智能控制原理
智能控制的基本概念
智能控制的定义1:智能控制是智能机器独立实现目标的过程。智能机器定义为在结构化或非结构化、熟悉或陌生的环境中，自主或交互执行人类指定的任务的机器。
定义二:K.J. Hostaux Romer认为将直觉推理、试错法等人类智能形式化或模拟化，并用于控制系统的分析和设计，从而在一定程度上实现控制系统的智能化，这就是智能控制。他还认为自调节控制和自适应控制是智能控制的低级体现。
定义三:智能控制是一种无需人工干预就能驱动智能机器实现目标的自动控制，也是用计算机模拟人类智能的重要领域。
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，开发具有仿人智能的工程控制和信息处理系统的一个新分支。
产生和发展
自1932年H.Nyquist关于反馈放大器稳定性的论文发表以来，控制理论的发展已经走过了60多年。一般来说，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。随着研究对象和系统越来越复杂，传统的用数学模型描述和分析的控制理论很难解决复杂系统的控制问题。智能控制是针对被控对象及其环境、目标和任务的不确定性和复杂性而产生和发展起来的。
自20世纪60年代以来，计算机技术和人工智能技术发展迅速。为了提高控制系统的自学习能力，控制学者开始将人工智能技术应用于控制系统。
1965年，美籍华人科学家傅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，孟德尔进一步将人工智能技术应用于航天器的学习控制系统，提出了“人工智能控制”的概念。1967年，Leondes和Mendel首次正式使用了“智能控制”一词。
20世纪70年代初，傅、Glofis0、Saridis等学者从控制论的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，提出了智能控制是人工智能技术与控制理论的交汇点的思想，并建立了人机交互递阶智能控制的体系结构。
20世纪70年代中期，基于模糊集理论的智能控制在规则控制的研究方面取得了很大进展。1974中，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应用于工业过程控制，进而成功开发了自组织模糊控制器，大大提高了模糊控制器的智能化水平。模糊控制的形成和发展及其与人工智能的相互渗透，对智能控制理论的形成起到了非常重要的推动作用。
20世纪80年代，随着专家系统技术的逐渐成熟和计算机技术的飞速发展，智能控制与决策的研究取得了很大进展。65438-0986在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到控制系统中，形成了另一类智能控制系统——专家控制。目前，专家控制方法已经有很多成功的例子。
详细注释
对于许多复杂系统，很难建立有效的数学模型，难以用常规的控制理论进行定量计算和分析，而必须采用定量和定性相结合的控制方法。定量方法和定性方法相结合的目的是机器要用类似于人类的智慧和经验来指导求解过程。因此，在智能系统的研究和设计中，主要注意力不在数学公式的表达、计算和处理上，而是在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，而是开发智能机器的模型。另外，智能控制的核心是高层控制，即组织控制。高层控制是为了解决问题而对实际环境或过程进行组织、决策和规划。为了完成这些任务，我们需要采用一些相关的技术，如符号信息处理、启发式编程、知识表示、自动推理和决策。解决这些问题的过程类似于人脑的思维过程，即具有一定程度的“智能”。
随着人工智能和计算机技术的发展，有可能将自动控制与人工智能和系统科学的一些相关分支(如系统工程、系统学、运筹学和信息论)结合起来，建立一种适用于复杂系统的控制理论和技术。智能控制就是在这种情况下产生的。它是自动控制技术的最新发展阶段，也是利用计算机模拟人类智能进行控制的研究领域。在1965中，傅首先提出将人工智能的启发式推理规则应用于学习控制系统。1985年，智能控制研讨会首次在美国召开。1987年，第一届智能控制国际学术会议在美国召开，这标志着智能控制作为一门新的学科分支得到了认可。智能控制具有跨学科和定量定性分析方法的特点。
如果一个系统具有感知环境和持续获取信息以减少不确定性并规划、生成和执行控制行为的能力，则称之为智能控制系统。智能控制技术是在向人脑学习的过程中不断发展的，是一种具有实时推理、决策、学习和记忆功能，能适应各种复杂控制环境的超级智能控制系统。
智能控制与传统或常规控制密切相关，并不相互排斥。常规控制往往包含在智能控制中，而智能控制也是用常规控制方法来解决“低级”控制问题，试图拓展常规控制方法，建立一系列新的理论和方法来解决更具挑战性和更复杂的控制问题。
1.传统的自动控制是基于一定的模型，而智能控制的研究对象具有严重的模型不确定性，即在模型未知或知之甚少的情况下，模型的结构和参数发生较大范围的变化，如工业过程的病态结构和某些扰动的不可预测性，使其模型无法建立。这些问题是传统的基于模型的自动控制难以解决的。
2.传统自动控制系统的输入或输出设备不方便与人和外部环境交换信息。我们希望制造一种信息输入设备，它可以接受打印的、图形的、甚至手写的和口头的命令，并且可以更深入和灵活地与系统进行交流。同时，我们必须扩大输出设备的容量，以文字、图画、立体图像和语言的形式输出信息。此外，普通的自动化设备无法接受、分析和感知各种可见和可听的图像、声音组合等外界情况。为了扩大信息渠道，需要给自动装置安装一个精确的声音发射器，可以机械地模拟各种感觉，即文字、声音、物体识别装置。好在近年来计算机和多媒体技术的飞速发展，为智能控制在这方面的发展提供了物质准备，使智能控制成为一个多向的“立体”控制系统。
3.传统的自动控制系统要求输出为定值(调节系统)或跟随期望轨迹(跟随系统)，因此具有控制任务单一的特点，而智能控制系统的控制任务可以更加复杂。例如，在智能机器人系统中，要求系统具有对复杂任务进行自动规划和决策的能力，以及自动避开障碍物并移动到某一预期目标位置的能力。对于这些任务要求复杂的系统，可以采用智能控制来满足。
4.传统的控制理论对于线性问题已经有了成熟的理论，而一些非线性方法可以用于高度非线性的被控对象，但都不尽如人意。智能控制找到了解决这类复杂非线性问题的方法，成为解决这类问题的有效途径。工业过程智能控制系统除了上述特点外，还有其他特点，如被控对象往往是动态的，控制系统在线运动，一般要求实时响应速度很高。正是这些特点决定了它不同于其他智能控制系统，如智能机器人系统、航空航天控制系统、交通运输控制系统等。，及其独特的控制方法和形式。