智能控制理论及应用
智能控制理论及应用
Grossberg在1976年提出的自谐振理论（ART）解决了无 导师指导下的模式分类；
到了80年代，人工神经网络进入了发展期：
1982年，Hopfield提出了HNN模型，解决了回归网络的学 习问题；
1.1.2 智能控制的定义 由于智能控制是一门新兴学科且正处于发展阶段，所以至
今尚无统一的定义，故有多种描述形式。
从三元交集论的角度定义智能控制：它是一种应用人工智 能的理论和技术以及运筹学的优化方法，并和控制理论中的方 法与技术相结合，在不确定的环境中，仿效人的智能（学习、 推理等），实现对系统控制的理论与方法。
信息论 IT
图1.3 智能控制的四元论结构
以上关于智能控制结构理论的不同见解中，存在着以下几 点共识：
（1）智能控制是由多种学科相互交叉而形成的一门新兴 学科；
（2）智能控制是自动控制发展到新阶段的产物，它以人 工智能和自动控制的相互结合为主要标志；
（3）智能控制在发展过程中不断地吸收着控制论、信息 论、系统论、运筹学、计算机科学、模糊数学、心理学、生理 学、仿生学等学科的思想、方法以及新的研究成果，目前仍在 发展和完善之中。
1.3 智能控制的应用场合和研究内容 1.3.1 智能控制的应用场合
智能控制是自动控制的最新发展阶段，主要用于解决传统 控制技术与方法难以解决的控制问题。主要应用场合有：
（1）具有高度非线性、时变性、不确定性和不完全性等 特征，一般无法获得精确数学模型的复杂系统的控制问题；
（2）需要对环境和任务的变化具有快速应变能力并需要 运用知识进行控制的复杂系统的控制问题；
1986年PDP小组的研究人员提出了多层前向神经网络的 BP学习算法，实现了有导师指导下的网络学习，从而为神经 网络的应用开辟了广阔的前景。
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
智能控制理论及其应用-第一章概述
1.2 智能控制的产生及其发展
（3）智能控制的发展
国际智能自动化学会(International Society Of Intelligent Automation，简称ISIA) 筹委会主席是模糊数学与模糊系统 的创始人L．A．Zadeh教授。筹委会第一次会议已于1995 年10月在加拿大温哥华召开。她的成立将在世界范围内对于 推动智能自动化的研究起到促进作用。 我国也十分重视智能控制理论和应用的研究。1993年在 北京召开了“全球华人智能控制与智能自动化大会”，1994年 在北京和沈阳召开了智能控制两个学术会议，1995年中国智 能自动化学术会议暨智能自动化专业委员会成立大会在天津 召开。
1.2 智能控制的产生及其发展
（1）智能控制的孕育
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，并把记忆、目标分解等一些简单的人工智能技术用 于学习控制系统，提高了系统处理不确定性问题的能力。 这就标志着智能控制的思想已经萌芽。
1.3 传统控制与智能控制
智能控制的产生来源于被控系统的高度复杂性、高度不 确定性及人们要求越来越高的控制性能，可以概括为，智能 控制是“三高三性”的产物，它的创立和发展需要对当代多种 前沿学科、多种先进技术和多种科学方法，加以高度综合和 利用。 因此，智能控制无疑是控制理论发展的高级阶段。
1.4 智能控制理论的主要特征
1.2 智能控制的产生及其发展
（3）智能控制的发展
美国《IEEE控制系统》杂志1991、1993～1995年多次发 表《智能控制专辑》，英国《国际控制》杂志1992年也发表了 《智能控制专辑》，日文《计测与控制》杂志1994年发表了 《智能系统特集》，德文《电子学》杂志自1991年以来连续发 表多篇模糊逻辑控制和神经网络方面的论文；俄文《自动化与 遥控技术》杂志1994年也发表了自适应控制的人工智能基础及 神经网络方面的研究论文。 如果说智能控制在80年代的应用和研究主要是面向工业过 程控制，那么90年代，智能控制的应用已经扩大到面向军事、 高技术领域和日用家电产品等领域。今天，“智能性”已经成为 衡量“产品”和“技术”高低的标准。
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。
智能控制理论及应用复习
智能控制理论及应用第1章绪论■《智能控制》在自动化课程体系中的位置《智能控制》是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器。
与《自动控制原理》和《现代控制原理》一起构成了自动控制课程体系的理论基础。
■《智能控制》在控制理论中的位置《智能控制》是目前控制理论的最高级形式，代表了控制理论的发展趋势，能有效地处理复杂的控制问题。
其相关技术可以推广应用于控制之外的领域：金融、管理、土木、设计等等。
■经典控制和现代控制理论的统称为传统控制，智能控制是人工智能与控制理论交叉的产物，是传统控制理论发展的高级阶段。
智能控制是针对系统的复杂性、非线性和不确定性而提出来的。
■传统控制和智能控制的主要区别：➢传统控制方法在处理复杂化和不确定性问题方面能力很低；智能控制在处理复杂性、不确定性方面能力较高。
智能控制系统的核心任务是控制具有复杂性和不确定性的系统，而控制的最有效途径就是采用仿人智能控制决策。
➢传统控制是基于被控对象精确模型的控制方式；智能控制的核心是基于知识进行智能决策，采用灵活机动的决策方式迫使控制朝着期望的目标逼近。
传统控制和智能控制的统一：智能控制擅长解决非线性、时变等复杂的控制问题，而传统控制适于解决线性、时不变等相对简单的控制问题。
智能控制的许多解决方案是在传统控制方案基础上的改进，因此，智能控制是对传统控制的扩充和发展，传统控制是智能控制的一个组成部分。
■智能控制与传统控制的特点。
传统控制：经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制：以上问题用智能的方法同样可以解决。
智能控制是对传统控制理论的发展，传统控制是智能控制的一个组成部分，在这个意义下，两者可以统一在智能控制的框架下。
■智能控制应用对象的特点(1)不确定性的模型模型未知或知之甚少；模型的结构和参数可能在很大范围内变化。
(2)高度的非线性(3)复杂的任务要求■自动控制的发展过程■智能控制系统的结构一般有哪几部分组成，它们之间存在什么关系？答：智能控制系统的基本结构一般由三个部分组成：人工智能（AI）：是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。
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。
智能控制应用实例
智能控制应用实例
-
1 智能机器人 3 智能家居 5 农业应用 7 其他应用
2 智能车辆 4 电力系统 6 医疗应用
智能控制应用实例
智能控制是现代控制理论的一个重要分支，它以其独特的优越性在各个领域得到广泛的应 用。以下是一些典型的智能控制应用实例
智能机器人
智能机器人
1.1 家庭服务机器人
智能车辆
2.2 智能交通 系统
智能交通系统可以通 过控制交通信号灯的 灯光时间、调整道路 限速等手段来提高交 通效率，减少交通拥 堵。例如，"智慧的 路"(Connected Roads)项目就利用了 智能交通技术
智能家居
智能家居
3.1 智能照明系统
智能照明系统可以根据环境光线 、时间和用户的需求自动调节灯 光强度和颜色，节省电能，提高 舒适度。例如，飞利浦的 Hue 智能灯泡就是一种智能照明系统
家庭服务机器人是一种能执行家庭主人的意志，完成家 庭日常事务或家务工作的自动化机器。例如，扫地机器 人可以根据环境变化自动规划清扫路线和任务，无需人 为干预
智能机器人
1.2 医疗机器人
医疗机器人通常用于手术、康复治疗、药 物管理和病人监测等医疗任务。例如，外 科手术机器人可以通过遥控操作进行精细 的手术，减少医生的操作难度和风险
农业应用
农业应用
5.1 精准农业
精准农业是一种利用 GPS、GIS、遥感、智 能传感器等技术，对农田进行精细管理，实 现农作物的高产、优质、高效的现代化农业 生产方式。例如，利用无人机进行农田巡检 和植保作业，以及通过精准灌溉提高水资源 利用效率等
农业应用
5.2 自动化养殖
自动化养殖利用智能控制技术对禽畜进行 规模化、集约化的养殖和管理，实现养殖 过程的自动化和智能化。例如，自动化饲 喂系统可以根据禽畜的生长阶段和需求自 动调整饲料量和饲喂时间，提高生产效率
智能控制理论及其在机器人上的应用
智能控制理论及其在机器人上的应用第一章：智能控制理论概述智能控制是一种利用人工智能技术实现对系统控制的技术，其目的在于给机器进行指令，控制其运动。
智能控制技术综合了智能计算、模糊逻辑、神经网络等计算机科学中的前沿技术，使得机器可以像人一样对环境做出反应，完成人们的工作任务。
智能控制理论研究了机器在复杂的环境下做出决策的方法，通过对数据的收集、处理以及算法的设计和调整，让机器具有感知、理解和适应环境的能力。
智能控制理论的研究对于机器人、无人飞行器、自动驾驶汽车等自主化系统至关重要。
第二章：智能控制在机器人上的应用机器人是智能控制技术的典型应用之一。
智能控制可以使机器人从一个简单的动作执行者提升为一个拥有自主决策能力、可以接受人类指令、智能感知环境、适应环境的智能机器人。
1. 机器人的感知机器人的感知是指让机器人具有感知环境、收集信息的功能。
机器人的感知技术可以通过传感器实现。
智能控制可以让机器人利用传感器把环境信息收集到机器人的电脑里，对它进行分析，在这个基础上进行相应的决策。
传感器的种类非常多，例如红外线传感器、激光雷达传感器、声波传感器、视觉传感器等，不同的传感器通过不同的方式来感知环境，并生成不同的数据。
智能控制可以帮助机器人对从传感器中收集到的信息进行处理并指导其展开相应的行动。
2. 机器人的决策机器人的决策能力是指让机器人像人类一样生成合理的决策，并根据情况调整自己的决策。
基于智能控制的机器人可以利用数据和算法来进行计算、分析和预测。
例如，基于智能控制的机器人在执行一项任务时，可以根据所处的环境变化、任务目标的变化以及其他因素来生成相应的决策。
如果需要调整，机器人就可以根据新的数据情况重新生成新的决策。
3. 机器人的执行机器人的执行能力是指让机器人能够按照预设计划或者生成的决策来执行任务。
机器人的控制系统可以根据信息反馈不断的调整机器人的动作，使机器人能够适应不同环境、不同任务目标的要求。
- 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：介绍了智能控制理论的发展概况、研究对象与工具、功能特点，简要列举了智能控制的集中应用。
关键词：智能控制；神经网络；应用0前言自从美国数学家维纳在20世纪49年代创立控制论以来，智能控制理论与智能化系统发展十分迅速。
智能控制理论被誉为最新一代的控制理论，代表性的理论有模糊控制、神经网络控制、基因控制即遗传算法、混沌控制、小波理论、分层递阶控制、拟人化智能控制、博弈论等。
应用智能控制理论解决工程控制系统问题，这样一类系统称为智能化系统。
他广泛应用于复杂的工业过程控制、机器人与机械手控制、航天航空控制、交通运输控制等。
他尤其适用于被控对象模型包含有不确定性、时变、非线性、时滞、耦合等难以控制的因素。
采用其它控制理论难以设计出合适与符合要求的系统时，都有可能期望应用智能化理论获得满意的解决。
科学技术高度发展导致了被控对象在结构上的复杂化和大型化。
在许多系统中，复杂性不仅仅表现在高维性上，更多则是表现在系统信息的模糊性、不确定性、偶然性和不完全性上。
此时，人工智能得益于计算机技术的飞速发展，已逐渐成为一门学科，并在实际应用中显示出很强的生命力。
同时，国际学术界对智能控制的研究也十分活跃，到了20世纪90年代，各种智能控制的国际学术会议日益频繁。
国内也在20世纪80年代初开始进行智能控制研究。
1智能控制理论的发展阶段虽然智能控制理论只有几十年的历史，尚未形成较完整的理论体系，蛋其已有的应用成果和理论发展表明它已成为自动控制的前沿学科之一。
智能控制主要经历了以下几个发展阶段：1.1 自动控制的发展与挫折上世纪40~50年代，以频率法为代表的单变量系统控制理论逐步发展起来，并且成功地用在雷达及火力控制系统上，形成了“古典控制理论”。
上世纪60~70年代，数学家们在控制理论发展中占据了主导地位，形成了以状态空间法为代表的“现代控制理论”。
他们引入了能控、能观、满秩等概念，使得控制理论建立在严密精确的数学模型之上，从而造成了理论与实践之间巨大的分歧。
上世纪70年代后，又出现了“大系统理论”。
但是，由于这种理论解决实际问题的能力更弱，没有得到进一步运用。
1.2人工智能的发展斯坦福大学人工智能研究中心的Nilsson教授认为：“人工智能是关于知识的科学——怎样标识以及怎样获得知识并使用知识的科学”。
MIT的Winston教授指出：“人工智能就是研究如何使用计算机去做过去只有人才做的智能性工作”。
1956年以前是人工智能的萌芽期。
英国数学家图灵为现代人工智能做了大量的开拓性的贡献；1956~1961年是人工智能的发展期，人们重点研究了诸如用及其解决数学定义、通用问题求解程序等。
1961年以后人工智能进入了飞跃期，主要内容涉及知识工程、自然语言理解等。
人们研究人工智能的方法也分为结构模拟派和功能模拟派，分别从闹的结构和脑的功能入手进行研究。
1.3智能控制的兴起建立于严密的数学理论上的控制理论发展受到挫折，而模拟人类智能的人工智能却迅速发展起来。
控制理论丛人工智能中吸取营养求发展成为必然。
工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征。
特别是非线性对控制结果的影响复杂，控制工程人员很难深入理解，更谈不上设计出合适的控制算法。
不确定性是最难以解决的问题，也是导致大系统理论失败的根本原因。
但是，对这些问题用工程控制专家经验来解决则往往是成功。
人是最聪明的控制器，模仿人类是一种途径。
萨利迪斯于1977年提出了智能控制的三元结构定义，即把智能控制看作为人工智能、自动控制和运筹学的交点。
在智能控制发展初期，美国普度大学的赴京孙教授首先提出了学习控制的概念，引入了人工智能的直觉推理。
后来在人工智能的概念模拟基础上，发展了许多智能控制方法，如自整定、参数调整PID 等。
再后来则以发展使用的智能控制算法为主，尤以专家系统和神经元网络最为突出。
2智能控制的发展概况现在有关智能控制方面的论文很多，可以把它们归纳为如图1所示的三维图基于知识表示轴线主要涉及产生式规则、模糊逻辑、定性描述、时序逻辑等方法；其于问题求解主要涉及学习、推理、自适应、自组织、等方面。
任何一种智能控制算法都是这个三维空间中的一个小区间。
3智能控制的研究对象智能控制是传统控制发展的高级阶段，主要用来解决传统方法难以解决的复杂系统控制。
其中包括：智能机器人系统、复杂工业过程控制系统、计算机集成制造系统、航空航天控制系统、社会经济管理系统、交通运输系统、环保及能源系统等。
其研究对象具有以下特点：（1）不确定性的模型传统控制室基于模型的控制，包括控制对象和干扰模型。
认为模型是已知的或经过辨认可得到的；而智能控制对象存在严重的不确定性。
（2）在高度的非线性传统控制理论中，线性系统理论较成熟。
对于具有高度非线性的控制对象，虽然有一些非线性控制方法可供利用，但还很不成熟，有些方法过于复杂；而智能控制方法则是解决复杂非线性对象控制的一条出路。
（3）复杂的任务要求在传统控制系统中，输出量为定值，或输出量跟随期望的轨迹运动，控制任务要求较单一。
而智能控制系统，其任务要求则较复杂，例如在智能机器热系统中，要求系统对复杂的任务具有自行规划和决策能力，有自动躲避障碍运动到期望目标位置的能力。
4智能控制系统的主要功能（1）学习功能对一个过程或其环境的未知特征所固有的信息进行学习，并将得到的经验用于进一步估计、分类、决策或控制，从而使系统的性能得到改善。
（2）适应功能与传统自适应控制相比，具有更广泛的含义。
它包括更高层次的适应性。
智能控制系统中的智能行为实质上是一种从输入到输出之间的映射关系，可看成是不依赖于模型的自适应估计，因此具有很好的适应性能。
当系统输入不是学习过的例子时，由于它具有很好的插补功能，从而可以给出合适的输出。
甚至当系统中出现故障时，也能正常工作。
如果具有更高程度的智能，还能自动找出故障，甚至自行修复，体现了更强的适应性。
（3）组织功能对于复杂任务和分散的传感信息具有自适应组织协调的功能。
还表现为系统具有相应的主动性和灵活性，智能控制器在任务要求范围内可以自行决策，主动采取行动；而当多目标冲突时，各控制器在一定条件下可自行解决。
5智能控制的研究工具传统控制理论主要采用微分方程、状态方程及数学变换作为其研究工具，本质上是一种数值计算。
而人工智能主要采用符号处理、一阶谓词逻辑等作为研究的工具是上述两方面内容的交叉结合。
主要形式有：（1）符号推理与数值计算结合。
以专家系统为例：上层是专家系统，采用人工智能中的符号推理方法；下层是传统控制系统，采用数值计算方法。
（2）离散时间系统与连续时间系统分析相结合。
以CIMS为例：上层任务的分配、调度等均可用离散事件系统理论来进行分析设计；下层的控制则采用常规的连续时间分析方法。
（3）神经网络通过许多简单关系来实现复杂的函数，是非0即1的简单逻辑，但他们的组合可实现复杂的分类和决策功能。
神经网络本质上是一个非线性动力学系统，但并不依赖模型，因此可以看成是一种介于逻辑推理和数值计算之间的工具和方法。
6神经网络技术用神经网络技术实现智能控制学习是智能控制的重要属性。
因此，智能控制对控制目标的改变、系统结构参数的改变具有很强的自适应能力。
神经网络具有并行机制、模式识别、记忆和自学能力。
它能很好的适应环境，自动学习修改过程参数，更接近人类思维，应用神经网络构成的智能控制系统要比一般的智能控制系统具有更高的智商。
下面列出几种应用神经网络构成智能控制的系统结构。
6.1采用神经网络作自校正控制系统的参数估计器如图2所示，当系统模型参数发生变化时，神经网络对系统模型参数进行在线估计，再将估计的参数值传送到控制器实施对系统的控制。
这是神经网络的自适应控制。
6.2神经网络和专家控制器混合的控制系统如图3所示把专家控制器和神经网络两者的优点结合起来，取长补短，发挥各自的优势。
首先建立被控对象的专家控制器，然后又专家控制器实时的把部分功能交给神经网络来完成，神经网络学习算法初步训练后由运行监控器进行管理，可根据当前系统的运行状态，是专家控制器或神经网络各自单独运行伙同时运行。
6.3神经网络和模糊控制相结合的控制系统如图4所示，其中模糊控制器采用拟人推理机制，模仿人在不确定环境下作出决策，但没有学习功能，而神经网络控制器为之提供在线学习功能，增强了模糊控制的效果。
6.4神经网络与内模糊控制相结合的系统其结构如图5所示，其中神经网络状态估计其充分逼近被控对象，控制器可采用常规PID调节器或神经网络。
为了获得较好的性能，通常在控制器前加一个滤波器。
6.5神经网络的优势（1）神经网络方法是一种稳健的、非参数的方法，具有很强的非线性映射能力，其总结学习经验的能力强，分类精度高。
（2）神经网络采用分布式存储结构，容错能力强。
网络中少量单元的局部缺损不会造成网络的瘫痪，影响全局，反映了神经网络的鲁棒性。
（3）神经网络进行大规模并行处理，反映为同一层神经元同时进行计算，且每一神经元存储的信息也同时参与计算。
（4）神经网络具有在新环境下的泛化能力，记在经过一定数量带噪声样本训练之后，网络通过学习来抽取规则或记忆知识，抽取样本隐含的关系并记忆，并对新情况下数据进行内查获外推。
（5）神经网络能不断接受新样本、新经验，并不断调整模型，自适应能力强，具有动态特性。
7基于问题求解策略的智能控制7.1基于分布式问题求解策略的控制算法的、松弛联系的、分布在不同地点的处理器上的知识源之间的相互协调进行问题求解。
在分布式问题及其知识，确定节点之间的通讯内容，而不是采用通讯的方式，解决由于控制分散和数据分散所带来的控制不确定性等问题。
分布式问题求解过程大致分为问题的求解、子问题的求解、答案的综合3个阶段。
分布式问题求解的意义如下：·可提高控制系统的实时性·可降低对节点存储量的要求·可提高系统的可靠性·适应于解决由于信息分散、控制分散带来的问题基于分布式问题求解在人工智能中还未解决，在人工智能中一样有待解决，但这种思想对解决实际问题很有帮助，递阶控制思想便产生于此。
7.2基于启发式问题求解策略的控制算法启发式是树搜索中的一个基本概念。
启发式搜索是人们凭经验进行的搜索，即非盲目搜索又非固定搜索。
8基于智能模拟的控制方法利用神经元网络进行动态系统的辨识与控制。
神经网络模型用于模拟人脑神经活动的过程，其中包括信息的加工处理、存储和搜索等过程。
神经网络是以对信息的分布式存储和并行处理为基础，它具有自组织、自学习的功能，在许多方面更接近人对信息的处理方法，它具有模拟人的形象思维的能力，反映了人脑功能的若干特性。
上世纪80年代以来，神经网络的研究取得了异常迅速的发展，提出了许多神经网络理论及其模型。
例如：多层感知器模型、回归模型、概率性神经网络模型等。