1.3 智能控制的特点、研究工具及应用

1. 智能控制的特点

（1）学习功能

智能控制器能通过从外界环境所获得的信息进行学习，不断积累知识，使系统的控制性能得到改善。

（2）适应功能

智能控制器具有从输入到输出的映射关系，可实现不依赖于模型的自适应控制，当系统某一部分出现故障时，也能进行控制。

（3）自组织功能

智能控制器对复杂的分布式信息具有自组织和协调的功能，当出现多目标冲突时，它可以在任务要求的范围内自行决策，主动采取行动。

（4）优化能力

智能控制器能够通过不断优化控制参数和寻找控制器的最佳结构形式获得整体最优的控制性能。

2. 智能控制的研究工具

（1）符号推理与数值计算的结合

例如专家控制，它的上层是专家系统，采用人工智能中的符号推理方法；下层是传统意义下的控制系统，采用数值计算方法。

（2）模糊集理论

模糊集理论是模糊控制的基础，其核心是采用模糊规则进行逻辑推理，其逻辑取值可在0与1之间连续变化，其处理的方法是基于数值的而不是基于符号的。

（3）神经网络理论

神经网络通过许多简单的关系来实现复杂的函数，其本质是一个非线性动力学系统，但它不依赖数学模型，是一种介于逻辑推理和数值计算之间的工具和方法。

（4）遗传算法

遗传算法（GA）根据适者生存、优胜劣汰等自然进化规则来进行搜索计算和问题求解。对许多传统数学难以解决或明显失效的复杂问题，特别是优化问题，GA提供了一个行之有效的途径。

（5）离散事件与连续时间系统的结合

它主要用于计算机集成制造系统（CIMS）和智能机器人的智能控制。以CIMS为例，上层任务的分配和调度、零件的加工和传输等可用离散事件系统理论进行分析和设计；下层的控制，如机床及机器人的控制，则采用常规的连续时间系统方法。

3. 智能控制的应用

作为智能控制发展的高级阶段，智能控制主要解决那些用传统控制方法难以解决的复杂系统的控制问题，其中包括智能机器人控制、计算机集成制造系统（CIMS）、工业过程控制、航空航天控制、社会经济管理系统、交通运输系统、环保及能源系统等。下面以智能控制在机器人控制和在过程控制中的应用为例进行说明。

（1）在机器人控制中的应用

智能机器人是目前机器人研究中的热门课题。E.H.Mamdan于20世纪80年代初首次将模糊控制应用于一台实际机器人的操作臂控制。J.S.Albus于1975年提出小脑模型关节控制器（Cerebellar Model Arculation Controller，CMAC），它是仿照小脑如何控制肢体运动的原理而建立的神经网络模型，采用CMAC，可实现机器人的关节控制，这是神经网络在机器人控制中的一个典型应用。

目前工业上用的90%以上的机器人都不具有智能。随着机器人技术的迅速发展，需要各种具有不同程度智能的机器人。

（2）在过程控制中的应用

过程控制是指石油、化工、冶金、轻工、纺织、制药、建材等工业生产过程的自动控制，它是自动化技术的一个极其重要的方面。智能控制在过程控制中有着广泛的应用。在石油化工方面，1994年美国的Gensym公司和Neuralware公司联合将神经网络用于炼油厂的非线性工艺过程。在冶金方面，日本的新日铁公司于1990年将专家控制系统应用于轧钢生产过程。在化工方面，日本的三菱化学合成公司研制出用于乙烯工程的模糊控制系统。

将智能控制应用于过程控制领域，是过程控制发展新的方向。