智能控制是一种具有智能信息处理、智能信息反馈、智能控制决策的控制方法。它是控制理论发展的高级阶段，主要用于解决传统方法难以解决的复杂系统的控制问题。智能控制研究对象的主要特点是数学模型具有不确定性、高度非线性和任务要求复杂。
智能控制发展
编辑智能控制的概念出现在20世纪60年代。当时，学习控制的研究非常活跃，具有很好的应用前景。自学习和自适应方法已经发展到解决控制系统的随机特性和模型未知数;1965年，美国普渡大学的傅K.S.教授首次将人工智能的启发式推理规则应用于学习控制系统;1966年，美国J.M.孟德尔首先主张在航天器控制系统的设计中使用人工智能。
1967年，美国的C.T.莱昂德斯等人首次正式使用了“智能控制”一词。1971年傅景荪讨论了人工智能与自动控制的交叉关系。从此，自动控制和人工智能开始碰撞和火花，建立和发展了一个新兴的跨学科领域——智能控制。早期的智能控制系统采用比较基础的智能方法，如模式识别、学习方法等，发展速度非常缓慢。
1965年，扎德发表了著名的论文《模糊集》，在模糊逻辑的基础上开辟了一个新的数学领域，模糊逻辑是人类感知和语言表达的特征，是一种普遍的不确定性。1975年，英国的E.H. Mamdani成功地将模糊逻辑和模糊关系应用到工业控制系统中，提出了一种能够处理模糊不确定性和模拟人类操作经验规则的模糊控制方法。随后，在模糊控制的理论和应用方面，控制专家进行了广泛的研究，取得了许多有趣的成果，被认为是智能控制中非常活跃和深入发展的智能控制方法。
20世纪80年代，基于人工智能的规则表示和推理技术(特别是专家系统)在基于规则的专家控制系统中发展迅速，如瑞典K.J. astrm公司的专家控制和美国G.M. Saridis公司的机器人控制中的专家控制。随着20世纪80年代中期人工神经网络研究的复苏，控制领域的研究者们提出并迅速发展了神经网络控制方法，这些方法充分利用了人工神经网络优良的非线性逼近、自学习和容错特性。
随着研究的拓展和深入，形成智能控制这一新兴学科的条件正在逐步成熟。1985年8月，IEEE在美国纽约召开了第一届智能控制学术研讨会，讨论了智能控制的原理和系统结构。因此，智能控制作为一门被广泛认可的新兴学科，得到了迅速的发展。
近十年来，随着智能控制方法和技术的发展，智能控制迅速进入各个专业领域，并应用于复杂被控对象的控制问题，如工业过程控制系统、机器人系统、现代生产制造系统、交通控制系统等。
智能控制定义
编辑智能控制定义1:智能控制是智能机器自主实现其目标的过程。另一方面，智能机器被定义为在结构化或非结构化、熟悉或不熟悉的环境中自主或交互地执行人类分配的任务的机器。
定义2:k·j·奥斯特罗姆认为，将直觉推理、试错法等人类智能形式化或机器模拟，并运用于控制系统的分析和设计中，使控制系统达到一定程度的智能化，称为智能控制。他还认为，自我调节控制和自适应控制是智能控制的低级表现。
定义3:智能控制是一种无需人工干预就能自主驱动智能机器实现其目标的自动控制，也是用计算机模拟人类智能的一个重要领域。
定义4:智能控制实际上只是研究和模拟人类智能活动规律及其控制和信息传递过程，开发具有类人智能的工程控制和信息处理系统的一门新兴学科分支。
智能控制技术基础
编辑智能控制是以控制理论、计算机科学、人工智能、运筹学等学科为基础，对相关理论和技术进行了拓展。其中，模糊逻辑、神经网络、专家系统、遗传算法等理论以及自适应控制、自组织控制、自学习控制等技术被广泛应用。
专家系统是一种利用专家知识来描述专门的或困难的问题的控制系统。虽然专家系统已经成功地应用于解决复杂的高级推理，但其实际应用相对有限。
模糊逻辑用模糊语言来描述系统，它既可以描述应用系统的定量模型，也可以描述应用系统的定性模型。模糊逻辑可用于控制任何复杂对象。
遗传算法作为一种非确定性的准自然随机优化工具，具有并行计算和快速搜索全局最优解的特点。它可以与其他技术混合用于智能控制中的参数、结构或环境的最优控制。
神经网络是一种利用大量神经元按照一定的拓扑结构进行学习和调整的自适应控制方法。它可以表达丰富的特性，包括并行计算、分布式存储、可变结构、高容错、非线性操作、自组织、学习或自学习。这些特征是人们长期追求和期待的系统特征。在智能控制中，神经网络在参数、结构或环境的自适应、自组织和自学习控制方面具有独特的能力。
智能控制相关技术与控制方法的结合，或综合交叉组合，形成不同风格和功能的智能控制系统和控制器，这也是智能控制技术方法的一大特点。
智能控制研究对象
编辑智能控制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，而是数学分析与知识系统相结合的广义模型，是多学科知识相结合的控制系统。智能控制理论是对被控动态过程建立特征模式识别，并基于知识、经验、推理进行控制，实现智能决策。一个好的智能控制器应该具有多模式、变结构、变参数等特点。它可以根据被控动态过程的特点，识别、学习和组织自己的控制方式，改变控制器结构，调整参数。
智能控制的研究对象具有以下特点:
1. 不确定性模型
智能控制的研究对象通常具有严重的不确定性。这里所说的模型不确定性包含两层含义:第一，模型是未知的或不太了解的;第二，模型的结构和参数可能在很大的范围内变化。
2. 高度非线性
对于高度非线性的控制对象，采用智能控制方法往往能有效地解决非线性系统的控制问题。
3. 复杂的任务需求
对于智能控制系统，任务要求往往相当复杂。
目前，智能控制广泛应用于伺服系统，主要包括专家控制、模糊控制、学习控制、神经网络控制、预测控制等控制方法。
智能控制特点
编辑智能控制与传统控制的主要区别在于，传统的控制方法必须依赖于被控对象的模型，而智能控制可以解决非建模系统中的控制问题。与传统控制相比智能控制具有以下基本特点:
1)智能控制的核心是高级控制，可以对复杂系统(如非线性、快速时变、复杂多变量、环境扰动等)进行全局有效控制，实现广义问题求解，并具有较强的容错能力。
2)智能控制系统可以采用开环控制、定性决策和定量控制相结合的多模态控制方式，采用以知识为代表的非数学广义模型和以数学为代表的混合控制过程。
3)其基本目的是从系统功能和整体优化的角度对系统进行分析和综合，以达到预定的目标。智能控制系统具有变结构的特点，可以实现整体优化。具有适应能力、自组织能力、自学习能力和自协调能力。
4)智能控制系统对人类控制策略、被控对象和环境有足够的了解，并具有应用这些知识的能力。
5)智能控制系统具有补偿和自愈能力，以及判断和决策能力。
应用
编辑智能控制的具体应用主要体现在以下几个方面:
1)生产过程智能化控制
生产过程中的智能控制主要包括局部级智能控制和全局级智能控制。
局部智能控制是指将智能引入到某一单元的过程中进行控制器设计。智能PID控制器是研究的热点，它在参数整定和在线自适应调整方面具有明显的优势，可以用于控制一些非线性和复杂的对象。
全局级智能控制主要针对整个生产过程的自动化，包括对整个操作过程的控制、过程故障诊断、规划过程操作异常处理等。
2)先进制造系统中的智能控制
智能控制在机械制造业中得到了广泛的应用。在现代先进制造系统中，需要依靠不完整和不精确的数据来解决困难或不可预测的情况。人工智能技术为解决这一问题提供了一些有效的解决方案。
(1)利用模糊数学和神经网络方法对制造过程的动态环境进行建模，利用传感器融合技术对信息进行预处理和综合。
(2)利用专家系统作为反馈机制，修改控制机制或选择更好的控制方式和参数。
(3)采用模糊集决策选择控制动作的选择机制。
(4)利用神经网络的学习能力及其并行处理信息的能力进行在线模式识别，处理潜在的不完整信息。
3)电力系统智能控制
电力系统中发电机、变压器和电动机等电机电气设备的设计、生产、运行和控制是一个复杂的过程。国内外电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断和控制中，取得了良好的控制效果。
(1)利用遗传算法对电气设备进行优化设计，可以降低成本，缩短计算时间，提高产品设计的效率和质量。
(2)应用于电气设备故障诊断的智能控制技术包括模糊逻辑、专家系统和神经网络。
(3)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，也是新的研究热点之一。
近年来，智能控制技术在国内外取得了重大进展，进入工程化和实用化阶段。作为一门新兴的理论技术，它仍处于发展阶段。随着人工智能和计算机技术的飞速发展，智能控制必将迎来其发展的新时代。
内容由suifeng提供，本内容不代表globalbaike.com立场，内容投诉举报请联系全球百科客服。如若转载，请注明出处：https://globalbaike.com/1955/