智能控制
智能控制原理与应用
智能控制原理与应用智能控制是指利用计算机、人工智能、模糊逻辑、神经网络等技术，对被控对象进行智能化控制的一种方法。
它是现代控制理论的重要组成部分，也是自动控制领域的前沿技术之一。
智能控制的发展，为工业生产、科研实验、生活服务等领域带来了巨大的便利和效益。
智能控制的原理主要包括感知、推理、决策和执行四个基本环节。
感知是指系统对外部环境进行感知和获取信息；推理是指系统根据感知到的信息进行分析和推理，形成对环境的认识和理解；决策是指系统根据推理的结果，制定相应的控制策略和方案；执行是指系统根据决策结果，对被控对象进行相应的控制操作。
这四个环节相互作用，构成了智能控制的基本原理。
智能控制的应用非常广泛，涉及工业控制、航空航天、机器人、智能交通、智能家居等多个领域。
在工业控制方面，智能控制可以实现对生产过程的自动化和智能化管理，提高生产效率和产品质量；在航空航天领域，智能控制可以实现飞行器的自主导航和飞行控制，提高飞行安全性和准确性；在机器人领域，智能控制可以实现对机器人的智能化操作和控制，扩大机器人的应用范围和功能；在智能交通领域，智能控制可以实现对交通信号灯、智能交通系统的智能化控制，提高交通运输效率和安全性；在智能家居领域，智能控制可以实现对家居设备的自动化控制和智能化管理，提高家居生活的舒适性和便利性。
随着信息技术和人工智能技术的不断发展，智能控制将会在更多的领域得到应用和推广。
未来，智能控制将成为自动化控制领域的主流技术，为人类社会的发展和进步提供更多的可能性和机遇。
总的来说，智能控制原理和应用是一个十分重要的话题，它涉及到自动化控制领域的前沿技术和发展趋势，对于提高生产效率、改善生活质量、推动科学技术进步具有重要的意义。
希望通过本文的介绍，读者能对智能控制有一个更加全面和深入的了解，为相关领域的研究和应用提供一定的参考和借鉴。
智能控制的概念
智能控制的概念引言智能控制是指通过人工智能技术和自动化技术来实现对各类系统、设备或过程的智能化控制和管理。
它将人工智能、机器学习、自然语言处理等先进技术应用于控制领域，使得控制系统能够更加智能化、自动化，提高系统的效率、精确度和鲁棒性。
智能控制的原理智能控制的核心在于使用人工智能技术来模拟人类的智能行为，以此来对系统进行感知、学习和决策。
智能控制系统通常由以下几个模块组成：感知模块感知模块用于获取系统的状态信息，包括各类传感器、摄像头等设备。
通过感知模块，智能控制系统能够实时地获取系统的实际状态，为后续的决策和控制提供数据支持。
学习模块学习模块是智能控制的关键部分，它使用机器学习算法和数据分析技术来对感知模块获取的数据进行建模和分析。
通过学习模块，智能控制系统能够从历史数据中获取知识，预测未来的状态和趋势，并做出相应的决策。
决策模块决策模块基于学习模块提供的信息，对系统的控制策略进行决策。
决策模块可以使用逻辑推理、优化算法等方法，根据系统的状态和目标，制定出最优的控制策略。
执行模块执行模块将决策模块产生的控制策略转化为实际的控制信号，对系统进行控制。
执行模块可能涉及到激活执行器、调整参数等操作，以实现对系统的准确控制。
智能控制的应用领域智能控制技术在各个领域都有广泛的应用，包括工业控制、交通系统、农业、医疗、金融等等。
工业控制在工业控制领域，智能控制可以实现对生产线的智能优化和调度，提高生产效率和质量。
智能控制还可以用于故障检测和预测维护，及时发现问题并采取措施，减少生产线的停机时间和维修成本。
交通系统在交通系统中，智能控制可以用于交通信号灯的优化调度，减少交通堵塞和排队时间。
智能控制还可以用于车辆路线规划和自动驾驶，提高交通系统的安全性和效率。
农业在农业领域，智能控制可以用于自动化灌溉和施肥，根据土壤湿度和植物需求进行智能调控，提高农作物的产量和质量。
智能控制还可以用于无人农场的管理和监控，减少人力成本和资源浪费。
智能控制技术
遗传算法在优化问题中应用
遗传算法原理
遗传算法是一种模拟生物进化过程的智能优化算法，通过选择、交叉、变异等操作，寻找问题的最优解或近似最 优解。
应用案例
遗传算法在函数优化、生产调度、路径规划等领域有广泛应用，如路径规划问题中，通过遗传算法寻找最短路径 或最优路径，提高运输效率。
04
智能控制器设计与实现
THANKS
感谢观看
强化学习在自适应控制中应用
1 2
探索与利用
强化学习通过试错的方式探索最优控制策略，同 时利用已有经验进行优化，实现自适应控制。
延迟奖励处理
强化学习算法能够处理具有延迟奖励的控制问题 ，通过长期规划实现目标的最优控制。
3
稳定性与收敛性
强化学习算法在自适应控制中能够保证系统的稳 定性和收敛性，为实际应用提供可靠保障。
智能控制系统的基本结构
01
介绍智能控制系统的基本组成，包括传感器、执行器、控制器
以及被控对象等。
智能控制系统的设计原则
02
阐述设计智能控制系统时应遵循的原则，如可靠性、实时性、
可扩展性等。
智能控制系统的实现方法
03
探讨实现智能控制系统的具体方法，包括硬件选型、软件编程
、系统调试等，并介绍一些典型的智能控制系统案例。
02
智能控制基础理论
自动控制原理简介
01
自动控制的基本概念
介绍自动控制的定义、目的以及实现方式等。
02
系统建模与分析
阐述如何对控制系统进行建模，包括传递函数、状态空间等，并分析系
统的稳定性、频率响应等特性。
03
控制策略与设计
介绍经典控制理论和现代控制理论中的常用控制策略，如PID控制、最
智能控制技术简介
智能控制技术简介智能控制技术是指利用计算机、传感器、执行器等技术手段，对设备、系统或过程进行自动化控制和管理的一种技术。
通过智能控制技术，可以实现对设备运转状态、参数进行实时监测与调整，提高生产效率、降低生产成本，实现自动化生产和智能化管理。
本文将介绍智能控制技术的基本原理、应用领域以及解决方案。
一、智能控制技术的基本原理智能控制技术的基本原理是通过传感器采集设备或系统的状态信息，传递给微处理器或微控制器进行信号处理和决策，并通过执行器输出控制信号，实现对设备或系统的控制。
具体包括以下几个方面：1. 传感器技术：传感器是智能控制技术的重要组成部分，用于实时感知设备或系统的状态信息，并将其转化为电信号输出。
常见的传感器有温度传感器、压力传感器、湿度传感器等。
2. 微处理器或微控制器技术：微处理器或微控制器是指具有一定计算能力和控制功能的集成电路，用于接收传感器的信号，进行数据处理和控制决策。
根据控制算法的不同，可以实现不同的控制策略。
3. 执行器技术：执行器是将控制信号转化为设备或系统实际动作的装置，常见的执行器有电动机、液压马达、电磁阀等。
通过执行器的动作，可以实现对设备或系统的操作与控制。
二、智能控制技术的应用领域智能控制技术广泛应用于各个行业和领域，如工业自动化、智能家居、交通运输、能源管理等。
以下将介绍几个典型的应用领域：1. 工业自动化：智能控制技术在工业生产中有着广泛的应用。
通过对生产线、机器设备等进行智能控制，可以提高生产效率、降低生产成本，实现生产过程的自动化和智能化。
2. 智能家居：智能控制技术在家居领域的应用越来越广泛。
通过智能传感器和智能控制系统，可以实现对家居设备的智能化控制，如智能照明系统、智能空调系统、智能安防系统等。
3. 交通运输：智能控制技术在交通运输领域的应用可以提高交通运输系统的安全性和效率。
例如，智能交通信号灯、智能公交调度系统等，可以实现交通流量控制和优化。
智能控制理论及应用 PPT
智能控制理论及应用 PPT智能控制是控制理论发展的高级阶段，它综合了人工智能、自动控制、运筹学等多学科的知识，旨在解决那些传统控制方法难以处理的复杂系统控制问题。
本 PPT 将带您深入了解智能控制理论及其广泛的应用领域。
一、智能控制的概念智能控制是指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。
与传统控制相比，智能控制具有以下显著特点：1、不确定性：能够处理系统中的不确定性，如模型不确定性、参数变化和外部干扰等。
2、复杂性：适用于复杂的、非线性的和时变的系统。
3、自适应性：可以根据系统的运行情况和环境变化自动调整控制策略。
4、学习能力：能够从数据和经验中学习，不断优化控制性能。
二、智能控制的主要理论1、模糊控制模糊控制是基于模糊集合理论和模糊逻辑推理的一种智能控制方法。
它通过将精确的输入量模糊化，利用模糊规则进行推理，最后将模糊输出解模糊化为精确的控制量。
模糊控制适用于那些难以建立精确数学模型的系统，例如温度控制、速度控制等。
2、神经网络控制神经网络控制是利用人工神经网络的学习和自适应能力来实现控制的方法。
神经网络可以通过对大量数据的学习，提取系统的特征和规律，从而实现对系统的有效控制。
在机器人控制、模式识别等领域有着广泛的应用。
3、专家控制专家控制是将专家系统的知识和经验与控制理论相结合的一种智能控制方法。
专家系统包含了大量的领域知识和控制策略，能够根据系统的状态和需求提供准确的控制决策。
4、遗传算法遗传算法是一种基于生物进化原理的优化算法，通过模拟自然选择和遗传变异的过程来寻找最优的控制参数或策略。
它在控制器的参数优化、系统的建模和优化等方面发挥着重要作用。
三、智能控制的应用领域1、工业生产在工业生产过程中，智能控制可以提高生产效率、产品质量和设备的可靠性。
例如，在化工生产中，通过智能控制可以实现对反应过程的精确控制，优化生产工艺；在机器人制造中，利用神经网络控制可以实现机器人的精确动作和轨迹规划。
智能控制的主要控制方法
智能控制的主要控制方法一、模糊控制。
1.1 模糊控制的基本概念。
模糊控制啊，就像是一种“差不多”的控制方法。
它不追求精确到小数点后多少位的数值，而是用一些模糊的概念，像“大”“小”“快”“慢”之类的。
比如说，要控制房间的温度，它不会精确到25.5度，而是大概分为“冷”“合适”“热”这么几个模糊的状态。
这就很符合咱们日常生活中的思维方式，咱们人在判断很多事情的时候，也不是用特别精确的数字，而是靠这种模糊的感觉。
就像咱们常说的“差不多得了”，模糊控制就是这么个意思。
1.2 模糊控制的应用。
在实际生活中，模糊控制的应用可不少呢。
像洗衣机的控制，它不知道衣服到底有多脏，但是可以根据衣物的重量、材质等大概的因素，来确定洗涤的时间和强度。
这就好比一个有经验的主妇，虽然不能精确测量污垢的含量，但是凭借经验就能把衣服洗得差不多干净。
还有汽车的自动变速器，它根据车速、油门踏板的位置等模糊的信息，来决定换挡的时机，不需要精确计算每一个瞬间的动力需求。
二、神经网络控制。
2.1 神经网络控制的原理。
神经网络控制就像是模拟人的大脑神经工作方式。
它有很多的神经元节点，这些节点之间相互连接，就像大脑里的神经细胞一样。
每个节点都能接收和处理信息，然后把处理后的结果传递给其他节点。
这就好比一个庞大的信息传递网络，大家互相协作。
这有点像咱们常说的“众人拾柴火焰高”，众多的神经元一起工作，来实现对系统的控制。
2.2 神经网络控制的实例。
比如说在图像识别方面，神经网络控制就大显身手了。
它可以识别出照片里是猫还是狗，或者是其他的物体。
就像人的眼睛和大脑的结合一样，神经网络通过对图像的大量特征进行分析，就像咱们看东西的时候会注意到动物的耳朵、眼睛、尾巴等特征，它也是这么去判断的。
再比如在股票市场预测中，虽然不能做到百分百准确，但是它可以根据历史数据等众多因素，像公司的业绩、市场的趋势等，来对股票价格的走势做出一个大致的预测。
三、遗传算法控制。
智能控制理论及应用
智能控制理论及应用在当今科技飞速发展的时代，智能控制理论作为一门新兴的交叉学科，正逐渐改变着我们的生活和生产方式。
它融合了控制理论、计算机科学、人工智能等多个领域的知识，为解决复杂系统的控制问题提供了新的思路和方法。
智能控制理论的核心在于模拟人类的智能行为，使控制系统能够在不确定、复杂的环境中自主地进行决策和控制。
与传统控制理论相比，智能控制具有更强的适应性和自学习能力。
传统控制理论通常基于精确的数学模型，然而在实际应用中，很多系统难以建立精确的数学模型，或者模型会随着环境和工作条件的变化而发生改变。
智能控制则能够在模型不精确或不确定的情况下，通过学习和优化来实现有效的控制。
模糊控制是智能控制的一个重要分支。
它利用模糊集合和模糊逻辑来描述和处理系统中的不确定性和模糊性。
例如，在温度控制中，“高温”“低温”“适中”等概念往往没有明确的界限，模糊控制可以很好地处理这种模糊性，根据经验和规则来调整控制策略。
模糊控制的优点在于它不需要精确的数学模型，只需要根据专家经验或操作人员的知识来制定模糊规则，就能够实现对系统的有效控制。
神经网络控制也是智能控制中的热门领域。
神经网络类似于人类大脑的神经元网络，具有强大的学习和泛化能力。
通过对大量数据的学习，神经网络可以自动提取特征和规律，并用于控制系统的优化和决策。
在机器人控制、图像处理等领域，神经网络控制都取得了显著的成果。
智能控制在众多领域都有着广泛的应用。
在工业生产中，智能控制可以提高生产效率和产品质量。
例如，在自动化生产线中，智能控制系统可以根据实时的生产数据和环境变化，自动调整生产参数，实现生产过程的优化。
在机器人领域，智能控制使机器人能够更加灵活地适应不同的任务和环境，完成复杂的操作，如无人驾驶汽车、工业机器人的精密操作等。
在智能家居方面，智能控制让我们的生活更加便捷和舒适。
通过传感器和智能算法，智能家居系统可以自动调节室内温度、照明、安防等，实现家居设备的智能化管理。
智能控制ppt课件
从经典控制理论到现代控制理论 ，再到智能控制理论，经历了数 十年的发展。
智能控制与传统控制的区别
01
02
03
控制目标
传统控制追求精确的数学 模型，而智能控制更注重 实际控制效果。
控制方法
传统控制主要采用基于模 型的控制方法，而智能控 制则采用基于知识、学习 和经验的方法。
适应性
传统控制对环境和模型变 化适应性较差，而智能控 制具有较强的自适应能力 。
仿真调试、实验调试
调试方法
优化策略
性能评估
05
CATALOGUE
智能控制在工业领域的应用
工业自动化概述
工业自动化的定义和 发展历程
工业自动化对现代工 业的影响和意义
工业自动化的主要技 术和应用领域
中的应用
02
智能传感器和执行器在工业自动化中的应用
模糊控制器设计
包括模糊化、模糊推理、去模糊化等步骤，实现输入 输出的非线性映射。
神经网络控制技术
神经元模型
模拟生物神经元结构和功 能，构建基本计算单元。
神经网络结构
通过神经元之间的连接和 层次结构，构建复杂的神 经网络系统。
学习算法
基于样本数据训练神经网 络，调整连接权重和阈值 ，实现特定功能的控制。
。
智能控制在智能家居中的应用
智能照明控制
通过智能控制器和传感器，实 现灯光的自动调节和远程控制 ，提高照明舒适度和节能效果
。
智能窗帘控制
通过智能控制器和电机，实现 窗帘的自动开关和远程控制， 提高居住便捷性和私密性。
智能空调控制
通过智能控制器和温度传感器 ，实现空调的自动调节和远程 控制，提高居住舒适度和节能 效果。
- 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)。
智能控制系统及其发展前景摘要：本文主要介绍了智能控制的产生背景及发展过程，智能控制的主要内容，性能特点及其与传统的自动控制系统相比的优点，简单介绍了智能控制当前研究的现状，并对智能控制的发展进行了展望关键词：智能控制专家控制模糊控制神经网络控制遗传算法传统自动控制1．引言：智能控制（intelligent controls）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。
以精确的数学模型为基础的传统控制在单机自动化和不太复杂的过程控制及系统领域得到了广泛的应用。
随着科技进步，人们对大规模、不确定、复杂的的系统控制要求不断提高，智能控制在这种背景下孕育而生。
智能控制是自动控制发展的高级阶段。
2. 智能控制的产生背景及发展过程2.1产生背景自1892年Lyapunov建立了稳定性的概念理论以及20世纪20年代Black，Nyquist，Bode关于反馈放大器的研究奠定了自动控制理论的基础，传统控制得到了巨大的发展和应用。
但是随着现代科学技术的迅速发展和生产系统规模日益增大，导致了控制对象、控制器以及控制任务和目的的日益复杂化，传统控制面临许多新问题，主要有：计算复杂性的急剧增加；精确建模的困难越来越大；输入信息多样化和数据量的显著增加；大量的非确定性因素；多层次多目标的控制要求。
用传统的以精确建模和数值计算为基础的控制理论和方法，将整个系统置于固定的控制算法和模型框架下，灵活性和应变能力较差。
所以难以解决上述遇到的问题。
基于上述问题，控制科学界多年来一直在探索着新的方法，寻求更加符合实际的发展轨迹。
人工智能学科新的进展给人们带来了希望。
由于得益于计算机科学技术和智能信息处理的高速发展，智能控制逐渐形成一门学科，并在实际应用中显示出强大的生命力2.2 发展过程1966年J.M.Medal首先提出将人工智能应用于飞船控制系统的设计；1971年傅京逊首次提出智能控制这一概念，并归纳了三中类型的智能控制系统（1）人作为控制器的控制系统，具有自学习性，自组织性，自适应性功能（2）人机结合作为控制器的控制系统。
机器完成需要快速完成的常规任务，人则完成认为分配决策等。
（3）无人参与的自主控制系统。
为多层的智能控制系统，需要完成问题建模，求解和规划，如自主机器人。
1985年IEEE在美国纽约召开了第一届智能控制研讨会，随后成立了IEEE智能控制专业委员会。
1987年在美国举行第一届国际智能控制大会，标志着智能控制领域的形成。
20世纪90年底至今，智能控制进入了新的发展时期，随着对象规模的扩大以人工智能技术、信息论、系统论和控制论的发展，人们试从高层次研究智能控制，这不仅形成了智能控制的多元化，而且在应用实践方面取得了重大进展。
我国智能控制也兴起于这一时期3．智能控制的主要内容3.1模糊逻辑控制模糊理论是美国的Zadeth教授最早提出的,1965年他在Information & Control杂志上发表了模糊集Fuzzyset一文,首次提出了模糊集合的概念。
1974年英国学者 E.H.Mamdani马达尼首先在试验室里实现了对蒸汽发动机的模糊控制，标志着模糊控制的诞生模糊控制是应用模糊集合理论，从行为上模拟人的模糊推理和决策过程的一种实用方法。
其核心为模糊推理，主要依赖模糊规则和模糊变量的隶属度函数。
与专家系统控制类似，其推理过程也是基于规则形式表示的人类经验。
因此有人把两者都归类于基于规则的控制。
模糊控制的特点为（1）提供了一种实现基于自然语言描述规则的控制规律的新机制。
（2）提供了一种非线性控制器，这种控制器一般用于控制含有不确定性和难以用传统非线性理论处理的场合。
模糊控制具有良好控制效果的关键是要有一个完善的控制规则。
常规模糊控制的两个主要问题在于：改进稳态控制精度和提高智能水平与适应能力。
在实际应用中，往往是将模糊控制或模糊推理的思想，与其他相对成熟的控制理论或方法结合起来，发挥各自的长处，从而获得理想的控制效果。
由于模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便地实现，所以这种结合展现出强大的生命力和良好的效果。
模糊技术展示了其处理精确数学模型，非线性，时变和时滞系统的强大功能。
近年来，人们已经将模糊技术应用于工业、医学、地震预报、工程设计、信息处理以及经济管理等，其中应用最多也是最成功的，是工业过程控制和模糊家电产品领域。
3.2专家控制专家系统是利用专家知识对专门的或困难的问题进行描述。
用专家系统所构成的专家控制,无论是专家控制系统还是专家控制器,其相对工程费用较高,而且还涉及自动地获取知识困难、无自学能力、知识面太窄等问题。
尽管专家系统在解决复杂的高级推理中获得较为成功的应用,但是专家控制的实际应用相对还是比较少。
3.3神经网络控制神经网络最早是40年代心理学家Mcculloch和数学家Pitts合作提出的。
此后出现了不同类型的神经网络模型，如MP模型，感知机模型，BP网络，RBF 网络,Hopfield网络等。
其中Hopfield提出的Hopfield网络及Rumelhart提出的BP算法为一直处于低潮的人工神经网络的研究注入了新的活力，继Kilmer 和Mcclloch提出KBM模型实现对“阿波罗”登月车的控制之后，人工神经网络再次被引入控制领域，并迅速得到了广泛的应用，从而开辟了神经网络控制，神经网络用于复杂控制的优势在于:(1)能够充分逼近任意复杂的非线性系统；(2)由于大量神经元之间广泛连接,即使有少量单元或连接损坏,也不影响系统的整体功能,表现出很强的鲁棒性和容错性；(3)采用并行分布处理方法,使得快速进行大量运算成为可能。
(4)可以处理不确定或不知道的系统,因神经网络是通过自学习来的。
这些优点使神经网络成为智能控制的另一个重要组成部分。
目前,对人工神经网络的研究主要集中在下面的一些方面[23]:在理论上,主要是对模型和算法的研究。
在应用上，一方面是神经芯片的实现及其应用；另一方面，是在现在的计算机上，仿真地实现各种模型在不同方面的应用。
在某些方面，人工神经网络已显示出优越性和非常乐观的前景。
3.4遗传算法遗传算法作为一种非确定的拟自然随机优化工具,具有并行计算、快速寻找全局最优解等特点,它可以和其他技术混合使用,用于智能控制的参数、结构或环境的最优控制。
遗传算法的特点为：（1）以决策变量的编码作为运算对象（2）直接以目标函数值作为搜索信息（3）同时进行解空间的多点搜索（4）使用自适应的概率搜索技术4. 智能控制的性能特点及优势根据智能控制的基本控制对象的开放型，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)学习能力。
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。
基于与传统控制的区别，智能控制系统具有如下特点：（1）智能控制的研究对象存在模型严重的不确定性；（1）智能控制系统的控制任务可比较复杂（1）智能控制系统具有足够的关于人的控制策略、被控对象及环境的有关知识以及运用这些知识的能力（1）智能控制系统能以知识表示的非数学广义模型和以数学表示的混合控制过程,采用开闭环控制和定性及定量控制结合的多模态控制方式。
（1）智能控制系统具有变结构特点,能总体自寻优,具有自适应、自组织、自学习和自协调能力（1）智能控制系统有补偿及自修复能力和判断决策能力。
5．智能控制当前研究的现状随着人们对不确定性、复杂性、模糊性过程控制问题进行广泛深入研究，专家系统、模糊逻辑和神经网络被广泛地引入到控制理论之中。
由于这三者都具有解决人工智能中知识表达与不确定性推理的信息表达与处理能力，人们近来普遍认为以下几种途径是智能控制最具吸引力的选择：基于知识和经验的专家系统控制；基于模糊逻辑推理与计算的模糊控制；基于人工神经网络的神经网络控制；以上途径的交叉与结合。
6.智能控制的发展展望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。
智能控制需在以下几个方面加强研究工作（１）加强理论研究工作，重点研究智能控制的稳定性、可控性、鲁棒性、跟踪性等问题。
（2）加强各种智能控制方法的耦合度（3）注重技术创新，加快研制智能控制硬件设施与软件。
（4）将智能控制理论更广泛的运用到实际中，在应用中得到提高和发展。
参考文献（1）韦巍.智能控制技术.北京：机械工业出版社，2000（2）李浚泉智能控制发展过程综述工业控制计算机1999（3）顾毅智能控制发展综述信息技术2000（4）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 （5）张凯，钱锋，刘漫丹模糊神经网络技术综述信息与控制2003 （6）李人厚.智能控制理论和方法.陕西：西安电子科技大学出版社，1999 （7）蔡自兴，徐光佑人工智能及应用（第二版）清华大学出版社1996。