自動控制、現(xiàn)代控制與智能控制的關(guān)系

1、自動控制、現(xiàn)代控制與智能控制的關(guān)系一、基本區(qū)別控制理論發(fā)展至今已有100多年的歷史，經(jīng)歷了“經(jīng)典控制理論”和“現(xiàn)代控制理論”的發(fā)展階段，已進入“大系統(tǒng)理論”和“智能控制理論”階段。智能控制理論的研究和應(yīng)用是現(xiàn)代控制理論在深度和廣度上的拓展。20世紀(jì)80年代以來，信息技術(shù)、計算技術(shù)的快速發(fā)展及其他相關(guān)學(xué)科的發(fā)展和相互滲透，也推動了控制科學(xué)與工程研究的不斷深入，控制系統(tǒng)向智能控制系統(tǒng)的發(fā)展已成為一種趨勢。自動控制理論中建立在頻率響應(yīng)法和根軌跡法基礎(chǔ)上的一個分支。經(jīng)典控制理論的研究對象是單輸入、單輸出的自動控制系統(tǒng)，特別是線性定常系統(tǒng)。經(jīng)典控制理論的特點是以輸入輸出特性（主要是傳遞函數(shù)）為系統(tǒng)數(shù)學(xué)模

2、型，采用頻率響應(yīng)法和根軌跡法這些圖解分析方法，分析系統(tǒng)性能和設(shè)計控制裝置。經(jīng)典控制理論的數(shù)學(xué)基礎(chǔ)是拉普拉斯變換，占主導(dǎo)地位的分析和綜合方法是頻率域方法。建立在狀態(tài)空間法基礎(chǔ)上的一種控制理論，是自動控制理論的一個主要組成部分。在現(xiàn)代控制理論中，對控制系統(tǒng)的分析和設(shè)計主要是通過對系統(tǒng)的狀態(tài)變量的描述來進行的，基本的方法是時間域方法?，F(xiàn)代控制理論比經(jīng)典控制理論所能處理的控制問題要廣泛得多，包括線性系統(tǒng)和非線性系統(tǒng)，定常系統(tǒng)和時變系統(tǒng)，單變量系統(tǒng)和多變量系統(tǒng)。它所采用的方法和算法也更適合于在數(shù)字計算機上進行?，F(xiàn)代控制理論還為設(shè)計和構(gòu)造具有指定的性能指標(biāo)的最優(yōu)控制系統(tǒng)提供了可能性。智能控制（intell

3、igent controls）在無人干預(yù)的情況下能自主地驅(qū)動智能機器實現(xiàn)控制目標(biāo)的自動控制技術(shù)。二、華山論劍：自動控制的機遇與挑戰(zhàn)傳統(tǒng)控制理論在應(yīng)用中面臨的難題包括：(1)傳統(tǒng)控制系統(tǒng)的設(shè)計與分析是建立在已知系統(tǒng)精確數(shù)學(xué)模型的基礎(chǔ)上，而實際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數(shù)學(xué)模型；(2)研究這類系統(tǒng)時，必須提出并遵循一些比較苛刻的假設(shè)，而這些假設(shè)在應(yīng)用中往往與實際不相吻合；(3)對于某些復(fù)雜的和包含不確定性的對象，根本無法用傳統(tǒng)數(shù)學(xué)模型來表示，即無法解決建模問題；(4)為了提高性能，傳統(tǒng)控制系統(tǒng)可能變得很復(fù)雜，從而增加了設(shè)備的初始投資和維修費用，降低

4、了系統(tǒng)的可靠性。為了討論和研究自動控制面臨的挑戰(zhàn)，早在1986年9月，美國國家科學(xué)基金會(NSF)及電氣與電子工程師學(xué)會(1EEE)的控制系統(tǒng)學(xué)會在加利福尼亞州桑克拉拉大學(xué)(University of Santa Clare)聯(lián)合組織了一次名為“對控制的挑戰(zhàn)”的專題報告會。有50多位知名的自動控制專家出席了這一會議。他們討論和確認(rèn)了每個挑戰(zhàn)。根據(jù)與會自動控制專家的集體意見，他們發(fā)表了對控制的挑戰(zhàn)集體的觀點，洋洋數(shù)萬言，簡直成為這一挑戰(zhàn)的宣言書。到底為什么自動控制會面臨這一挑戰(zhàn)，還面臨哪些挑戰(zhàn)，以及在哪些研究領(lǐng)域存在挑戰(zhàn)呢? 在自動控制發(fā)展的現(xiàn)階段，存在一些至關(guān)重要的挑戰(zhàn)是基于下列原因的：(1)

5、科學(xué)技術(shù)間的相互影響和相互促進，例如，計算機、人工智能和超大規(guī)模集成電路等技術(shù)：(2)當(dāng)前和未來應(yīng)用的需求，例如，空間技術(shù)、海洋工程和機器人技術(shù)等應(yīng)用要求；(3)基本概念和時代進程的推動，例如，離散事件驅(qū)動、信息高速公路、非傳統(tǒng)模型和人工神經(jīng)網(wǎng)絡(luò)的連接機制等。面對這一挑戰(zhàn)，自動控制工作者的任務(wù)就是：(1)擴展視野、發(fā)展新的控制概念和控制方法，采用非完全模型控制系統(tǒng)；(2)采用在開始時知之甚少和不甚正確的，但可以在系統(tǒng)工作過程中加以在線改進，使之知之較多和愈臻正確的系統(tǒng)模型；從這些任務(wù)可以看出，系統(tǒng)與信息理論以及人工智能思想和方法將深入建模過程 ，不把模型視為固定不變的，而是不斷深化的實體。所開

6、發(fā)的模型不僅含有解析與數(shù)值，而且包含定性和符號數(shù)據(jù)。它們是因果性的和動態(tài)的，高度非同步的非解析的，甚至是非數(shù)值的。對于非完全已知的系統(tǒng)和非傳統(tǒng)數(shù)學(xué)模型描述的系統(tǒng)，必須建立包括控制律、控制算法、控制策略、控制規(guī)則和協(xié)議等理論。實質(zhì)上，這就是要建立智能控制系統(tǒng)模型，或者建立傳統(tǒng)解析和智能方法的混合(集成)控制模型，而其核心就在于實現(xiàn)控制器的智能化。面臨挑戰(zhàn)的控制領(lǐng)域有：多變量魯棒控制、自適應(yīng)控制和容錯(FaultTolerant)控制，高度非線性控制和多因素或分散隨機控制、時空分布參數(shù)系統(tǒng)的控制、含有離散變量和離散事件動態(tài)系統(tǒng)的控制、信號處理和通信技術(shù)、分布信息處理及決策結(jié)構(gòu)的綜合設(shè)計方法、控制系

7、統(tǒng)的集成設(shè)計及實驗環(huán)境和實現(xiàn)等。這些挑戰(zhàn)領(lǐng)域所研究的問題，廣泛地存在于工程技術(shù)應(yīng)用中。例如：航天器和水下運動載體的恣態(tài)控制、先進飛機的自主控制、空中交通控制、汽車自動駕駛控制和多模態(tài)控制、機器人和機械手的運動和作業(yè)控制、計算機集成與柔性加工系統(tǒng)、高速計算機通信系統(tǒng)或網(wǎng)絡(luò)、基于計算機視覺和模式識別的在線控制以及電力系統(tǒng)和其它系統(tǒng)或設(shè)備的故障自動檢測、診斷與自動恢復(fù)系統(tǒng)等。 上述領(lǐng)域面臨問題的解決，不僅需要發(fā)展控制理論與方法，而且需要開發(fā)與應(yīng)用計算機科學(xué)與工程的最新成果。進入90年代以來計算機科學(xué)在工業(yè)控制中的應(yīng)用問題已引起學(xué)術(shù)界越來越廣泛的重視與深入研究。其中，最有代表性的是由IEEE控制系統(tǒng)學(xué)

8、會和國際自動控制聯(lián)合會(1FAC)理論委員會合作進行的題為“計算機科學(xué)面臨工業(yè)控制應(yīng)用的挑戰(zhàn)”的研究計劃。該合作研究計劃指出：開發(fā)大型的實時控制與信號處理系統(tǒng)是工程界面臨的最具挑戰(zhàn)的任務(wù)之一，這涉及硬件、軟件和智能(尤其是算法)的結(jié)合，而系統(tǒng)集成又需要先進的工程管理技術(shù)。 設(shè)立這一迎接挑戰(zhàn)的研究計劃基于以下幾個因素：(1)工業(yè)部門往往無法有效地把數(shù)學(xué)技術(shù)的最新進展用于控制和信號處理，以便提高實時系統(tǒng)的智能水平(Intelligent Level)；(2)控制學(xué)術(shù)界又常常不清楚如何在工業(yè)上控制控制系統(tǒng)硬件、軟件和智能三者的集成開發(fā)，自動控制界和計算機科學(xué)界在工業(yè)和學(xué)術(shù)兩方面的對話與有效合作仍然是

9、個需要進一步解決的問題；(3)在開發(fā)大型的實時系統(tǒng)時，了解硬件、軟件和智能應(yīng)如何結(jié)合以及該系統(tǒng)的算法應(yīng)如何設(shè)計；(4)評價由收集專家經(jīng)驗或利用數(shù)學(xué)模型以及依靠控制和信號處理的數(shù)學(xué)技術(shù)而得到的智能的相關(guān)價值；(5)建議重新樹立控制和計算機科學(xué)的傳統(tǒng)學(xué)術(shù)形象，以求組成一個更加統(tǒng)一的實時與動態(tài)系統(tǒng)科學(xué)。智能控制的產(chǎn)生和發(fā)展為自動控制系統(tǒng)的智能化提供有力支持。人工智能影響了許多具有不同背景的學(xué)科，它的發(fā)展已促進自動控制向著更高的水平智能控制(Intelligent Contro1)發(fā)展。人工智能和計算機科學(xué)界已經(jīng)提出一些方法、示例和技術(shù)，用于解決自動控制面臨的難題。例如，簡化處理松散結(jié)構(gòu)的啟發(fā)式軟件方

10、法(專家系統(tǒng)外殼、面向?qū)ο蟪绦蛟O(shè)計和再生軟件等)；基于角色(Actor)或媒介(Agent)的處理超大規(guī)模系統(tǒng)的軟件模型；模糊信息處理與控制技術(shù)以及基于信息論和人工神經(jīng)網(wǎng)絡(luò)的控制思想和方法等。智能控制是一種能更好地模仿人類智能的、非傳統(tǒng)的控制方法，它采用的理論方法則主要來自自動控制理論、人工智能和運籌學(xué)等學(xué)科分支。內(nèi)容包括最優(yōu)控制、自適應(yīng)控制、魯棒控制、神經(jīng)網(wǎng)絡(luò)控制、模糊控制、仿人控制等。其控制對象可以是已知系統(tǒng)也可以是未知系統(tǒng)，大多數(shù)的控制策略不僅能抑制外界干擾、環(huán)境變化、參數(shù)變化的影響，還能有效地消除模型化誤差的影響。三、珠峰對決：本質(zhì)上的關(guān)系最本質(zhì)的區(qū)別是解決問題的思路不一樣。經(jīng)典控制與

11、現(xiàn)代控制雖然看起來完全不同，但是本質(zhì)上都一樣，就是建立控制對象的數(shù)學(xué)模型，然后設(shè)計一個數(shù)學(xué)模型形式的控制器達(dá)到控制目的，區(qū)別只是前者建立的是微分方程或者叫做pid控制，后者建立的是狀態(tài)方程，類似于數(shù)學(xué)當(dāng)中的線性微分方程組。而最優(yōu)控制，魯棒控制等問題不論是基于經(jīng)典控制理論還是基于現(xiàn)代控制理論，都脫離不了本質(zhì)必須建立被控對象的數(shù)學(xué)模型，也包括02年提出的foc控制。智能控制則采取的是全新的思路。它采取了人的思維方式，建立邏輯模型，使用類似人腦的控制方法來進行控制。智能控制是以控制理論、計算機科學(xué)、人工智能、運籌學(xué)等學(xué)科為基礎(chǔ),擴展了相關(guān)的理論和技術(shù),其中應(yīng)用較多的有模糊邏輯、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺

12、傳算法等理論和自適應(yīng)控制、自組織控制、自學(xué)習(xí)控制等技術(shù)。專家系統(tǒng) 專家系統(tǒng)是利用專家知識對專門的或困難的問題進行描述. 用專家系統(tǒng)所構(gòu)成的專家控制,無論是專家控制系統(tǒng)還是專家控制器,其相對工程費用較高,而且還涉及自動地獲取知識困難、無自學(xué)能力、知識面太窄等問題. 盡管專家系統(tǒng)在解決復(fù)雜的高級推理中獲得較為成功的應(yīng)用,但是專家控制的實際應(yīng)用相對還是比較少。模糊邏輯 模糊邏輯用模糊語言描述系統(tǒng),既可以描述應(yīng)用系統(tǒng)的定量模型也可以描述其定性模型. 模糊邏輯可適用于任意復(fù)雜的對象控制. 但在實際應(yīng)用中模糊邏輯實現(xiàn)簡單的應(yīng)用控制比較容易. 簡單控制是指單輸入單輸出系統(tǒng)(SISO) 或多輸入單輸出系統(tǒng)(M

13、ISO) 的控制. 因為隨著輸入輸出變量的增加,模糊邏輯的推理將變得非常復(fù)雜。遺傳算法 遺傳算法作為一種非確定的擬自然隨機優(yōu)化工具,具有并行計算、快速尋找全局最優(yōu)解等特點,它可以和其他技術(shù)混合使用,用于智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的最優(yōu)控制。神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是利用大量的神經(jīng)元按一定的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)調(diào)整方法. 它能表示出豐富的特性：并行計算、分布存儲、可變結(jié)構(gòu)、高度容錯、非線性運算、自我組織、學(xué)習(xí)或自學(xué)習(xí)等. 這些特性是人們長期追求和期望的系統(tǒng)特性. 它在智能控制的參數(shù)、結(jié)構(gòu)或環(huán)境的自適應(yīng)、自組織、自學(xué)習(xí)等控制方面具有獨特的能力. 神經(jīng)網(wǎng)絡(luò)可以和模糊邏輯一樣適用于任意復(fù)雜對象的控制,但它與模糊邏

14、輯不同的是擅長單輸入多輸出系統(tǒng)和多輸入多輸出系統(tǒng)的多變量控制. 在模糊邏輯表示的SIMO 系統(tǒng)和MIMO 系統(tǒng)中,其模糊推理、解模糊過程以及學(xué)習(xí)控制等功能常用神經(jīng)網(wǎng)絡(luò)來實現(xiàn).模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù)：模糊邏輯和神經(jīng)網(wǎng)絡(luò)作為智能控制的主要技術(shù)已被廣泛應(yīng)用. 兩者既有相同性又有不同性. 其相同性為：兩者都可作為萬能逼近器解決非線性問題,并且兩者都可以應(yīng)用到控制器設(shè)計中. 不同的是：模糊邏輯可以利用語言信息描述系統(tǒng),而神經(jīng)網(wǎng)絡(luò)則不行;模糊邏輯應(yīng)用到控制器設(shè)計中,其參數(shù)定義有明確的物理意義。智能變送器掌上編程器 因而可提出有效的初始參數(shù)選擇方法;神經(jīng)網(wǎng)絡(luò)的初始參數(shù)(如權(quán)值等) 只能隨機選擇.

15、 但在學(xué)習(xí)方式下,神經(jīng)網(wǎng)絡(luò)經(jīng)過各種訓(xùn)練,其參數(shù)設(shè)置可以達(dá)到滿足控制所需的行為. 模糊邏輯和神經(jīng)網(wǎng)絡(luò)都是模仿人類大腦的運行機制,可以認(rèn)為神經(jīng)網(wǎng)絡(luò)技術(shù)模仿人類大腦的硬件,模糊邏輯技術(shù)模仿人類大腦的軟件. 根據(jù)模糊邏輯和神經(jīng)網(wǎng)絡(luò)的各自特點,所結(jié)合的技術(shù)即為模糊神經(jīng)網(wǎng)絡(luò)技術(shù)和神經(jīng)模糊邏輯技術(shù). 模糊邏輯、神經(jīng)網(wǎng)絡(luò)和它們混合技術(shù)適用于各種學(xué)習(xí)方式 智能控制的相關(guān)技術(shù)與控制方式結(jié)合或綜合交叉結(jié)合,構(gòu)成風(fēng)格和功能各異的智能控制系統(tǒng)和智能控制器是智能控制技術(shù)方法的一個主要特點。智能控制主要應(yīng)用存在的情況：實際系統(tǒng)由于存在復(fù)雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數(shù)學(xué)模型。應(yīng)用傳統(tǒng)控制理論

16、進行控制必須提出并遵循一些比較苛刻的線性化假設(shè)，而這些假設(shè)在應(yīng)用中往往與實際情況不相吻合。對于某些復(fù)雜的和飽含不確定性的控制過程，根本無法用傳統(tǒng)數(shù)學(xué)模型來表示，即無法解決建模問題。為了提高控制性能，傳統(tǒng)控制系統(tǒng)可能變得很復(fù)雜，從而增加了設(shè)備的投資，減低了系統(tǒng)的可靠性。四、智能控制在各行各業(yè)的應(yīng)用：1.工業(yè)過程中的智能控制生產(chǎn)過程的智能控制主要包括兩個方面：局部級和全局級。局部級的智能控制是指將智能引入工藝過程中的某一單元進行控制器設(shè)計，例如智能PID控制器、專家控制器、神經(jīng)元網(wǎng)絡(luò)控制器等。研究熱點是智能PID控制器，因為其在參數(shù)的整定和在線自適應(yīng)調(diào)整方面具有明顯的優(yōu)勢，且可用于控制一些非線性的

17、復(fù)雜對象。全局級的智能控制主要針對整個生產(chǎn)過程的自動化，包括整個操作工藝的控制、過程的故障診斷、規(guī)劃過程操作處理異常等。2. 機械制造中的智能控制在現(xiàn)代先進制造系統(tǒng)中，需要依賴那些不夠完備和不夠精確的數(shù)據(jù)來解決難以或無法預(yù)測的情況，人工智能技術(shù)為解決這一難題提供了有效的解決方案。智能控制隨之也被廣泛地應(yīng)用于機械制造行業(yè)，它利用模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)的方法對制造過程進行動態(tài)環(huán)境建模，利用傳感器融合技術(shù)來進行信息的預(yù)處理和綜合?？刹捎脤＜蚁到y(tǒng)的“Then-If”逆向推理作為反饋機構(gòu)，修改控制機構(gòu)或者選擇較好的控制模式和參數(shù)。利用模糊集合和模糊關(guān)系的魯棒性，將模糊信息集成到閉環(huán)控制的外環(huán)決策選取機構(gòu)來選

18、擇控制動作。利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能和并行處理信息的能力，進行在線的模式識別，處理那些可能是殘缺不全的信息。3.電力電子學(xué)研究領(lǐng)域中的智能控制電力系統(tǒng)中發(fā)電機、變壓器、電動機等電機電器設(shè)備的設(shè)計、生產(chǎn)、運行、控制是一個復(fù)雜的過程，國內(nèi)外的電氣工作者將人工智能技術(shù)引入到電氣設(shè)備的優(yōu)化設(shè)計、故障診斷及控制中，取得了良好的控制效果。遺傳算法是一種先進的優(yōu)化算法，采用此方法來對電器設(shè)備的設(shè)計進行優(yōu)化，可以降低成本,縮短計算時間，提高產(chǎn)品設(shè)計的效率和質(zhì)量。應(yīng)用于電氣設(shè)備故障診斷的智能控制技術(shù)有：模糊邏輯、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)。在電力電子學(xué)的眾多應(yīng)用領(lǐng)域中，智能控制在電流控制PWM技術(shù)中的應(yīng)用是具有代表性的技

19、術(shù)應(yīng)用方向之一，也是研究的新熱點之一。五、智能控制類型及介紹1.人工神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)神經(jīng)網(wǎng)絡(luò)是指由大量與生物神經(jīng)系統(tǒng)的神經(jīng)細(xì)胞相類似的人工神經(jīng)元互連而組成的網(wǎng)絡(luò);或由大量象生物神經(jīng)元的處理單元并聯(lián)互連而成.這種神經(jīng)網(wǎng)絡(luò)具有某些智能和仿人控制功能.學(xué)習(xí)算法是神經(jīng)網(wǎng)絡(luò)的主要特征，也是當(dāng)前研究的主要課題.學(xué)習(xí)的概念來自生物模型，它是機體在復(fù)雜多變的環(huán)境中進行有效的自我調(diào)節(jié).神經(jīng)網(wǎng)絡(luò)具備類似人類的學(xué)習(xí)功能.一個神經(jīng)網(wǎng)絡(luò)若想改變其輸出值，但又不能改變它的轉(zhuǎn)換函數(shù)，只能改變其輸人,而改變輸人的唯一方法只能修改加在輸人端的加權(quán)系數(shù).神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程是修改加權(quán)系數(shù)的過程，最終使其輸出達(dá)到期望值，學(xué)習(xí)結(jié)束.常

20、用的學(xué)習(xí)算法有：Hebb學(xué)習(xí)算法，widrow Hoff學(xué)習(xí)算法，反向傳播學(xué)習(xí)算法一BP學(xué)習(xí)算法，Hopfield反饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法等。2.模糊控制系統(tǒng)所謂模糊控制，就是在被控制對象的模糊模型的基礎(chǔ)上，運用模糊控制器近似推理手段，實現(xiàn)系統(tǒng)控制的一種方法.模糊模型是用模糊語言和規(guī)則描述的一個系統(tǒng)的動態(tài)特性及性能指標(biāo).模糊控制的基本思想是用機器去模擬人對系統(tǒng)的控制.它是受這樣事實而啟發(fā)的：對于用傳統(tǒng)控制理論無法進行分析和控制的復(fù)雜的和無法建立數(shù)學(xué)模型的系統(tǒng)，有經(jīng)驗的操作者或?qū)＜覅s能取得比較好的控制效果，這是因為他們擁有日積月累的豐富經(jīng)驗，因此人們希望把這種經(jīng)驗指導(dǎo)下的行為過程總結(jié)成一些規(guī)則，并根

21、據(jù)這些規(guī)則設(shè)計出控制器.然后運用模糊理論，模糊語言變量和模糊邏輯推理的知識，把這些模糊的語言上升為數(shù)值運算，從而能夠利用計算機來完成對這些規(guī)則的具體實現(xiàn)，達(dá)到以機器代替人對某些對象進行自動控制的目的。模糊邏輯用模糊語言描述系統(tǒng)，既可以描述應(yīng)用系統(tǒng)的定量模型也可以描述其定性模型. 模糊邏輯可適用于任意復(fù)雜的對象控制. 但在實際應(yīng)用中模糊邏輯實現(xiàn)簡單的應(yīng)用控制比較容易. 簡單控制是指單輸入單輸出系統(tǒng)(SISO) 或多輸入單輸出系統(tǒng)(MISO) 的控制. 因為隨著輸入輸出變量的增加，模糊邏輯的推理將變得非常復(fù)雜。3.學(xué)習(xí)控制系統(tǒng)學(xué)習(xí)是人類的主要智能之一，人類的各項活動也需要學(xué)習(xí).在人類的進化過程中,學(xué)習(xí)功能起著十分重要的作用.學(xué)習(xí)控制正是模擬人類自身各種優(yōu)良的控制調(diào)節(jié)機制的一種嘗試. 所謂學(xué)習(xí)是一種過程，它通過重復(fù)輸人信號，并從外部校正該系統(tǒng)，從而使系統(tǒng)對特定輸人具有特定響應(yīng).學(xué)習(xí)控制系統(tǒng)是一個能在其運行過程中逐步獲得受控過程及環(huán)境的非預(yù)知信息，積累控制經(jīng)驗，并在一定的評價標(biāo)準(zhǔn)下進行估值，分類，決策和不斷改善系統(tǒng)品質(zhì)的自動控制系統(tǒng)。4.遺傳算法學(xué)習(xí)控制智能控制是通過計算機實現(xiàn)對系統(tǒng)的控制，因此控制技術(shù)離不開優(yōu)化技術(shù)?？焖?、高效、全局化的優(yōu)化算法是實現(xiàn)智能控制的重要手段。遺傳算法是模擬自然選擇和遺傳機制的一種搜索和優(yōu)化算法