复杂过程智能控制方法的研究现状

   20世纪60年代，由于空间技术，海洋技术和机器人技术发展的需要，控制领域面临着被控对象的复杂性和不确定性，以及人们对控制性能要求越来越高的挑战。被控对象的复杂性和不确定性表现为对象特性的高度非线性和不确定性，高噪声干扰，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。面对复杂的对象和复杂的环境，用传统控制(即经典控制和现代控制)的理论和方法已经不能很好的完成控制任务。因此，解决复杂系统控制问题的智能控制应运而生。近年来，把传统控制理论与模糊逻辑、神经网络、模式识别、遗传算法、小波分析等人工智能技术相结合，充分利用人类的控制知识对复杂系统进行控制。经过长期的孕育与探索研究，人们认识到将人工智能原理和方法以及人的经验与智能用于复杂工业过程，是解决复杂工业过程控制问题很有希望和前景看好的途径。
    自从美国数学家维纳于20 世纪40 年代创立控制论以来，自动控制理论经历了经典控制理论和现代控制理论两个重要发展阶段。在处理复杂系统控制问题时，传统的控制理论对于复杂性所带来的问题，总是力图突破旧的模式，以适应社会对自动化提出的新要求。世界各国控制理论界也都在探索建立新一代的控制理论，以解决复杂系统的控制问题。
    人们在实践中观察到人类具有很强的学习和适应周围环境的能力。有些复杂的系统，凭人的直觉和经验能很好地进行操作并达到理想的结果，这就产生了一种仿人的控制理论和方法，出现了新的、具有远大前程的“智能控制理论”研究方向。智能控制理论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，是智能控制的低级阶段，因此，智能控制理论无疑是控制理论发展的高级阶段。
    智能控制的建立和发展是以众多新兴学科为基础的，其中思维科学是研究智能控制的重要认识论基础。智能控制的基本出发点是仿人的智能实现对复杂不确定系统的有效的控制，要模仿人的智能就要模仿人的思维方式，因此，必须研究人的思维形式和特点。这主要从三个方面着手：一是模拟人的抽象(逻辑)思维；二是模拟人的形象(直觉)思维；三是模拟人的灵感(顿悟)思维。
    神经网络理论和知识工程是研究智能控制的重要基础。要从人脑神经系统结构和功能上模拟人的智能，必须研究基于连接机制的神经网络理论。由于神经网络具有逼近任意非线性函数的能力，并行信息处理及自学习等特点，因此它已成为研究智能控制的重要基础。智能控制系统是以知识为基础的系统，因此以研究知识表示、利用和获取为中心内容的知识工程也是研究智能控制的重要基础。
    研究和模仿人类智能是智能控制的最高目标，为模仿和构造智能控制系统，生命科学和脑科学关于人体和脑功能更深入的知识是不可缺少的，要研究生命系统中的自组织能力、免疫能力和遗传能力的精确结构。可见智能控制必须靠多学科联合才能取得新的质的突破。
    智能控制系统由于被控对象的复杂性及不确定性，本质上决定了它必然是非线性系统，因此，研究非线性系统的理论如耗散结构论、突变论、协同论及混沌理论都可以作为主要工具用于智能控制的研究。
    智能控制的研究领域十分广泛，除了传统控制理论外还包括：计划、学习、搜索算法、思维进化算法、复合系统、容错、纠错、重构、自主、petri网、神经网络、模糊逻辑、粗糙集理论等。智能控制所研究的被控对象可以是某一复杂的生产过程控制系统，也可以是社会经济管理系统、交通运输系统、环保及能源系统等，这里所说的被控对象是广义的，它的规模可以很大，象全球人口系统稳定性问题；也可以很小，如一个精密复杂的智能电子仪器。
    基于人工神经网络理论、模糊数学理论，模式识别理论及专家系统理论等基础理论，并融合生理学、心理学、行为学、运筹学、传统控制理论等多学科的知识和方法，出现了许多有效的智能控制理论和方法，分析当前国际最新智能控制方法及应用的状况和发展趋势，智能控制的主要方法有：(1) 模糊控制(FC)；(2) 神经网络控制(NNC)；(3)专家控制(EC)；(4)分层递阶智能控制(HIC)；(5)仿人智能控制(AHIC)；(6)集成智能控制，即将几种智能控制方法或机理融合在一起而构成的智能控制方法；(7)组合智能控制方法，即将智能控制和传统控制有机地结合起来而形成的控制方法。