智能控制研究现状
微纳米机器人智能控制技术研究
微纳米机器人智能控制技术研究随着科技的不断进步，微纳米机器人技术越来越受到人们的关注。
微纳米机器人是指体积在微米及纳米级别的机器人，它们可以在极小的空间内自由移动、执行特定的任务，例如治疗疾病、检测污染物以及进行微观制造等。
而在实现微纳米机器人的有效应用中，控制技术是不可或缺的一部分。
因此，本文将探讨微纳米机器人智能控制技术研究的现状和未来发展。
一、微纳米机器人智能控制技术的现状目前，微纳米机器人智能控制技术已经取得了一定的进展。
首先，在微纳米机器人的运动控制方面，研究者提出了多种控制方法，例如磁控制、光控制和化学控制等，以实现对微纳米机器人的运动轨迹、速度和方向等的精确定位和控制。
其次，在微纳米机器人的任务控制方面，目前已经有很多应用场景，例如在生物医学领域，微纳米机器人可以用于治疗疾病、实现精准诊断和感染控制等；在物理化学领域，则可以运用微纳米机器人进行微观制造和检测污染物等任务。
然而，在微纳米机器人控制技术上还存在一些挑战和难点，例如微纳米机器人的运动受到多种因素的影响，例如周围环境和微型器件本身的性质等。
另外，如何实现微纳米机器人的智能控制也是目前的研究热点。
二、微纳米机器人智能控制技术发展趋势在未来，随着微纳米机器人技术的不断进步和不断深入应用，微纳米机器人智能控制技术的发展趋势也将朝着以下几个方向进行：（一）新型材料和新型设计的应用将新型材料和新型设计应用于微纳米机器人的智能控制中，以提高微纳米机器人的环境适应性和控制效率。
（二）智能控制算法的研究针对微纳米机器人控制存在的问题，例如受到随机微观力的干扰和微观环境的复杂性等，研究智能控制算法，以提高微纳米机器人智能控制水平。
（三）应用领域的扩展随着微纳米机器人控制技术的不断进步，它们的应用领域也将不断拓展。
未来，微纳米机器人有望在纳米工程、生物医学、精密制造、物理化学等领域成为得力的工具和助手。
三、微纳米机器人智能控制技术在生物医学领域的应用前景随着微纳米机器人在生物医学中的应用逐渐成为现实，它们具有治疗疾病、实现精准诊断和感染控制等的巨大潜力。
智能控制技术现状与发展
智能控制技术现状与发展智能控制技术现状与发展一、引言智能控制技术作为信息技术与控制技术相结合的产物，近年来迅速发展并广泛应用于各个领域。
本文旨在梳理智能控制技术的现状，以及对其未来发展的展望。
通过全面深入的研究，将为智能控制技术的发展提供指导和参考。
二、智能控制技术的定义与分类智能控制技术是一种基于信息技术和控制技术的综合应用领域，旨在通过对系统的感知、认知、决策和执行能力的增强，实现对系统的智能化控制。
根据应用领域和技术特点的不同，智能控制技术可以分为以下几类：智能控制技术、智能交通控制技术、智能家居控制技术、工业自动化智能控制技术等。
三、智能控制技术的关键技术与方法1\数据感知和处理技术：智能控制技术的基础是对系统内外环境的感知和采集数据，通过传感器、信号处理等技术手段，将环境信息转化为计算机可识别的数据。
2\智能算法和决策方法：智能控制技术的核心是通过计算机对感知数据进行智能分析和决策，常用的方法包括神经网络、遗传算法、模糊控制等。
3\执行器控制技术：智能控制技术的最终目标是对系统进行精确的控制和执行，通过电机、执行器等设备实现对系统的控制。
四、智能控制技术在不同领域的应用1\智能控制：智能控制技术在领域的应用日益广泛，包括工业、服务型、医疗等。
智能控制技术的发展将极大地提高的智能化水平，推动在各个领域的应用。
2\智能交通控制：智能控制技术在交通领域的应用主要体现在交通流量控制、智能信号灯、智能驾驶辅助系统等方面。
随着城市交通拥堵问题的日益严重，智能交通控制技术的应用将为交通管理带来革命性变化。
3\智能家居控制：智能家居控制技术是将智能控制技术应用于家庭生活领域的一种应用，通过集成家庭设备和系统，实现对家庭环境的智能化控制和管理，提高家居安全、舒适性和便利性。
4\工业自动化智能控制：工业自动化智能控制技术是将智能控制技术应用于工业生产线等领域，通过实现对生产过程的智能化控制，提高工业生产效率和质量。
基于模型智能控制方法研究
基于模型智能控制方法研究随着人工智能和机器学习技术的发展，模型智能控制方法越来越受到关注。
这种方法不仅可以提高控制系统的性能，还可以减少人工操作的干预。
本文将讨论基于模型智能控制方法的研究现状和应用。
一、模型智能控制方法概述模型智能控制方法是指利用建立的模型进行智能控制的方法，其中模型可以是数学模型、物理模型或统计模型。
这种方法通常包括两个步骤：建立模型和利用模型进行控制。
建立模型可以通过实验或理论模拟进行，而利用模型进行控制则需要将模型和控制器结合起来。
这种方法最大的优点是可以模拟复杂的系统，提高控制的准确性和稳定性。
二、模型智能控制方法的研究现状目前，模型智能控制方法已经广泛应用于工业自动化、交通运输等领域。
在工业自动化领域，模型智能控制方法可以用于优化生产过程、提高产品质量等。
在交通运输领域，模型智能控制方法可以用于智能交通管理、自动驾驶等。
此外，模型智能控制方法还可以用于环境监测、医疗健康等领域。
在具体实现方面，模型智能控制方法可以分为基于模型的PID控制、基于模型的模糊控制、基于模型的神经网络控制等。
其中，基于模型的PID控制是最常见的一种方法，它可以通过调整PID控制器的参数来优化控制系统的性能。
基于模糊控制和基于神经网络控制则可以通过学习和训练来自适应地调整控制器。
这些方法各有优点，可以根据具体的应用场景进行选择。
三、模型智能控制方法的应用模型智能控制方法已经被广泛应用于工业自动化、交通运输、环境监测、医疗健康等领域。
以工业自动化为例，模型智能控制方法可以用于优化生产过程，提高产品质量和生产效率。
在电力、制造、化工等行业中，模型智能控制方法可以通过预测、优化和自适应控制来提高效率和控制质量。
在交通运输领域，模型智能控制方法可以用于智能交通管理和自动驾驶。
智能交通管理可以实现交通流控制、交通事故预警和公路管理等功能，自动驾驶技术则可以实现无人驾驶。
这些技术可以大大减少交通事故和交通拥堵，提高交通效率。
工业机器人智能控制技术研究
工业机器人智能控制技术研究近年来，随着全球制造业的不断发展，工业机器人的应用也越来越广泛。
而工业机器人的智能控制技术也成为了一个备受关注的重要领域。
本文将从多个角度探讨工业机器人智能控制技术的研究。
一、研究背景随着人工智能技术的快速发展，越来越多的制造企业开始使用工业机器人取代人工操作。
而这些机器人需要不断提高自己的智能水平，以更好地完成工作任务。
因此，研究工业机器人智能控制技术变得尤为重要。
二、研究现状目前，国内外对于工业机器人智能控制技术的研究已经成为了一个热门领域。
国外学者主要集中在机器人的自适应控制和路径规划方面，而国内学者则更多地关注于机器人的感知能力和人机交互方面。
在自适应控制技术方面，目前主要研究了基于神经网络和模糊控制算法的自适应控制方法。
这些方法可以根据机器人的工作环境和工作任务，自动调整机器人的运动轨迹和动作速度，以更好地满足工作需求。
在路径规划方面，主要研究了迭代最优控制算法和基于模型预测控制算法。
这些算法可以自动计算出机器人在工作中需要走的最佳路径，从而提高了机器人的工作效率和精度。
在感知能力方面，研究者主要探讨了机器人的视觉、听觉和触觉感知技术。
通过这些技术，机器人可以更好地感知周围环境，从而更好地完成各种工作任务。
同时，研究者也开始研究机器人的深度学习和强化学习能力，以进一步提高机器人的智能水平。
在人机交互方面，研究者主要探讨了机器人的语音和手势识别技术。
通过这些技术，机器人可以更好地与人类进行交互，从而更好地理解人类的需求和指令。
同时，研究者也开始研究机器人的情感识别能力，以进一步提高机器人与人类的沟通效果。
三、研究前景工业机器人智能控制技术的研究具有广阔的前景。
首先，随着数字化技术和物联网技术的不断发展，机器人的智能控制技术也将得到进一步提升。
其次，随着人口老龄化和劳动力成本的不断上涨，机器人将成为传统生产模式的重要替代方式。
最后，随着各行业对于自动化生产的需求增加，机器人技术将得到广泛应用。
能源综合利用优化与智能控制研究
能源综合利用优化与智能控制研究随着全球能源消耗的不断增长和环境问题的日益突出，能源综合利用优化与智能控制研究日益受到关注。
本文将深入探讨能源综合利用优化与智能控制的研究现状、重要性以及未来的发展方向。
一、研究现状在当前的能源体系中，传统能源利用方式往往效率低下且对环境造成严重污染。
因此，提高能源利用效率以及降低环境污染已成为迫切的需求。
在过去几十年里，学术界和工业界已经取得了一些重要的突破，尤其是在能源综合利用优化与智能控制方面。
能源综合利用优化研究旨在通过优化能源利用的过程，实现能源高效利用。
这一研究领域涉及到多个方面，包括基础设施的建设，能源供应链的优化，能源转换技术的改进以及能源利用的智能化控制等。
通过将各个环节的优化相互关联，能源综合利用优化能够显著提高能源利用效率，减少能源的浪费。
智能控制技术是实现能源综合利用优化的重要手段之一。
随着信息技术的不断发展，智能控制技术在能源领域的应用得到了迅猛的发展。
智能控制技术通过引入智能化算法和系统，实现对能源系统的优化控制，从而提高能源利用效率，并降低对环境的影响。
二、重要性能源综合利用优化与智能控制的研究对实现可持续发展和能源安全具有重要意义。
首先，能源综合利用优化可以帮助提高能源利用效率，减少能源的浪费。
在当前世界能源紧缺的情况下，提高能源利用效率是至关重要的。
通过优化能源供应链和能源转换技术，能源综合利用优化可以实现能源的最大化利用，避免过度依赖某一种能源，并减少能源的浪费现象。
其次，能源综合利用优化可以减少环境污染。
传统能源利用方式往往会产生大量的污染物，对环境造成严重破坏。
而通过引入智能控制技术，能源综合利用优化可以实现对能源系统的精确控制，从而降低环境污染。
最后，能源综合利用优化与智能控制的研究对推动能源科技创新具有重要意义。
通过研究能源综合利用优化与智能控制，可以促进能源技术的发展与创新，推动能源领域的技术进步。
三、未来发展方向在未来的研究中，我们可以重点关注以下几个方向来推动能源综合利用优化与智能控制的发展：首先，需要继续发展能源智能控制技术。
智能控制研究现状【范本模板】
智能控制的研究现状摘要：本文介绍了智能控制的产生背景和智能控制的特点以及智能控制国内外研究现状及发展趋势，分析了智能控制的应用现状。
最后,对今后智能控制的发展前景进行了展望。
关键词:智能控制，背景，智能控制技术，展望引言：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.智能控制是近年来控制界新兴的研究领域，是一门边缘交叉学科。
智能控制技术在很多领域得到了广泛应用，如制造业、工业工程、能源工程、生物医学工程、汽车以及飞行器等。
智能控制是一种直接控制模式，它建立在启发、经验和专家知识等基础上，应用人工智能、控制论、运筹学和信息论等学科相关理论，驱动控制系统执行机构实现预期控制目标［1]。
智能控制是自动控制发展的高级阶段,为解决那些用传统方法难以解决的复杂系统的控制问题提供了有效的理论和方法。
它处于控制科学的前沿领域，代表着自动控制科学发展的最新进程。
1。
智能控制产生的背景科学技术的产生和发展主要由生产发展需求和知识水平所决定，控制科学也不例外。
二十世纪以来，控制科学与技术得到了迅速发展,由研究单输入单输出被控对象的经典控制理论发展形成了研究多输入多输出被控对象的现代控制理论.经典控制理论主要是采用频域法对控制系统进行描述、分析和设计，现代控制主要采用时域的状态空间方法。
二十世纪六十年代，由于空间技术、海洋工程和机器人技术发展的需要[2］,控制领域面临着被控对象的高度复杂性和不确定性,以及人们对控制性能要求越来越高的挑战。
被控对象的高度复杂性和不确定性主要表现为对象的高维、高度非线性和不确定性［3]，高噪声干扰、强耦合，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量.面对复杂的对象，复杂的任务和复杂的环境，用传统控制(经典控制和现代控制）的理论和方法去解决是不可能的。
多智能体控制系统研究现状与发展趋势分析
多智能体控制系统研究现状与发展趋势分析在当今社会，人工智能技术不断地得到发展和应用，多智能体控制系统作为人工智能技术的一部分，也日益受到关注。
本文将针对多智能体控制系统的研究现状以及未来发展趋势进行分析。
一、多智能体控制系统的定义和应用多智能体控制系统是指由多个智能体组成的系统，通过相互协调和合作完成特定任务。
多智能体控制系统可以被广泛应用于诸如智能交通、机器人协作、电力系统、医疗保健等领域。
例如，在智能交通领域，多智能体控制系统可以用于交通信号灯的控制，智能交通流量调控以及交通设施的智能化。
二、多智能体控制系统的现状1.技术框架目前，多智能体控制系统的技术框架大致可以分为集中式和分布式两种。
集中式多智能体控制系统在传输数据时，需要将数据传输到集中的管理节点，这种系统的架构较为简单，但是由于数据流量过大，需要更高的硬件配置。
分布式多智能体控制系统，采用多个节点进行分布式计算，并且在任务执行时能够自动监测和协调，因此这种系统更加灵活和鲁棒。
2.算法优化多智能体控制系统中的算法优化是一个非常重要的问题。
基于多智能体控制系统的性能评价和优化问题，现有研究主要关注以下问题:1）多智能体间的协作与通信：如何保证智能体之间的协作，以及如何保证通信的安全和稳定。
2）多智能体的动态控制：如何提出一种能够响应环境变化和任务变化的控制方法。
3）多智能体的自组织和集体行为：如何实现一个可以自主学习和适应环境的系统。
三、多智能体控制系统的未来发展趋势1.机器学习与多智能体控制系统机器学习作为一种非常有前途的技术，可以与多智能体控制系统相结合。
这种结合可以使得多智能体控制系统能够更好地完成任务，并且可以适应其所面对的各种环境。
例如，在智能交通领域，机器学习可以用来预测路况、优化路线，从而提高智能交通系统的效率。
2.智能化与人工智能多智能体控制系统的发展趋势还包括智能化和人工智能。
智能化和人工智能可以提高多智能体控制系统的智能化水平，使得在不断变化的环境中能够做出适应性的决策。
2023年中国智能控制行业现状深度研究与发展趋势预测报告报告模板
谢谢大家观看
2023/9/15
分享人-ben
4. 技术创新：随着人工智能、物联网等技术的不断发展，智能控制行业将迎来更多的技术创新。例如，5G技术的应用将使得智能家居、智能制造等领域的数据传输速度更快，更加智能化。
竞争格局分析
03
发展趋势
Development Trends
智能控制行业现状
1.智能控制行业在中国发展迅速，涉及多个领域智能控制行业在中国已经得到了广泛的应用和发展。该行业主要涉及自动化、计算机科学、电子工程、机械工程等多个领域，旨在通过智能化的控制手段，实现对各种设备和系统的自动化管理和优化。
3.中国智能控制行业稳步发展综上所述，中国智能控制行业已经成为一个重要的经济领域，该行业的企业数量呈现出稳步增长的趋势，产值和出口总额也呈现出稳步增长的趋势。
智能化升级：随着人工智能、大数据、云计算等技术的不断发展和应用，智能控制行业正在经历着从自动化到智能化的升级。未来的智能控制系统将更加智能化，能够实现自我学习、自我优化和自我修复，从而进一步提高生产效率和产品质量。
3.中国智能控制行业持续快速发展综上所述，中国智能控制行业在近年来取得了显著的发展，未来也将会继续保持快速发展的态势。
市场现状分析
行业发展趋势
关于行业发展趋势，我们将从技术角度出发，为您剖析行业现状及未来
行业规模
智能控制
增长
物联网
大数据
新兴技术
1.中国智能控制行业爆发式增长，2025年市场规模将超5000亿元智能控制行业现状深度研究
- 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)。
智能控制的研究现状摘要：本文介绍了智能控制的产生背景和智能控制的特点以及智能控制国内外研究现状及发展趋势,分析了智能控制的应用现状。
最后,对今后智能控制的发展前景进行了展望。
关键词：智能控制，背景，智能控制技术，展望引言：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。
智能控制是近年来控制界新兴的研究领域，是一门边缘交叉学科。
智能控制技术在很多领域得到了广泛应用，如制造业、工业工程、能源工程、生物医学工程、汽车以及飞行器等。
智能控制是一种直接控制模式，它建立在启发、经验和专家知识等基础上，应用人工智能、控制论、运筹学和信息论等学科相关理论，驱动控制系统执行机构实现预期控制目标[1]。
智能控制是自动控制发展的高级阶段，为解决那些用传统方法难以解决的复杂系统的控制问题提供了有效的理论和方法。
它处于控制科学的前沿领域，代表着自动控制科学发展的最新进程。
1.智能控制产生的背景科学技术的产生和发展主要由生产发展需求和知识水平所决定，控制科学也不例外。
二十世纪以来，控制科学与技术得到了迅速发展，由研究单输入单输出被控对象的经典控制理论发展形成了研究多输入多输出被控对象的现代控制理论。
经典控制理论主要是采用频域法对控制系统进行描述、分析和设计，现代控制主要采用时域的状态空间方法。
二十世纪六十年代，由于空间技术、海洋工程和机器人技术发展的需要[2],控制领域面临着被控对象的高度复杂性和不确定性,以及人们对控制性能要求越来越高的挑战。
被控对象的高度复杂性和不确定性主要表现为对象的高维、高度非线性和不确定性[3]，高噪声干扰、强耦合，系统工作点动态突变性，以及分散的传感元件与执行元件，分层和分散的决策机构，复杂的信息模式和庞大的数据量。
面对复杂的对象，复杂的任务和复杂的环境，用传统控制（经典控制和现代控制）的理论和方法去解决是不可能的。
原因[4]：（1）传统的控制理论都是建立在以微分和积分为工具的精确数学模型之上的，而复杂系统的复杂性和不确定性都难以用精确的数学模型描述，否则就会使原问题丢失很多信息，例如：骑自行车沿一条曲线行走这套看似简单的动作，如果我们要把这一系列的动作和环境建立出精确的数学模型，然后再一步一步按模型去操作，可以想象其过程是多复杂而又难以实现；（2）传统的控制理论虽然也有办法对付控制对象的不确定性和复杂性，如自适应控制和Robust控制可以克服系统中所包含的不确定性，保证控制系统的控制质量不变，达到优化控制的目的。
但他们仅适用于系统参数在一定范围内缓慢变化的情况，其优化控制的范围是很有限的。
（3）传统的控制系统要求输入的信息比较单一，而现代的控制系统要面对复杂系统以各种形式（视觉、听觉、触觉和直接操作的方式）将周围环境信息作为输入的状况，并将各种信息进行融合、分析和推理，再随环境与条件的变化，相应地采取对策或行动。
传统的控制策略单一，不能适合高层决策问题，所以智能控制应运而生。
2.智能控制的特点智能控制理论不同于经典控制理论和现代控制理论的处理方法,它研究的主要目标不再是被控对象而是控制器本身。
控制器不再是单一的数学模型解析型,而是数学模型和知识系统相结合的广义模型。
特点概括为[17,18]: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;智能控制的核心在高层控制,能对复杂系统进行有效的全局控制,实现广义问题求解,并具有较强的容错能力,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;智能控制具有混合控制特点,系统能以知识表示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决策及定量控制相结合的多模态控制方式;智能控制系统有补偿及自修复能力;智能控制系统具有判断决策能力,体现了“智能递增,精度递降”的一般组织结构的基本原理,并具有高度的可靠性。
总之,智能控制系统通过智能机自动地完成其目标的控制过程,其智能机可以在熟悉或不熟悉的环境中自动或人-机交互地完成拟人任务。
3.国内外研究现状及发展趋势智能控制的概念最早是由美国普渡大学的美籍华人傅京孙教授提出的,他在1965年发表的论文中首先提出把人工智能的启发式推理规则用于学习系统[5],为控制技术迈向智能化揭开了崭新的一页。
接着,Mendel于1966年提出了“人工智能控制”的新概念[6]。
1967年,Leondes和Mendel首次使用了“智能控制(Intelligent Control)”一词[7],并把记忆、目标分解等技术应用于学习控制系统[8]。
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。
1986年，K.J.Astrom发表的著名论文《专家控制》中，将人工智能中的专家系统技术引入控制系统，组成了另一种类型的智能控制系统——专家控制。
目前，专家控制方法已有许多成功应用的实例。
自1971年傅京孙教授提出“智能控制”概念以来，智能控制已经从二元论（人工智能和控制论）发展到四元论（人工智能、模糊集理论、运筹学和控制论），在取得丰硕研究和应用成果的同时，智能控制理论也得到不断的发展和完善。
智能控制是多学科交叉的学科，它的发展得益于人工智能、认知科学、模糊集理论和生物控制论等许多学科的发展，同时也促进了相关学科的发展。
智能控制也是发展较快的新兴学科，尽管其理论体系还远没有经典控制理论那样成熟和完善，但智能控制理论和应用研究所取得的成果显示出其旺盛的生命力，受到相关研究和工程技术人员的关注。
随着科学技术的发展，智能控制的应用领域将不断拓展，理论和技术也必将得到不断的发展和完善。
控制理论发展至今已有100多年的历史，经历了“经典控制理论”和“现代控制理论”的发展阶段，已进入“大系统理论”和“智能控制理论”阶段。
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。
4.智能控制的应用现状目前，智能控制已广泛地应用于自然科学和社会科学的各个领域，其工程应用现状日益成熟，为方便智能控制应用的开发，研究人员开发设计了各种软硬件技术。
软件方面，有Math works公司推出的高性能数值计算可视化软件Matlab，其中的神经网络工具箱、模糊逻辑工具箱可以通过直接调用其中的函数进行智能控制系统的设计应用。
硬件方面，微电子技术界出现了DSP 芯片极大提高了运算速度，大大方便了智能控制应用系统的实现。
智能控制的发展现状如：机器人智能控制、机械制造中的智能控制、电力电子学研究领域中的智能控制以及工业过程中的智能控制。
从广义上理解自动控制，可把它看作不通过人工干预而对控制对象进行自动操作或控制的过程[9]。
对于这个控制对象的理解也可以包括那些具体的有形的机械设备以及抽象的时变的信息对象，如股市行情、气象信息、城市交通、地震火灾预报数据等[8-9]。
这类对象的特点是以知识表示的非数学广义模型，或者含有不完全性、模糊性、不确定性的数字过程。
对它们进行控制是无法用常规的控制器，而需要采用符号信息知识表示和建模，进行智能算法的程序设计来进行自动推理和决策。
5．智能控制的前景和展望智能控制出现时间不长,取得了可喜的成果和进展,但作为一门新学科,无论在理论上还是应用上都不够完善,有待继续研究与发展。
总体来说,智能控制在以下几方面要加强研究工作[10]。
（1）加强理论研究,寻求更新的理论框架,目前呈现出应用前景广泛而理论研究大大滞后的状况,要重点研究智能控制系统的稳定性、可控性、可观性、鲁棒性、镇定性、跟踪性等问题。
（2）加强对智能控制学习问题的研究工作。
（3）解决知识获取和优化的瓶颈问题,特别是在动态系统的知识获取、分类、表达、利用及规划的相容性和完备性等问题上。
（4）加强各种智能控制方法结合特别是人机智能结合系统、离散事件动态系统、神经网络方法、混沌方法、认知心理学等方法更深入研究以及同传统控制方法结合研究,注意开展对照研究。
（5）注重技术创新进行更好的技术集成,加快研制新型智能控制硬件和软件的步伐。
为此,智能控制工程研究将深入建模过程,把模型视为不断演化的实体。
所开发的模型将不仅含有解析的数值,而且包括定性分析的符号。
对于非完全已知的系统和非传统数学模型描述的系统,必须建立包括控制律、控制算法、控制策略、控制规则和协议等新理论。
实质上,这就是要建立智能化的控制系统模型,或者建立混合(集成)控制模型,其核心就是实现控制器的智能化。
（6）加强智能优化技术的发展。
（7）扩宽实际应用范围,提高实时控制能力;智能控制已被广泛地应用于工业、农业、军事等多个领域,已经解决了大量的传统控制无法解决的实际控制应用问题,呈现出强大的生命力和发展前景,随着基础理论不断创新和实际应用方法日益成熟,智能控制在控制领域将产生一个大的飞跃。