仿人与专家智能控制 (1)

第二章 仿人与专家智能控制

2.1 仿人智能控制的基本思想和概念

1.仿人智能控制（Simulating Human Intelligent Control，SHIC）的基本思想

“仿人, 仿智”, 强调对人脑的宏观结构模拟与对人控制器模拟的结合。

仿人智能控制器应具有的基本结构和功能:

(1)分层的信息处理和决策的高阶产生式系统结构;

(2)在线的特征辨识与特征记忆;

(3)开、闭环控制，正、负反馈，定性决策与定量控制相结合的

多模态控制；

(4)启发式和直觉推理逻辑的应用。

2.仿人智能控制基本特点：

（1） 研究的主要目标不是控制对象，而是控制器自身如何对控制专家结构和行为的模仿；

（2） 辨识和建模的目标不是对象的定量数学模型，而是系统的动态特征模型和控制器定性与定量描述相结合的知识模型； （3）基于特征辨识与特征记忆的多模态控制可实现系统动态特性变化与控制器输出的多值影射关系，因而能使系统实现多种性能指标的优化。

（4）启发式与直觉推理，分层递阶的信息处理和多CPU并行的计算机硬、软件系统为仿人智能控制提供了具有在线自整定、自学

习和自适应能力的快速实时运行条件。

2．2 仿人智能控制的基本概念

1. 特征变量（Characteristic Variable ）

用来描述控制系统的动态特征和行为的变量称为特征变量。

（1）e e Δ?

0<Δ?e e ,表明系统动态过程正向误差减小的方向变化，

0>Δ?e e ，表明系统动态过程正向误差增大的方向变化。

（2）1?Δ?Δn n e e

相邻两次误差变化之积：

01<Δ?Δ?n n e e 表示出现极值（误差反方向）

； 01>Δ?Δ?n n e e 表示无极值。

2．特征模型 （Characteristic Model ）

仿人智能控制的特征模型定义为系统动态特性的一种定性和定量相结合的描述，它是根据控制问题求解和控制指标的不同要求，对系统动态信息空间∑的一种划分。

Σ∈=i n φφφφφ},

,...,,{21

例如： ]/0[211δδαφ>>>≥Δ?=e e e e

e e ∩∩ ∩ 特征状态由一些特征基元组合而成：

},......,,{21m q q q =φ

q 1: 0≥?e

e 或 0≤ 或 ； q 3:

1δ

q 5: 2δ

； q 6: 2M e > q 7: 01>??i

i m m e e ； q 8: 1/1>?i i m m e e

特征模型φ与特征基元集 Q 的关系： φ = P ⊙Q

P ij 可取 -1， 0，1。

例如：

)](,),()[(22211m im i i i q P q P q P ???????=∩∩φ

]0,,0,1,1[],,,[21????=???im i i P P P

[1=φ∩ 0≥?e e ]/α≤e e

3．特征辩识 (Characteristic Identification)

依据特征模型中对采样信息在线处理，模式识别并确定系统当前所处特征状态的过程。 只记忆必要的特征信息。

4．特征记忆 (Characteristic Memory)

记忆一些反映前期控制效果的特征量和反映控制任务要求及被

控对象性质的特征量。

如 系统偏差的第i 次极值，

控制先期输出，偏差的第i 次过零速度，相邻偏差极值间时间。

5．控制模态（Control Mode ）

控制模态集合Ψ定义为控制器的输入信息E ，特征记忆信息∧（合记为R ）

与输出信息U 之间某种定量或定性映射关系F 的集合，即

},...,,{21r ψψψ=Ψ

其中,...),,,(:λe

e f u i i i =Ψ 为定量映射；或→i i f :ψIF （条件）THEN （操作），为定性映射。

仿人智能控制中这种根据不同输入和特征记忆信息不断变化策略的控制方

式，称为多模态控制。

通过特征辨识确定系统当前所处的运动状态并立即采用相应控制模态的过

程可看成是对人的启发式和直觉逻辑的模仿。

控制模态集也应是SHIC 的先验知识，其中每一个控制模态一般都可有一些

模态基元构成。

常用的模态基元有：

1234156max :();:();:();:();:();:();...

n

p d i mi i H m K e m K e

m K edy m K e m u m U bang bang =±?∑∫ 比例微分积分峰值时间保持控制

集合1ψ与模态基元i m 之间的关系为1111:M L U =ψ

式中1U 为输出向量，1M 为模态基元向量；1L 为关系矩阵，其中只有1，0，-1

三种元素。由此构成的控制模态可有：

e K e K u u d p H ++=:11ψ（保持+比例为分）；

121:i n

m i u k e ψ==∑（开环观察保持）；

max 13:U u ±=ψ（bang-bang 控制）；

a u u n ±=:14ψ（非线性不灵敏区预补偿）；

6．启发与直觉推理（Heuristic and Intuition ）

启发与直觉推理规则集Ω是对人（专家）决策过程的模拟，根据特征辨识

结果确定决策与控制策略，可用产生式规则IF…THEN…的形式描述。

仿人智能控制对控制问题的求解实际上是具有二次映射关系的信息处理过

程。即

},,...,,{,:11211111r ωωωψ=Ω→ΦΩ

,111:i i i THEN IF ψ?ω （定性映射），

},,...,{,:1121111111

r F U R ψψψψψ=→

1111:(,,,...),(),i i u f e e

ψλ= 定量映射 或→i f 1IF （条件）THEN （操作），（定性映射）

可将式（5.8）简化定义为两个三元序列关系，设智能控制过程1IC ，则 >ΩΨΦ=<1111,,IC >=<Ψ1111,,F U R

2.3 稳定性监控

一个控制系统正常工作的首要条件是系统必须稳定。系统出现不稳定的根

本原因，从经典和现代控制理论来看，实质是系统内部都存在着正反馈，即有

闭环极点在复平面的右边，从李雅普诺夫稳定判据来看，是知识系统能量能否

在平衡点达到极最小。在传统理论中稳定性的研究依赖于对象的数学模型。对

仿人智能控制系统而言，一则对象模型未知，二则它本身存在一个带有记忆的

非线性控制器，因此传统的稳定性概念和判据直接运用是不行的。那么在智能

控制系统中应当怎样来解决稳定性的问题呢？仿人智能控制理论认为，系统的

输出响应是系统输入和系统内特性的综合反映，不稳定趋势的出现总是以一定

特征反映到系统的响应之中。例如图5.6中误差峰值比1

3m m m e e =τ、误差过零速度比01020e

e =τ、误差报警阀值e θ等，这些特征的全体可构成判定系统稳定性与否的特征模型。判定系统不稳定的特征模型和仿人智能控制应采取的相应处理措施，

作为先验知识记入智能控制器之中，同样构成一个求解稳定性问题的产生式系

统中，仿人智能控制在预定的监控范围内形成了一个超稳定系统。这样的方式

也称为稳定性监控。

图2.1 系统不稳定性的特征表现

2.4 多模态控制

2.4.1多模态控制原理

在控制系统中采用单一的控制模式通常难以兼顾系统的动态指标和静态指

标。而采用多模态控制方式，则可根据系统所处的不同特征状态和对控制过程

不同时间的不同要求，采用不同的控制策略和相应的控制方式，这样就可以同

时兼顾控制系统对各种性能指标的要求。

多模态控制（MC ）是在控制过程中根据系统的不同特征状态，控制器采用

不同的控制策略和控制模式的一种控制方法。控制系统的特征状态是指表征控

制系统特征及其变化和所处状态的特征量的集合（以i C 表示）。系统所有特征状

态构成一个特征状态集合C ，有：

),...,2,1),,...,,(C ]

,...,,[2121m i C C C C C C C ih i i i m ===其中

对应一定特征状态的控制器输出量的计算方法和/或表达形式称为控制模式

Ai ，所有控制模式构成了多模态控制器的控制模式集，用A 表示。

h j m i C f U A A A A ij i m ,...,1;,...,1),(A ]

,...,,[21=====其中

多模态控制器MC 的特征状态集C 和控制模式集A 可用产生式规则表示为：

IF C THEN A

设多模态控制器的输入集为：

],...,,[21n εεεε=

其对应的控制集为：

],...,,[21n u u u U =

若f 为ε到U 的一个满射。

否则将可能由于推理机构搜索不到目标而无法给出相应的控制模式，造成系统失控。

2.4.2 智能多模态PID 控制

下面就一种智能多模态PID 控制算法进行进一步的探讨，这种控制算法的控

制效果明显优于常规的PID 控制。

由于增量式控制算法可以方便的实现手自动切换，同时又不会发生积分饱和

现象，因此控制现场一般采用增量式PID 控制算法，其输出增量可表示为：

)2()(211???+?++?=Δn n n d n i n n p e e e K e K e e K U 式中，i s p i T T K K =；

s

d p d T T K K =； s T 为采样周期。

在常规 PID 控制中，控制参数p K 、i K 和d K 在控制的过程中都是恒定不变

的，这给PID 控制的应用带来了一定的局限性。假如在不同的偏差范围内，采用不同的控制参数，即在小偏差时采用弱的控制参数，大偏差时取强的控制参数，那么系统不仅可以快速的控回到给定值，而且不会因为积分太强而产生过大的超调。

① IF e > DL 2 THEN ＭC1

② IF 1e DL e

DE << ∩ THEN ＭC2 ③ IF 120DL e DL e e E e D ?

?≤<≥≥∩ ∩ THEN ＭC3 ④ IF 20∩e e e DL ?

?<< THEN ＭC4

⑤ IF 120 ∩∩e e DL e DL e DE ?

?<≤<≤ THEN ＭC5

按偏差||e 和偏差的变化率||.e 将控制参数分为如图4-2所示的几个作用区域（模态）。下面分别介绍几个模态下控制参数的选取。

1MC ：在这个区域里，系统偏差极大，控制输出为执行机构最大允许值，即用最快的速度开或关阀而使偏差迅速减少；

2MC ：大多数情况下，系统运行在这个区域，所以这是整个算法的核心，其它法则都是为了保证被控系统长时间地稳定在该区域内。在这个区域内，系统偏差小、偏差变化速度低，采用常规的ID P 1控制。

3MC ：在这种情况下，被控量与给定值的偏差越来越大，即0≥??e e ，此时，即使偏差较小，而偏差变化速度较大，所以采用较强的I P 2控制，不必象简单按偏差大小去控制那样，需待造成大偏差后方进行强控制。

4MC ：被控量以较快速度向着给定值的方向运动，而且偏差相对较小，此时需要减小被控量的趋向速度，以防止产生超调。因为在被控量趋向给定值运动时，P 项与I 项的作用相反，即前者起“减速”作用，后者起“加速”作用，所以在 2.2多模态分区图

这种情况下，将I 项分离，而取2P 项减小被控量的趋向速度；

5MC ：在这个区域内，被控量向着给定值的方向运动，但速度较小，而且偏差较大，这种情况在有差投入时经常遇到，这时要求加速，所以分离比例项，只取积分项来实现加速；

6MC ：在这个区域里，被控量以较合理的速度向2MC 区域靠近，所以可以继续保持这一速度，即取0=ΔU 。

在控制投运中，首先取DE 充分大，且当DL1=DL2=全量程时，多模态PID

控制即退化为简单的PID 控制，调整出一组具有较好稳态特性的PID 参数后，取12)0.3~5.1(P P =。DL1的物理意义为系统正常工作时的稳态范围，DL2为偏差危险限，DE 的含义是在DL1范围下的ID P 1参数可控的速率大小。

在上述的多模态控制中，首先考虑系统阶跃过程的偏差绝对值，若偏差过大，

则施加强控制作用（bang-bang 控制）将e 迅速调整至小偏差范围（规则1MC ），此时控制器输出为执行机构的工作极限值。

进入小偏差范围后，观察偏差及偏差变化率，若||e 和||e Δ均很小，则不应

加强控制作用，可保持原来的控制器输出，以达到稳定控制的效果（规则2MC ）。

当过渡过程趋向设定值变化时，如果偏差较大而其变化太平缓，则应将其调

整成快速过渡到稳态，即增大控制器的输出（规则5MC ）；

若偏差较小而变化趋势陡峭，则应进行制动控制，将其调整成平缓过渡到稳

态，因为e 和e Δ符号相反，所以微分项的引入起到“制动”作用（规则4MC ）

； 当偏差及其变化率数值在上述两种情况之间，则控制器保持最近一次输出值

（规则6MC ）。当过渡过程背离设定值变化时，当偏差和偏差率较小时，可基于增量式PID 控制算法输出（规则2MC ）；当偏差和偏差率较大时，应加大控制

量以尽快纠正偏差，此时采用较强的比例控制（规则3MC ）

；当偏差超过其偏差危险限的时候，采用bang-bang 控制，使执行机构为工作极限值（规则1MC ）。

举例：被控对象为)

12)(18(5)(1.0++=?s s e s G s

时，其中实验参数为：3.21=Kp ，2.3=Ki ，2.14=Kd 。

由图可以看出，通过对控制器的输出变化幅度与动作的频繁来看，当阶跃的起始时，偏差很大，无论是多模态控制还是经典PID 控制，控制器的输出为执行机构的工作极限值，在维持一段时间后使偏差进入较小的区域，智能多模态PID 控制根据其偏差和偏差速率调整控制器的控制参数，使输出能很好的跟踪系统偏差和偏差率的变化速度和方向，从而采用不同的控制参数，进行加强或减速。从图中可以看出，经典PID 控制参数单一、过渡过程时间长、超调量大、调节阀动作频繁、投运时难以调整等缺点，而多模态智能PID 中可以根据偏差和偏差变化率的大小、变化方向自动选择PID 的控制参数，对PID 三项参数进行有效、合理的拆分和组合，抓住主要矛盾，减少内耗，使其控制性能达到最优[56]。

2.5 仿人智能积分控制算法

在自动控制系统中引进积分控制作用是减小系统稳态误差的重要图途径。

常规PID 控制中，积分作用对误差的积分过程如图5.16(3)所示。这种积分作用在一定程度上“记忆”了误差的存在及其变化的全部信息。但是，这种积分控制作用存在以下缺点：

1. 积分控制作用针对性不强,有时甚至不符合控制系统的客观需求;

2. 由于这种积分作用只要误差存在就一直进行积分, 在实际应用中导致“积分饱和”，使系统的快速性下降；

3.这种积分控制的积分参数不易选择，选择不当时会导致系统出现振荡。

引起上述积分控制作用不佳的原因在于：这种积分控制作用缺乏智能，过

于呆板机械。在图 5.16(3)的积分曲线的区间(a,b)和(b,c)中，有经验的操作人员的正确控制策略是使控制量在常值上加一个负量控制，以压低超调，尽快减小误差。但是由于在(a,0)区间的积分结果（为正）很难被抵消而改变符号，因此该区间积分控制体现出的作用是增加一个正量控制，这与人的操作相反，其结果导致系统超调不能迅速降低，从而延长了系统的过渡时间。

在上述积分曲线的（c ，d ）段，积分作用增加一个正量的控制有利于减小

回调。但在（d ，e ）区间积分累加作用继续增强，其结果势必造成系统再次出

现超调，这是的积分作用对于系统的有效控制是帮了倒忙。

为了克服上述积分控制作用的缺点，应该在（a ，b ）、（c ，d ）、（e ，f ）等区

间上按需要进行分段积分，故采用如图 5.16(4)中的积分曲线。这种积分能够微积分控制作用及时地给出正确的附加控制量，能有效抑制系统误差增加，而在（0，a ）、（b ，c ）、（d ，e ）等区间上，停止积分作用，以利于系统借助于惯性向稳态过渡。此时系统还受比例等其他控制作用的制约，因此系统并不处于失控状态。

y r e ?=

n n n n n n y y y r y r e e e ?=???=?=Δ???111)(

（a ）

（b ）

（c

（d t

i 1i 2e (t)

y

这种积分作用模拟了人的记忆特性及专家的智能控制策略，它有选择的记忆有用的信息，而遗忘无用的信息，它具有非线性积分的特性，称这种积分为仿人智能积分。

仿人智能积分控制算法

智能积分的逻辑判断条件为：当系统动态过程向误差增大方向变化，而本

次采样时刻的误差n e 及误差变化n e Δ具有相同符号：0>Δ?n n e e 时，对误差进行积分；相反, 误差n e 和误差变化n e Δ异号，即0<Δ?n n e e 时，不对误差进行积分。在考虑到误差及误差变化的极值点，即边界条件，可以用产生式规则将智能积分控制算法表示如下：

1. ][]000[对误差积分THEN e e e e IF ≠=Δ≥Δ?∩∪

2. ][]00[不对误差积分THEN e e e IF =<Δ?∪

智能积分器的数学模型为

?????????=≤?≠≥?=∫+)0)(,0)()((0)0)(,0)()(()(1)(10t e t e

t e t e t e t e dt t e T t u i i i i t t i i i i m m

式中)(t e i 为积分器的输入信号；)(0t u i 为积分器的输出信号；i T 为积分器时

间常数；m t 为0)(=m i t e 的时间；1+m t 为0)(=m t e

的时间，m=0，1，2…

2.6专家智能控制

人工智能专家系统技术与传统的自动控制理论和方法的结合，形成了专家控制的基本思想, 将专家系统技术引入控制领域，首先要把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现知识推理的机制和机构。控制专家系统不同于一般离线的专家系统，它在运行中，不仅要完成独立决策，而且要求实时的反馈信息并能实现在线控制。

2.6.1 专家控制系统

专家控制系统基于控制专家的专业知识和实践经验的总结与应用。专家控制系统的设计，不是单纯依靠数学模型，而是将知识模型与数学模型相结合、知识信息处理技术与控制技术相结合。因此专家控制系统是人工智能与控制理论方法和技术相互交叉的产物。基于专家控制原理所设计的控制器，称为专家控制器（Expert Controller）。

控制专家系统和专家控制器是专家控制系统的两种主要形式。

在工业控制领域采用专家系统技术，可以大大提高控制系统的智能化水平。工业控制专家系统以成为现实工业过程智能控制的重要形式之一。作为控制理论与专家系统技术相结合的产物，工业控制专家系统也具有二重性。一方面它具有一般专家系统的基本特点，即系统性、透明性、启发性。另一方面，它有具有许多由工业控制系统本身特点决定的特殊性质。

专家控制系统可定义为：具有模拟或延伸、扩展专家的职能，采用专家系统技术与控制理论相结合的方法设计的控制系统。一种典型的专家控制系统的组织结果如图5.1所示。

受控对象

或者过程

图2.4

这种系统结构具有两个明显的特点：

（1）定量知识与定性知识分离结构。数值算法直接与受控对象或过程相连，以便得到快速的控制响应。知识基系统处于较高的智能层次，实现以智能启发式逻辑推理为主的控制功能。

（2）知识基系统、数值算法和人-机通讯三个子过程并发运行。其中，用户通过人-机接口可以直接与知识基系统，进而间接与数值算法相互，以便操作人员对于控制系统进行离线的修改或在线的监督、干预。

1．控制专家系统的特点

由于工业生产过程本身的特殊性，对控制专家系统提出了一些有别于一般专家系统的特殊要求。这主要表现在控制的实时性，运行的可靠和控制策略的灵活性。工业控制专家系统应具有如下特点：

（1） 高可靠性及长期运行的连续性；

（2） 在线控制的实时性；

（3） 优良的控制性能及抗干扰性；

（4） 实用灵活性及维护的方便性。

2．工业控制专家系统的基本结构

图5.2描述了工业控制专家系统的基本结构。

图2.5

2.6.2 工业控制专家系统的基本结构

被控过程的动态信息经过检测和信号处理，送到系统的模式识别部分，推

理机构根据一定的策略，运用知识库的知识和模式识别所获得关于过程动态特性的知识进行判断、推理，确定合适的控制规则，输出相应的控制量，使被控参数达到规定的性能指标。

支持整个系统运行的基础是知识库，它向推理机提供专门知识，完成问题解决任务。同时它可以根据用户的要求修改或补充控制规则集中的规则。知识获取子系统将控制专家知识转换、加工为计算机能过接受的表达形式。操作人员可以通过人-机接口与系统对话：一方面，可以向系统送入用户的指标要求和操作指令；另一方面可以监视系统的工作过程，以便及时处理系统出现的异常情况。此外，控制人员还可以通过人-机接口修改或增删知识库或规则集中的产生式规则，使系统不断进行优化和完善。

一般说来，产生式控制专家系统有以下几个部分组成：

（1） 数据库主要存储事实、政局、假设和目标等。在过程控制系统中，事是包括传感器测量误差、操作阀值、报警阀值、操作时序结束、对象成分配置等静态数据；证据包括传感器及仪表的动态测试数据等，假设包括用来丰富现在事实的集合等；目标包括静态目标和动态目标，静态目标是一个大的性能目标阵列；动态目标包括在线建立的来自外界的命令或程序本身的目标。

（2） 规则库含有产生式规则，其典型描述为：

IF <条件> THEN <结果>

其中“条件”表示来源于数据库的事实、证据、假设和目标；“结果”表示控制器的作用或一个估计算法。

规则也可以看作是运行状态的函数，这些产生式规则可以包括操作者的经验，可应用的控制算法和特性及系统监控和诊断等规则。

控制专家系统中的规则库相当于一般专家系统中的知识库。

（3） 推理机按照不同的策略从当前数据库的内容中，确定一条规则。（4） 人-机接口产生式控制专家系统的人-机接口包括两个部分，一部分包含更新知识库的规则编辑和修改；另一部分是运行时的用户接口，它包含一些解释工具，用以帮助用户询问等，用户接口也可以跟踪规则的执行。

（5） 规划环节在控制过程出现在线错误时，规划环节给出指令改变产生式目标等，产生一些无干扰动作的调整作用，以保证控制系统能够跟随所需要的

操作条件去在线改变控制过程。

2.6.3 专家控制器

工业生产过程中的被控对象各种各样，其复杂程度也不相同，如果都建造控制专家系统进行控制，显然是不必要的。另一方面，工业控制专家系统功能的完备性，结构的复杂性与工业过程控制的实时性之间存在着矛盾。因此对于一些被控对象，考虑到对其控制性能指标、可靠性、实时性及性能/价格比的要求，可以将控制专家系统简化。例如，若对系统的透明性要求不高或不要求，则人-机自然语言对话模块便可大大简化甚至不设。若考虑系统的专用性，则知识库和规则集的规模可以大大减小，推理机构也可构造的相当简单。这样就可将控制专家系统简化为专家控制器。

在控制工程应用中，由于控制专家系统结构法杂，研制代价高，因而目前应用较少；专家控制器结构简单，研制代价明显低于前者，而性能又可以满足工业过程控制的要求，因此获得了日益广泛的发展和应用。

专家控制器的结构

专家控制器（EC）一般由知识库（KB）、控制规则集（CRS）、推理机构（IE）及特征识别与信息处理（FR&IP）四个部分组成。

1．知识库

建立知识库的关键是如何表达已获取的知识。EC的知识库通常用产生式规则建立，每条规则都可独立的增删、修改，使KB的内容便于更新。

知识库一般由事实集和经验数据库，经验公式等构成。事实集主要包括被控对象的结构，类型及特征等有关知识，还可含有控制规则自适应及参数自调整等内容。经验数据库中的经验数据包括被控对象的参数变化范围；控制参数的调整范围及其限幅值；传感器的动态、静态特性；执行机构的特征参数及阀值；控制系统的性能指标，系统误差；零位误差以及由专家或实验给出的经验公式等。

2．控制规则集

控制规则既是对被控过程的各种控制模式和经验的归纳总结。专家根据被控对象的特点及其操作、控制的经验，可以采用产生式规则、模糊关系及解析

形势等多种形式来描述被控对象的特征、处理各种定性、模糊的和定量精确的信息，从而根据专家技术连操作者在某领域控制过程中的专门知识和经验总结出若干调行之有效的控制规则，及控制规则集。

3．推理机

推理机的基本功能在于按某种策略选用推理规则。

由于专家控制器的知识库及控制规则集的规模较小，因此其推理机的搜索空间也很小，这样就导致推理机构变得简单，一般采用前向推理或后向推理策略方法逐次判别各种规则的条件，满足则执行，否则继续逐条匹配，直至搜索到目标。

4．特征识别与信息处理

FR&IP部分的作用是实现对信息的提取与加工，它主要包括抽取动态过程的特征信息，识别系统的特征状态，并对特征信息作必要的加工。例如通过对于闭环控制系统的输入和反馈信息的处理获得系统误差及其变化量等有用信息。

由上述各部分组成的专家控制器的一种结构图3.3。

图2.6 专家控制器的一种结构

2.6.4 专家控制器的特点

由于专家控制器在描述模型上采用多种形式，就必然导致其实现方法的多样性。虽然构造专家控制器的具体方法个不相同，但归纳起来，其实现方法可

分为两类：一类是保留控制专家系统的结构特征，但其知识库的规模小，推理机构简单；另一类是以某种控制算法（例如PID及其变形）为基础，引入专家系统技术，组织多模态控制和稳定性监控，以提高原控制器的性能和决策水平。此类专家控制器结构简单，实时性好，具有广阔的应用前景。

从上述专家控制器的设计原则的讨论中可以看出，与传统的工业控制气象比较，专家控制器有以下特点：

（1） 灵活性专家控制器能够根据系统的工作状态及系统偏差的实际情况，自动灵活地选取相应的控制律；

（2） 适应性专家控制器能够根据专家的知识和经验，调整校正加权系数或经验参数，以适应对象特性或环境条件的变化；

（3） 鲁棒性专家控制器由于它具有的灵活性和适应性，因而有良好的鲁棒性，它可以在非线性，大偏差情形下可靠地工作。