智能控制技术现状与发展
智能控制研究现状
智能控制研究现状
随着智能控制系统的发展，它在过去的几十年里经历了规模化的发展。
智能控制技术可以应用于各种行业，并且可以给行业带来巨大的发展。
它
可以使机械系统的控制、测量和监测高效、准确、可靠。
现在，智能控制
在工业自动化和家庭自动化等领域中越来越受到重视。
一、智能控制系统研究现状
当前，智能控制研究的热点大多围绕两大领域：自适应控制和优化控制。
其中，自适应控制主要研究具有复杂、非线性和多变的机械系统的稳
定性和可靠性的控制算法。
优化控制则研究如何利用优化方法提高控制系
统的性能。
另外，智能控制还包括一系列其他分支领域，如机器学习，最近受到
广泛关注，可以帮助控制系统更好地预测和优化系统性能。
另一个重要的
分支是计算机视觉，它可以帮助控制系统通过视觉检测来获取环境和机器
的状态，从而提高控制系统的精度和可靠性。
二、智能控制应用前景
人工智能技术在多个领域，如自动驾驶、工业自动化和家庭自动化，
以及机器人等领域的应用，源源不断地促进着智能控制的发展。
随着自动
驾驶成为现实，智能控制在无人驾驶领域的应用将越来越明显。
机械工程中的智能控制技术研究
机械工程中的智能控制技术研究在机械工程领域中，智能控制技术是一项关键的研究方向。
随着科技的进步和人们对自动化的需求增加，智能控制技术在工业生产中的应用越来越广泛。
本文将探讨机械工程中智能控制技术的研究现状和发展前景。
一、智能控制技术的定义与概述智能控制技术是指利用人工智能和机器学习等技术手段，使机械系统能够自主感知和判断外部环境，并根据环境的变化自动调整运行状态和参数，以提高机械系统的性能和效率。
智能控制技术的核心是通过对系统内外环境的感知和学习，实现系统的自主决策和自主学习。
二、智能控制技术在机械工程中的应用1. 自动化生产线控制智能控制技术在工业生产线的控制中扮演着重要角色。
通过对生产线上的机械装置进行感知和学习，智能控制系统可以实现对产品的自动检测和分类，并自动调整生产线的运行状态以提高生产效率和质量。
2. 机器人控制系统在现代制造业中，机器人在生产线上的应用越来越广泛。
智能控制技术可使机器人实现智能化的运动控制和任务决策，使其能够适应复杂环境下的生产要求。
智能机器人不仅能完成简单的物理操作，还能通过学习和推理来适应和改进工作方式。
3. 智能仪器设备控制智能控制技术在仪器设备控制中的应用也十分广泛。
通过在设备中嵌入智能控制系统，可以实现设备状态的实时监测、故障的自动诊断和设备的自动维护等功能，提高设备的可靠性和可用性。
4. 智能监测与故障诊断智能控制技术在机械工程中的另一个重要应用领域是智能监测与故障诊断。
通过对机械系统进行感知和数据采集，结合智能算法进行数据分析和故障诊断，可以提高机械系统的可靠性和故障处理效率。
三、智能控制技术的挑战与发展方向尽管智能控制技术在机械工程领域中有着广泛的应用，但也面临着一些挑战和问题。
首先，智能控制系统需要大量的数据进行训练和学习，但数据的获取和处理仍然是一个难题。
其次，智能算法的设计和优化也需要不断创新和改进。
未来，智能控制技术的发展方向将主要包括以下几个方面：1. 强化学习算法的研究与应用。
智能控制技术的发展现状与应用
智能控制技术的发展及其应用一、国内外研究现状及发展趋势智能控制（intelligent controls），是指在无人干预的情况下能自主地驱动智能机器，以实现控制目标的自动控制技术。
自1932年奈魁斯特（H.Nyquist）的有关反馈放大器稳定性论文发表以来，控制理论的发展已走过了60多年的历程。
一般认为，前30年是经典控制理论的发展和成熟阶段，后30年是现代控制理论的形成和发展阶段。
随着研究的对象和系统越来越复杂，借助于数学模型描述和分析的传统控制理论已难以解决复杂系统的控制问题。
智能控制是针对控制对象及其环境、目标和任务的不确定性和复杂性而产生和发展起来的。
从20世纪60年代起，计算机技术和人工智能技术迅速发展，为了提高控制系统的自学习能力，控制界学者开始将人工智能技术应用于控制系统。
1965年，美籍华裔科学家傅京孙教授首先把人工智能的启发式推理规则用于学习控制系统，1966年，Mendel进一步在空间飞行器的学习控制系统中应用了人工智能技术，并提出了“人工智能控制”的概念。
1967年，Leondes和Mendel 首先正式使用“智能控制”一词。
20世纪70年代初，傅京孙、Glofiso和Saridis等学者从控制论角度总结了人工智能技术与自适应、自组织、自学习控制的关系，提出了智能控制就是人工智能技术与控制理论的交叉的思想，并创立了人机交互式分级递阶智能控制的系统结构。
20世纪70年代中期，以模糊集合论为基础，智能控制在规则控制研究上取得了重要进展。
1974年，Mamdani提出了基于模糊语言描述控制规则的模糊控制器，将模糊集和模糊语言逻辑用于工业过程控制，之后又成功地研制出自组织模糊控制器，使得模糊控制器的智能化水平有了较大提高。
模糊控制的形成和发展，以及与人工智能的相互渗透，对智能控制理论的形成起了十分重要的推动作用。
20世纪80年代，专家系统技术的逐渐成熟及计算机技术的迅速发展，使得智能控制和决策的研究也取得了较大进展。
人工智能控制技术的发展与研究现状
人工智能控制技术的发展与研究现状
一、人工智能控制技术的发展
人工智能控制技术是在人工智能科学的指导下，利用人工智能技术对控制系统进行复杂的控制、优化、分析和仿真的技术。
它是自动控制的一项新兴技术，主要研究内容包括人工智能控制理论、实现技术、控制算法和控制策略等理论和技术。
近年来，随着计算机技术和信息技术的迅速发展，以及现代控制设计理论、技术和方法的逐步应用，人工智能控制技术凭借其稳定、准确、快速的控制特性，已经成为行业应用中广泛运用的一种新型技术。
它已经在军事、航空航天、机器人、电力、通信、自动化等多个领域中都有广泛应用。
人工智能控制技术的主要发展方向包括以下几个方面：
1）基于实时调度的人工智能控制：它首先实现了在模糊环境中的控制参数的实时调度，从而实现了复杂系统的有效控制。
2）声控制技术：它是一项新兴的人工智能控制技术，它利用语音信号对系统进行控制，使系统获得更好的控制效果。
3）强化学习技术：它基于大规模数据的机器学习，能够为控制系统提供准确而有效的控制策略。
4）基于神经网络的控制策略：它利用神经网络技术。
车辆智能控制技术的现状与发展趋势
车辆智能控制技术的现状与发展趋势在当今科技飞速发展的时代，车辆智能控制技术正以前所未有的速度改变着我们的出行方式和交通生态。
从自动驾驶的逐步实现到车辆与外界环境的智能交互，车辆智能控制技术的每一次进步都为我们带来了更多的便利和安全保障。
目前，车辆智能控制技术已经在多个领域取得了显著的成果。
自动驾驶技术无疑是其中最引人注目的一项。
虽然完全自动驾驶尚未广泛普及，但部分自动驾驶功能，如自适应巡航控制、自动泊车等，已经在许多车型中得到应用。
这些功能通过传感器和算法，使车辆能够自动感知周围环境，调整车速和行驶方向，大大减轻了驾驶员的负担。
车辆的智能安全系统也在不断完善。
例如，防撞预警系统可以实时监测前方车辆的距离和速度，当存在碰撞风险时及时向驾驶员发出警报；盲点监测系统则能帮助驾驶员发现车辆侧后方的盲区，减少因视线受阻而导致的事故。
此外，智能紧急制动系统能够在紧急情况下自动刹车，避免或减轻碰撞的严重程度。
智能座舱技术也是车辆智能控制的重要组成部分。
车内的显示屏越来越大，功能越来越丰富，不仅可以提供导航、娱乐等信息，还能与驾驶员和乘客进行智能交互。
语音识别技术的发展使得驾驶员可以通过语音指令来操作车辆的各种功能，提高了驾驶的便利性和安全性。
在能源管理方面，车辆智能控制技术也发挥着重要作用。
电动汽车的电池管理系统能够实时监测电池的状态，优化充电和放电策略，延长电池寿命，提高续航里程。
同时，混合动力汽车的动力分配系统可以根据行驶工况智能地调整发动机和电动机的工作模式，实现最佳的燃油经济性。
然而，车辆智能控制技术在发展过程中也面临着一些挑战。
首先是技术的可靠性和安全性问题。
自动驾驶系统在复杂的交通环境中可能会出现误判或故障，导致严重的事故。
因此，需要进行大量的测试和验证工作，以确保技术的成熟和可靠。
其次，法律法规和伦理道德问题也亟待解决。
例如，在自动驾驶车辆发生事故时，责任如何界定？车辆的决策算法是否符合道德标准？这些问题都需要社会各界共同探讨和制定相关的规范和准则。
智能控制的发展现状
智能控制的发展现状智能控制是指基于计算机和先进技术实现对各种设备和系统的智能化控制，它是人工智能和物联网技术的结合体，为人们的生活和工作带来了便利和效益。
目前，智能控制技术在各个领域已经取得了长足的发展。
在家庭领域，智能控制技术已经得到了广泛应用。
通过智能控制系统，人们可以实现对家居设备的远程控制，例如智能灯光系统可以根据天气和时间自动调节亮度和色调；智能家电可以通过手机APP进行控制，随时随地监测和调整家电的工作状态。
此外，智能家居系统还可以通过学习用户的习惯和喜好，自动调整设备的工作状态，提供更加便捷舒适的居家环境。
在工业领域，智能控制技术也取得了重大突破。
例如，工厂生产线的智能控制系统可以实现自动化生产，提高生产效率和产品质量。
智能仓库管理系统可以自动识别货物并进行分拣和储存，大大提高了物流效率。
此外，人工智能和机器学习技术也被应用于智能控制系统中，使得系统能够根据实时数据进行智能决策和预测，提高设备的运行效率和稳定性。
在交通领域，智能控制技术也被广泛应用。
智能交通系统通过无线通信和智能感知设备，可以实现实时交通信息的收集和分析，为交通管理者提供决策支持。
智能交通控制系统可以根据实时路况自动调整红绿灯的时序和车道的分配，优化交通流量，减少拥堵和车祸。
此外，智能导航系统和智能停车系统也可以帮助司机选择最佳的行驶路线和停车位，提高交通效率和用户体验。
尽管智能控制技术已经取得了很大的进展，但仍然面临一些挑战。
首先，智能控制涉及到大量的数据采集和处理工作，需要解决海量数据的存储和分析问题。
其次，智能控制系统的安全性和可靠性也是需要关注的问题，特别是在涉及到核能、航空航天等领域，系统的失效可能导致严重后果。
此外，智能控制系统的普及也依赖于标准的统一和协议的兼容，需要各个厂商和组织的共同努力。
综上所述，智能控制技术已经在家庭、工业和交通等领域取得了广泛应用，并且在实现自动化、提高效率和优化用户体验等方面发挥了重要作用。
电气工程中智能控制技术的研究与应用现状
电气工程中智能控制技术的研究与应用现状在当今科技飞速发展的时代，电气工程领域取得了显著的进步，智能控制技术的出现和应用更是为其注入了强大的动力。
智能控制技术作为一种先进的控制手段，正逐渐改变着电气工程的发展格局，为提高电气系统的性能、可靠性和智能化水平发挥着重要作用。
智能控制技术是一种融合了控制理论、人工智能、计算机技术等多学科知识的综合性技术。
它能够在复杂、不确定的环境下，自主地进行决策和控制，实现对系统的优化运行。
与传统的控制技术相比，智能控制技术具有更强的适应性、自学习能力和容错能力。
在电气工程中，智能控制技术的应用范围十分广泛。
例如，在电力系统中，智能控制技术可以用于电网的调度与优化、电力设备的故障诊断与预测等方面。
通过对电网运行数据的实时监测和分析，智能控制系统能够根据负荷变化、电源出力等因素，制定出最优的调度方案，提高电网的运行效率和稳定性。
同时，利用智能算法对电力设备的运行状态进行监测和诊断，可以提前发现潜在的故障隐患，及时采取维护措施，避免设备故障造成的停电事故和经济损失。
在电机控制方面，智能控制技术也展现出了显著的优势。
传统的电机控制方法往往难以满足高精度、高动态性能的控制要求，而智能控制技术如模糊控制、神经网络控制等能够有效地解决这些问题。
例如，模糊控制可以根据模糊规则对电机的转速、转矩等进行控制，无需精确的数学模型，具有较强的鲁棒性。
神经网络控制则可以通过对大量数据的学习，自动调整控制参数，实现电机的最优控制。
智能控制技术在电气自动化控制领域的应用更是推动了生产效率的大幅提升。
例如，在工业自动化生产线中，智能控制系统可以实现对生产过程的精确控制和优化，提高产品质量和产量。
同时，智能控制技术还可以与机器人技术相结合，实现自动化生产中的物料搬运、装配等复杂任务，提高生产的灵活性和智能化水平。
此外，在新能源领域，智能控制技术也发挥着重要作用。
随着太阳能、风能等新能源的快速发展，如何高效地将这些能源转化为电能并接入电网成为了一个关键问题。
机械工程中的智能控制技术
机械工程中的智能控制技术在机械工程领域，智能控制技术是近年来备受关注的领域之一。
随着科技的进步和人工智能技术的发展，智能控制技术被广泛应用于各种机械设备和系统中，为生产和制造带来了巨大的变革和提升。
一、智能控制技术的定义和作用智能控制技术是将人工智能算法和机械工程相结合，通过对系统进行监测、分析和决策，实现精确的控制和优化。
它能够使机械设备和系统在不同的工作条件下自动调节和适应，提高其生产效率和运行安全性。
智能控制技术在自动化生产中的应用广泛，如工业机器人、智能制造系统等。
二、智能控制技术的发展现状智能控制技术的发展已经取得了令人瞩目的成果。
以工业机器人为例，过去的机器人只能完成简单、重复的工作，但现在的智能机器人能够通过感知环境、学习和适应，具备更高级的功能。
它们可以自主进行路径规划、障碍物避开及操作调整，适应不同的生产环境和任务要求。
此外，智能控制技术还在交通运输、航空航天和医疗设备等领域得到了广泛应用，不仅提高了设备的自主性和智能化，还提升了安全性和效率。
三、智能控制技术的关键技术要点智能控制技术的实现离不开同行业内的关键技术突破。
其中，人工智能算法是智能控制的核心。
通过机器学习、深度学习和神经网络等算法，机器能够根据外界环境和实时数据来做出决策和调整控制参数。
此外，智能传感器和反馈系统也是智能控制的重要组成部分。
智能传感器可以实时感知环境和设备状态，反馈系统将传感器的数据反馈给控制系统，实现机器的自动调节和判定。
四、智能控制技术带来的挑战和机遇尽管智能控制技术取得了巨大的进展，但仍然面临着一些挑战。
首先，要充分利用大数据和云计算等先进技术，实现实时监测和分析。
其次，要解决智能控制算法的升级和优化问题，以提高机器的自主性和决策能力。
最后，智能控制技术应用于复杂系统时需要考虑多种因素，如系统的鲁棒性和适应性等。
然而，这些挑战也带来了巨大的机遇。
随着智能控制技术的发展，设备的自主性和智能化将进一步提高，为产业升级和转型带来更多创新的可能性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。
智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。
随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。
关键词：智能控制应用自动化浅谈智能控制技术现状及发展在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。
对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。
定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。
因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对任务和现实模型的描述、符号和环境的识别以及知识库和推理机的开发上，即智能控制的关键问题不是设计常规控制器，而是研制智能机器的模型。
此外，智能控制的核心在高层控制，即组织控制。
高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。
为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。
这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。
一、智能控制的性能特点及主要方法1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能：（1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的系统性能应优于变化前的系统性能。
（2）适应功能：系统应具有适应受控对象动力学特性变化、环境变化和运行条件变化的能力。
这种智能行为是不依赖模型的自适应估计，较传统的自适应控制有更广泛的意义。
（3）组织功能：对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性。
除以上功能外，智能控制系统还应具有实时性、容错性、鲁棒性和友好的人机界面。
智能控制和传统控制在应用领域、控制方法、知识获取和加工、系统描述、性能考核及执行等方面存在明显的不同。
基于与传统控制的区别，智能控制系统具有如下特点：（1）拟人智能化的运作模式；（2）优胜劣汰的选择机制；（3）多目标的优化过程；（4）复杂环境的学习功能。
1.2智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等，以及常用优化算法有：遗传算法、蚁群算法、免疫算法等。
（1）模糊控制模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专家经验作为控制规则。
其基本思想是用机器模拟人对系统的控制,就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。
在实现模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺一不可。
（2）专家控制专家控制是将专家系统的理论技术与控制理论技术相结合,仿效专家的经验,实现对系统控制的一种智能控制。
主体由知识库和推理机构组成,通过对知识的获取与组织,按某种策略适时选用恰当的规则进行推理,以实现对控制对象的控制。
专家控制可以灵活地选取控制率,灵活性高;可通过调整控制器的参数,适应对象特性及环境的变化,适应性好;通过专家规则,系统可以在非线性、大偏差的情况下可靠地工作,鲁棒性强。
（3）神经网络控制神经网络模拟人脑神经元的活动,利用神经元之间的联结与权值的分布来表示特定的信息,通过不断修正连接的权值进行自我学习,以逼近理论为依据进行神经网络建模,并以直接自校正控制、间接自校正控制、神经网络预测控制等方式实现智能控制。
（4）遗传算法学习控制智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。
快速、高效、全局化的优化算法是实现智能控制的重要手段。
遗传算法是模拟自然选择和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生存的机制,利用复制、交叉、变异等遗传操作来完成寻优。
遗传算法作为优化搜索算法,一方面希望在宽广的空间内进行搜索,从而提高求得最优解的概率;另一方面又希望向着解的方向尽快缩小搜索范围,从而提高搜索效率。
如何同时提高搜索最优解的概率和效率,是遗传算法的一个主要研究方向。
（5）迭代学习控制迭代学习控制模仿人类学习的方法、即通过多次的训练,从经验中学会某种技能,来达到有效控制的目的。
迭代学习控制能够通过一系列迭代过程实现对二阶非线性动力学系统的跟踪控制。
整个控制结构由线性反馈控制器和前馈学习补偿控制器组成,其中线性反馈控制器保证了非线性系统的稳定运行、前馈补偿控制器保证了系统的跟踪控制精度。
它在执行重复运动的非线性机器人系统的控制中是相当成功的。
二、智能控制的现状2.1工业过程中的智能控制生产过程的智能控制主要包括两个方面:局部级和全局级。
局部级的智能控制是指将智能引入工艺过程中的某一单元进行控制器设计,例如智能PID控制器、专家控制器、神经元网络控制器等。
研究热点是智能PID控制器,因为其在参数的整定和在线自适应调整方面具有明显的优势,且可用于控制一些非线性的复杂对象。
全局级的智能控制主要针对整个生产过程的自动化,包括整个操作工艺的控制、过程的故障诊断、规划过程操作处理异常等。
2.2 机械制造中的智能控制在现代先进制造系统中,需要依赖那些不够完备和不够精确的数据来解决难以或无法预测的情况,人工智能技术为解决这一难题提供了有效的解决方案。
智能控制随之也被广泛地应用于机械制造行业,它利用模糊数学、神经网络的方法对制造过程进行动态环境建模,利用传感器融合技术来进行信息的预处理和综合。
可采用专家系统的“Then-If”逆向推理作为反馈机构,修改控制机构或者选择较好的控制模式和参数。
利用模糊集合和模糊关系的鲁棒性,将模糊信息集成到闭环控制的外环决策选取机构来选择控制动作。
利用神经网络的学习功能和并行处理信息的能力,进行在线的模式识别,处理那些可能是残缺不全的信息。
2.3电力电子学研究领域中的智能控制电力系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是一个复杂的过程,国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中,取得了良好的控制效果。
遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。
应用于电气设备故障诊断的智能控制技术有:模糊逻辑、专家系统和神经网络。
在电力电子学的众多应用领域中,智能控制在电流控制PWM技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一。
以上的三个例子只是智能控制在各行各业应用中的一个缩影，它的作用以及影响力将会关系国民生计。
并且智能控制技术的发展也是日新月异，我们只有时刻关注智能控制技术才能跟上其日益加快的技术更新步伐。
三、智能控制的发展3.1智能控制存在的问题智能控制以其优越的控制性能逐渐步入了工程界并得到广泛飞应用。
然而在智能控制的实现方面，还存在很多问题有待解决。
具体表现在：（1）扩宽实际应用范围，提高实时控制能力问题。
（2）解决知识获取和优化的瓶颈问题，特别是动态系统的知识获取和分类。
（3）对智能控制学习研究的问题。
（4）各种智能方法结合以及同传统控制方法结合研究问题。
（5）数值和符号之间的计算问题。
目前，在数值和符号之间的计算尚未有一个成型的规则。
（6）智能控制的鲁棒性问题缺乏严格的数学推导。
（7）如何研究解耦问题，简化控制算法。
（8）研究新型智能控制硬件和软件问题，智能控制的研究往往缺少较好的软件环境，硬件方面存在的问题更大。
3.2智能控制的发展前景智能控制的研究虽然取得了一些成果，但实质性进展甚微，理论方面尤为突出，应用则主要是解决技术问题，对象具体而单一。
子波变换、遗传算法与模糊神经网络的结合，以及混沌理论等，将成为智能控制的发展方向。
智能控制发展的核心仍然是以神经网络的强大自学习功能与具有较强知识表达能力的模糊逻辑推理构成的模糊逻辑神经网络。
要做到智能自动化，把机器人的智商提高到智人水平，还需要数十年。
微电子、生命科学、自动化技术突飞猛进，为21世纪实现智能控制和智能自动化创造了很好的条件。
对这门新学科今后的发展方向和道路已经取得了一些共识：（1）研究和模仿人类智能是智能控制的最高目标；（2）智能控制必须靠多学科联合才能取得新的突破；（3）智能的提高，不能全靠子系统的堆积，要做到“整体大于组分之和”，只靠非线性效应是不够的。
为了达到目标，不仅需要技术的进步，更需要科学思想和理论的突破。
很多科学家坚持认为，这需要发现新的原理，或者改造已知的物理学基本定理，才能彻底懂得和仿造人类的智能，才能设计出具有高级智能的自动控制系统。
科学界要为保障人类和地球的生存和可持续发展做出必须的贡献，而控制论科学家和工程师应当承担主要的使命。
智能控制理论的研究和应用是现代控制理论在深度和广度上的拓展。
20世纪80年代以来，信息技术、计算技术的快速发展及其他相关学科的发展和相互渗透，也推动了控制科学与工程研究的不断深入，控制系统向智能控制系统的发展已成为一种趋势。
参考文献：[1]蔡自兴，徐光佑.人工智能及应用（第二版）,清华大学出版社, 1996[2]白枚 .智能控制理论综述,华北水利水电学院学报 2002/23（1）：58-62[3]李士勇,模糊控制-神经控制和智能控制论.哈尔滨工业大学出版,1996[4]李少远等.智能控制的新进展（Ⅱ）. 控制与决策,2000，15（2）：136-140[5]张凯，钱锋，刘漫丹.模糊神经网络技术综述.信息与控制,2003，32（5）：431-435[6]刘瑞正,赵海兰.人工神经网络研究五十年.计算机应用研究,1997（1）：11-13。