1.2 智能控制的几个重要分支

1. 模糊控制

以往的各种传统控制方法均是建立在被控对象精确数学模型的基础上，然而，随着系统复杂程度的提高，将难以建立系统的精确数学模型。

在工程实践中，人们发现，一个复杂的控制系统可由一个操作人员凭着丰富的实践经验得到满意的控制效果。这说明，如果通过模拟人脑的思维方法设计控制器，可实现复杂系统的控制，由此产生了模糊控制。

1965年美国加州大学自动控制系L.A.Zedeh提出模糊集合理论，奠定了模糊控制的基础；1974年伦敦大学的Mamdani博士利用模糊逻辑，开发了世界上第一台模糊控制的蒸汽机，从而开创了模糊控制的历史；1983年日本富士电机开创了模糊控制在日本的第一项应用——水净化处理，之后，富士电机致力于模糊逻辑元件的开发与研究，并于1987年在仙台地铁线上采用了模糊控制技术，1989年将模糊控制消费品推向高潮，使日本成为模糊控制技术的主导国家。模糊控制的发展可分为3个阶段：

①1965—1974年，为模糊控制发展的第一阶段，即模糊数学发展和形成阶段；

②1974—1979年，为模糊控制发展的第二阶段，产生了简单的模糊控制器；

③1979年至现在，为模糊控制发展的第三阶段，即高性能模糊控制阶段。

2. 神经网络控制

神经网络的研究已经有几十年的历史了。1943年McCulloch和Pitts提出了神经元数学模型；1950—1980年为神经网络的形成期，有少量成果，如1975年Albus提出了人脑记忆模型CMAC网络，1976年Grossberg提出了用于无导师指导下模式分类的自组织网络；1980年以后为神经网络的发展期，1982年Hopfield提出了Hopfield网络，解决了回归网络的学习问题，1986年美国的PDP研究小组提出了BP网络，实现了有导师指导下的网络学习，为神经网络的应用开辟了广阔的发展前景。

将神经网络引入控制领域就形成了神经网络控制。神经网络控制是从机理上对人脑生理系统进行简单结构模拟的一种新兴智能控制方法。神经网络具有并行机制、模式识别、记忆和自学习能力的特点，它能充分逼近任意复杂的非线性系统，能够学习与适应不确定系统的动态特性，有很强的鲁棒性和容错性。神经网络控制在控制领域有着广泛的应用。

3. 遗传算法

遗传算法（Genetic Algorithm，GA）是人工智能的一个重要分支，是基于自然选择和基因遗传学原理的搜索算法，是基于达尔文进化论，在计算机上模拟生命进化论机制而发展起来的一门学科。遗传算法由美国的J.H.Holland教授在1975年提出，20世纪80年代中期开始逐步成熟。从1985年起，国际上开始举行遗传算法国际会议。目前遗传算法已经被广泛应用于许多实际问题，成为用来解决高度复杂问题的新思路和新方法。

遗传算法可用于模糊控制规则的优化及神经网络参数及权值的学习，在智能控制领域有广泛的应用。