階段——智能控制控制理論在應(yīng)用中面臨的難題模型精確性：實(shí)際系統(tǒng)由于存在復(fù)雜性、非線性、時(shí)變性等，一般無法獲得精確的數(shù)學(xué)模型；假設(shè)嚴(yán)苛性：研究時(shí)提出并遵循一些比較苛刻的假設(shè)，往往與實(shí)際不相吻合；建模困難性：對(duì)于某些復(fù)雜的和具有不確定性的對(duì)象，無法以傳統(tǒng)數(shù)學(xué)模型來表示；系統(tǒng)可靠性：傳統(tǒng)控制系統(tǒng)的復(fù)雜性增加了設(shè)備投資和維修費(fèi)用，降低了系統(tǒng)的可靠性。自動(dòng)控制發(fā)展存在上述挑戰(zhàn)的原因科學(xué)技術(shù)間的相互影響和相互促進(jìn)：例如，計(jì)算機(jī)、人工智能和超大規(guī)模集成電路等技術(shù)；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；基本概念和時(shí)代進(jìn)程的推動(dòng)：例如，離散事件驅(qū)動(dòng)、信息高速公路、和人工神經(jīng)網(wǎng)絡(luò)的連接機(jī)制等控制科學(xué)發(fā)展的新階段——智能控制面對(duì)挑戰(zhàn)，自動(dòng)控制工作者的任務(wù)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)；采用在開始時(shí)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；采用離散事件驅(qū)動(dòng)的動(dòng)態(tài)系統(tǒng)和本質(zhì)上完全斷續(xù)的系統(tǒng)。從這些任務(wù)可以看出建模過程，將不把模型視為固定不變的，而是不斷演化的實(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(hào)數(shù)據(jù)；對(duì)于非完全己知的系統(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，這就是要建立智能化控制系統(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。控制科學(xué)發(fā)展的新階段——智能控制開發(fā)應(yīng)用計(jì)算機(jī)科學(xué)與工程的最新成果“計(jì)算機(jī)科學(xué)面臨工業(yè)控制應(yīng)用的挑戰(zhàn)”的研究計(jì)劃指出：開發(fā)大型的實(shí)時(shí)控制與信號(hào)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)人工智能為自動(dòng)控制系統(tǒng)智能化提供了有力支撐簡化處理松散結(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(jì)和再生軟件等)

；基于角色(Actor)或智能體(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；等等?？刂瓶茖W(xué)發(fā)展的新階段——智能控制推進(jìn)控制硬件、軟件和智能的結(jié)合，實(shí)現(xiàn)控制系統(tǒng)的智能化；實(shí)現(xiàn)自動(dòng)控制科學(xué)與計(jì)算機(jī)科學(xué)、信息科學(xué)、系統(tǒng)科學(xué)以及人工智能的結(jié)合，為自動(dòng)控制提供新思想，新方法和新技術(shù)，創(chuàng)立邊緣交叉新學(xué)科，推動(dòng)智能控制的發(fā)展。自動(dòng)控制既面臨嚴(yán)峻挑戰(zhàn)，又存在良好發(fā)展機(jī)遇硬件軟件智能控制系統(tǒng)的智能化自動(dòng)控制科學(xué)信息科學(xué)計(jì)算機(jī)科學(xué)系統(tǒng)科學(xué)人工智能為自動(dòng)控制提供新思想，新方法和新技術(shù)，創(chuàng)立邊緣交叉新學(xué)科，推動(dòng)智能控制的發(fā)展主要內(nèi)容控制科學(xué)發(fā)展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內(nèi)容本書主要內(nèi)容智能控制的研究內(nèi)容—模糊邏輯控制期望值＋－模糊值精確值模糊化模糊控制系統(tǒng)結(jié)構(gòu)

模糊推理清晰化規(guī)則庫D/AA/D傳感器受控對(duì)象輸出值y模糊控制器eeuu精確值模糊值將人類專家對(duì)特定對(duì)象的控制經(jīng)驗(yàn)，運(yùn)用模糊集理論進(jìn)行量化，轉(zhuǎn)化為可數(shù)學(xué)實(shí)現(xiàn)的控制器，從而實(shí)現(xiàn)對(duì)被控對(duì)象的控制。模糊控制的概念智能控制的研究內(nèi)容—模糊邏輯控制模糊模型就是用if-then

形式的規(guī)則表示控制系統(tǒng)的輸入/輸出關(guān)系，有Mamdani模型和Sugeno模型兩種。模糊模型的概念模糊模型

智能控制的研究內(nèi)容—模糊邏輯控制Mamdani模型模糊模型的概念

系統(tǒng)總的推理輸出為：

智能控制的研究內(nèi)容—模糊邏輯控制模糊模型的概念T-S模糊模型

也可以表示為狀態(tài)方程的形式：

智能控制的研究內(nèi)容—模糊邏輯控制模糊模型的概念T-S模糊模型這種控制系統(tǒng)的結(jié)構(gòu)如圖所示。T-S模糊模型可以看成是系統(tǒng)在不同工況時(shí)的局部模型，基于T-S模型，可以充分利用現(xiàn)代控制理論知識(shí)對(duì)各個(gè)局部模型分別設(shè)計(jì)控制器。Sugeno模糊控制器的設(shè)計(jì)智能控制的研究內(nèi)容—神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)控制的優(yōu)越性并行分布式處理非線性映射通過訓(xùn)練進(jìn)行學(xué)習(xí)很強(qiáng)的信息綜合能力神經(jīng)網(wǎng)絡(luò)控制的分類和典型模型便于硬件實(shí)現(xiàn)……

人工神經(jīng)網(wǎng)絡(luò)（ANN）前向網(wǎng)絡(luò)反饋網(wǎng)絡(luò)自組織網(wǎng)絡(luò)CMACMLPHopfieldBoltzman

MachineRNN

KohonenART智能控制的研究內(nèi)容—神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)用于控制的方式

智能控制的研究內(nèi)容—神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)控制與傳統(tǒng)控制決策變量：

傳統(tǒng)的控制中，單輸出控制系統(tǒng)中控制策略就是指單一的控制量；

智能控制中，控制策略還可以指一串動(dòng)作或者一個(gè)決策。輸入信息：

傳統(tǒng)的控制中，控制器通過輸出量和給定量的誤差來進(jìn)行控制策略的計(jì)算的；

智能控制中，控制器通過獲取系統(tǒng)的狀態(tài)來進(jìn)行控制策略的計(jì)算。

控制策略：

傳統(tǒng)的控制是根據(jù)系統(tǒng)的機(jī)理來設(shè)計(jì)控制器的；

智能控制中，深度神經(jīng)網(wǎng)絡(luò)的控制策略是系統(tǒng)經(jīng)過多次訓(xùn)練而得出的。智能控制的研究內(nèi)容—遺傳算法遺傳算法（GA）是模擬自然進(jìn)化過程而得到的一種隨機(jī)性全局優(yōu)化方法。全局性快速性并行性魯棒性遺傳算法在自動(dòng)控制學(xué)科中的的應(yīng)用離散時(shí)間最優(yōu)控制問題；Riccati方程的求解問題；控制系統(tǒng)的魯棒穩(wěn)定問題，等。遺傳算法已滲透到許多學(xué)科，如工程結(jié)構(gòu)優(yōu)化、計(jì)算數(shù)學(xué)、制造系統(tǒng)、航空航天、交通、計(jì)算機(jī)科學(xué)、通信、電子學(xué)、電力、材料科學(xué)等。主要內(nèi)容控制科學(xué)發(fā)展的新階段—智能控制1.11.21.3智能控制的基本概念與研究內(nèi)容本書主要內(nèi)容本書的主要內(nèi)容本書的主要內(nèi)容簡述智能控制產(chǎn)生的背景、起源與發(fā)展，討論智能控制的定義、特點(diǎn)和智能控制器的一般結(jié)構(gòu)，介紹智能控制的分層遞階結(jié)構(gòu)，闡述專家系統(tǒng)和學(xué)習(xí)控制與智能控制之間的關(guān)系。

介紹現(xiàn)有智能控制的主要形式，包括模糊推理、神經(jīng)網(wǎng)絡(luò)和遺傳算法，著重從控制系統(tǒng)的建模、控制與優(yōu)化的學(xué)科內(nèi)容要求出發(fā)，系統(tǒng)地介紹這些理論和方法對(duì)控制系統(tǒng)的意義。結(jié)合近年來在復(fù)雜控制系統(tǒng)的數(shù)據(jù)挖掘和信息處理，介紹智能控制方法的應(yīng)用，主要包括控制系統(tǒng)軟測量、數(shù)據(jù)挖掘、數(shù)據(jù)校正與數(shù)據(jù)融合等。本書的主要內(nèi)容本書的主線智能控制的結(jié)構(gòu)框架是模糊推理和神經(jīng)網(wǎng)絡(luò)。智能控制的核心算法是現(xiàn)代優(yōu)化算法。智能控制的目的是實(shí)現(xiàn)控制系統(tǒng)的學(xué)習(xí)和自適應(yīng)功能。《智能控制》2023年5月第二章復(fù)雜系統(tǒng)結(jié)構(gòu)與智能控制主要內(nèi)容復(fù)雜系統(tǒng)的分層遞階智能控制2.12.22.3專家系統(tǒng)學(xué)習(xí)控制分層遞階智能控制的一般結(jié)構(gòu)原理G.N.Saridis等：提出了一種分層遞階智能控制理論，將數(shù)學(xué)建模和綜合方法以及語言學(xué)方法結(jié)合在一起，形成了一種適合于工程需要的智能控制方法該理論可認(rèn)為是三個(gè)主要學(xué)科領(lǐng)域的交叉：人工智能、運(yùn)籌學(xué)和控制理論溯源基本結(jié)構(gòu)各層功能分層遞階智能控制的一般結(jié)構(gòu)原理分層遞階智能控制系統(tǒng)的結(jié)構(gòu)：由組織級(jí)、協(xié)調(diào)級(jí)和執(zhí)行級(jí)三個(gè)層次組成三個(gè)層次按照自上而下精確程度漸增、智能程度逐減的原則進(jìn)行功能分配右圖2是一個(gè)典型的復(fù)雜系統(tǒng)智能控制的分層遞階結(jié)構(gòu)溯源基本結(jié)構(gòu)各層功能圖2.機(jī)器人分層遞階智能控制系統(tǒng)圖1.典型的分層遞階結(jié)構(gòu)分層遞階智能控制的一般結(jié)構(gòu)原理

溯源基本結(jié)構(gòu)各層功能

組織級(jí)組織級(jí)的主要任務(wù)任務(wù)規(guī)劃：對(duì)于給定的外部命令和任務(wù)，尋找能夠完成該任務(wù)的子系統(tǒng)控制任務(wù)的組合；任務(wù)傳達(dá)：將子任務(wù)要求送到協(xié)調(diào)級(jí)，通過協(xié)調(diào)處理，最后將具體的執(zhí)行動(dòng)作要求送至執(zhí)行級(jí)去完成所要求的任務(wù)；評(píng)價(jià)與反饋：對(duì)任務(wù)執(zhí)行的結(jié)果進(jìn)行性能評(píng)價(jià)，并將評(píng)價(jià)結(jié)果逐級(jí)向上反饋；學(xué)習(xí)：同時(shí)對(duì)以前存儲(chǔ)的知識(shí)信息加以修改，從而起到學(xué)習(xí)的作用。組織級(jí)的作用主要是進(jìn)行任務(wù)規(guī)劃，是典型的人工智能中的問題求解組織級(jí)

協(xié)調(diào)級(jí)協(xié)調(diào)級(jí)的結(jié)構(gòu)

協(xié)調(diào)級(jí)的拓?fù)浣Y(jié)構(gòu)協(xié)調(diào)級(jí)分配器的任務(wù)和功能分配器的任務(wù)：處理對(duì)協(xié)調(diào)器的控制和通信?？刂坪屯ㄓ崳簩⒔o定的基本事件的順序變換成具有必需信息的、面向協(xié)調(diào)器的控制動(dòng)作，并在適當(dāng)?shù)臅r(shí)刻把它們分配給相應(yīng)的協(xié)調(diào)器。在完成任務(wù)后，分配器也負(fù)責(zé)組成反饋信息，送回給組織級(jí)。分配器需要有以下功能：通訊能力數(shù)據(jù)處理能力任務(wù)處理能力學(xué)習(xí)功能協(xié)調(diào)級(jí)協(xié)調(diào)器的任務(wù)和功能協(xié)調(diào)器的任務(wù)：將給定的和面向協(xié)調(diào)器的控制動(dòng)作順序變換成具有必需數(shù)據(jù)和面向硬件的實(shí)時(shí)操作動(dòng)作，并將這些動(dòng)作發(fā)送給裝置。在執(zhí)行任務(wù)之后，協(xié)調(diào)器應(yīng)該將結(jié)果報(bào)告給分配器。協(xié)調(diào)器的功能：其能力與分配器完全一樣，但它處在較低和更特定的級(jí)別上。協(xié)調(diào)級(jí)分配器和協(xié)調(diào)器的結(jié)構(gòu)分配器和協(xié)調(diào)器有相同的組織結(jié)構(gòu)：由數(shù)據(jù)處理器、任務(wù)處理器和學(xué)習(xí)處理器組成。數(shù)據(jù)處理器：提供被執(zhí)行任務(wù)有關(guān)信息和目前系統(tǒng)的狀態(tài)。任務(wù)處理器：為下級(jí)單元建立控制命令，任務(wù)處理器采用遞階決策，包含三個(gè)步驟：任務(wù)調(diào)度、任務(wù)轉(zhuǎn)換和任務(wù)建立。學(xué)習(xí)處理器：是改善任務(wù)處理器的特性，以減少在決策和信息處理中的不確定性。執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的描述動(dòng)態(tài)系統(tǒng)的最優(yōu)控制已有系統(tǒng)的數(shù)學(xué)描述。在遞階智能控制中，最優(yōu)控制描述方法轉(zhuǎn)化為用熵進(jìn)行描述。這二種描述的方法實(shí)質(zhì)上是一致的。給定一個(gè)動(dòng)態(tài)系統(tǒng)

和性能指標(biāo)

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的描述

并滿足Hamilton-Jacobi方程

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的描述

對(duì)這個(gè)概率密度，可以賦予以下熵函數(shù)

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的求解結(jié)合公式(6),(7),(8)，得到熵的無約束表達(dá)式為：

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的求解因此最壞情況，即不確定性最大的概率密度為

注意到于是

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的求解

因此

執(zhí)行級(jí)的最優(yōu)控制優(yōu)化控制問題的求解

當(dāng)系統(tǒng)存在過程噪聲和測量噪聲時(shí)，用熵來描述最優(yōu)反饋控制，在信息理論與最優(yōu)控制問題之間建立等價(jià)的測度關(guān)系。主要內(nèi)容復(fù)雜系統(tǒng)的分層遞階智能控制2.12.22.3專家系統(tǒng)學(xué)習(xí)控制專家系統(tǒng)的基本組成與特點(diǎn)專家系統(tǒng)的組成知識(shí)庫和推理機(jī)：專家系統(tǒng)中兩個(gè)主要的組成要素。知識(shí)庫：存儲(chǔ)著判斷性知識(shí)和敘述性知識(shí)。完整的知識(shí)庫還應(yīng)該包括具有管理功能的軟件系統(tǒng)。通過專家系統(tǒng)與領(lǐng)域?qū)＜业娜?機(jī)接口，建立和實(shí)時(shí)更新知識(shí)庫、對(duì)知識(shí)條目進(jìn)行測試和精練專家系統(tǒng)是一種人工智能的計(jì)算機(jī)程序系統(tǒng)，這些程序軟件具有相當(dāng)于某個(gè)專門領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)水平，以及解決專門問題的能力。專家系統(tǒng)的基本組成專家系統(tǒng)的基本組成與特點(diǎn)專家系統(tǒng)的組成推理機(jī)：運(yùn)用知識(shí)庫中提供的兩類知識(shí)，基于某種通用的問題求解模型，進(jìn)行自動(dòng)推理、求解問題的計(jì)算機(jī)軟件系統(tǒng)。包含兩類程序：

解釋程序：用于決定如何使用判斷性知識(shí)來推導(dǎo)新的知識(shí)；

調(diào)度程序：用于決定判斷性知識(shí)的使用次序。通過專家系統(tǒng)與系統(tǒng)用戶之間的人-機(jī)接口，系統(tǒng)可以輸入并“理解”用戶有關(guān)領(lǐng)域問題的咨詢提問，再向用戶輸出問題求解的結(jié)論，并對(duì)推理過程做出解釋。專家系統(tǒng)的基本組成與特點(diǎn)專家系統(tǒng)的特點(diǎn)功能上：專家系統(tǒng)是一種知識(shí)信息處理系統(tǒng)，而不是數(shù)值信息計(jì)算系統(tǒng)。采用知識(shí)推理的各種方法求解問題，進(jìn)行決策，而不是在固定程序控制下通過執(zhí)行指令完成求解任務(wù)。結(jié)構(gòu)上：專家系統(tǒng)的知識(shí)庫和推理機(jī)是獨(dú)立構(gòu)造、分離組織，但又相互作用的。維持專家系統(tǒng)的知識(shí)是明確的，可存取的，而且是可積累的。常規(guī)的軟件程序包含的領(lǐng)域知識(shí)往往是隱含的，與求解問題的方法混雜在一起。專家系統(tǒng)的基本組成與特點(diǎn)專家系統(tǒng)的特點(diǎn)性能上：專家系統(tǒng)具有啟發(fā)性，透明性，和靈活性。啟發(fā)性：運(yùn)用專家的經(jīng)驗(yàn)知識(shí)對(duì)不確定或不精確的問題進(jìn)行啟發(fā)式推理。透明性：向用戶顯示為得出某一結(jié)論而形成的推理鏈。靈活性：通過知識(shí)庫的擴(kuò)充和更新，提高求解專門問題的水平或適應(yīng)環(huán)境對(duì)象的某些變化，通過與系統(tǒng)用戶的交互使自身的性能得到評(píng)價(jià)和監(jiān)控。專家智能控制系統(tǒng)的基本原理專家控制的目標(biāo)功能目標(biāo)：模擬、延伸、擴(kuò)展“控制專家”的思想、策略和方法。包括成熟的理論方法，直覺經(jīng)驗(yàn)和手動(dòng)控制技能。專家控制并不是對(duì)傳統(tǒng)控制理論和技術(shù)的排斥、替代，而是對(duì)它的包容和發(fā)展。專家控制是指將專家系統(tǒng)的設(shè)計(jì)規(guī)范和運(yùn)行機(jī)制與傳統(tǒng)控制理論和技術(shù)相結(jié)合而形成的實(shí)時(shí)控制系統(tǒng)設(shè)計(jì)、實(shí)現(xiàn)的方法。專家智能控制系統(tǒng)的基本原理傳統(tǒng)控制技術(shù)中存在的啟發(fā)式控制邏輯控制算法的參數(shù)整定和優(yōu)化。例如PID控制算法參數(shù)整定常用的Ziegler-Nichols規(guī)則。不同算法的選擇決策和協(xié)調(diào)。例如參數(shù)自適應(yīng)控制中可以使用不同的控制算法：最小方差控制、極點(diǎn)配置控制等。未建模動(dòng)態(tài)的處理。例如PID控制中，若并未考慮系統(tǒng)元件的非線性，誤差過大，則取消積分項(xiàng)。

系統(tǒng)在線運(yùn)行的輔助操作。例如，當(dāng)系統(tǒng)出現(xiàn)異常狀態(tài)或控制幅值超限時(shí)，必須在某種邏輯控制下進(jìn)行報(bào)警和現(xiàn)場處理。專家智能控制所實(shí)現(xiàn)的控制作用是控制規(guī)律的解析算法與各種啟發(fā)式控制邏輯的有機(jī)結(jié)合。仿人智能控制廣義上講，各種智能控制方法研究的共同點(diǎn)都是使工程控制系統(tǒng)具有某種“仿人”的智能，即研究人腦的微觀或宏觀的結(jié)構(gòu)功能，并把它移植到工程控制系統(tǒng)上。

a)一種簡單的特征模型a)偏差響應(yīng)曲線仿人智能控制

仿人智能控制

仿人智能控制仿人智能控制器的設(shè)計(jì)步驟

仿人智能控制器設(shè)計(jì)特征辨識(shí)特征記憶決策模態(tài)根據(jù)系統(tǒng)的輸入/輸出數(shù)據(jù)進(jìn)行特征識(shí)別，從而確定系統(tǒng)當(dāng)前處于什么樣的特征狀態(tài)特征信息或者集中地表示了控制器前期決策與控制的效果，或者集中地反映了控制任務(wù)的要求以及被控對(duì)象的性質(zhì)。仿人智能控制器的輸入信息和特征記憶量與輸出信息之間的某種定量或定性的映射關(guān)系仿人智能控制器在實(shí)現(xiàn)上為分層遞階的結(jié)構(gòu)，并遵循層次隨“智能增加而精度降低”的IPDI原則仿人智能控制仿人智能控制的方法原理分層的信息處理和決策機(jī)構(gòu)；在線的特征辨識(shí)和特征記憶；開/閉環(huán)控制，正/負(fù)反饋控制和定性/定量控制相結(jié)合的多模態(tài)控制；啟發(fā)式直覺推理邏輯的運(yùn)用。主要內(nèi)容復(fù)雜系統(tǒng)的分層遞階智能控制2.12.3學(xué)習(xí)控制2.2專家系統(tǒng)概述學(xué)習(xí)控制的概述的主要任務(wù)學(xué)習(xí)控制是智能控制的一個(gè)重要分支。學(xué)習(xí)控制是傳統(tǒng)控制技術(shù)發(fā)展的高級(jí)形態(tài)。隨著智能控制的興起和發(fā)展，學(xué)習(xí)控制已被看作是脫離開傳統(tǒng)范疇的新技術(shù)、新方法，可形成一類獨(dú)立的智能控制系統(tǒng)。學(xué)習(xí)控制把過去的經(jīng)驗(yàn)與過去的控制局勢相聯(lián)系，能針對(duì)一定的控制局勢來調(diào)用適當(dāng)?shù)慕?jīng)驗(yàn)。學(xué)習(xí)控制強(qiáng)調(diào)記憶，而且記憶的是控制作用表示為運(yùn)行狀態(tài)的函數(shù)