智能控制课内实验报告
（3次）
学院：自动化学院
班级：智能
姓名：
学号：
智能控制课内实验（1）模糊控制器的设计
学院：自动化学院
姓名：
班级：
学号：
日期：2017-9-30
实验1.1模糊控制器的设计
一、实验目的
在matlab环境下，完成一个对水位控制的模糊控制器的设计。
二、实验内容
（1）确定控制器的输入、输出的隶属度函数
偏差e(t) ：e(t)=r(t)－c(t)负反馈
三个模糊子集“负大”(水位高）、“零”和“正大”（水位低）。
偏差变化率：de，
三个模糊子集“负大”（高趋势）、“零”和“正大”（低趋势）。
控制量u：“负大”、“负中”、“零”、“正中”、“正大”。
Matlab操作方法：
打开matlab在命令行输入：fuzzy
出现下图界面：
在上图选择“edit”出现下图：选择“Add Variable-- Input”再添加输入
这样就建立了两个输入，一个输出的模糊控制器。
再修改输入、输出的各参数：
input1改为e；input2改为de; output1改为u ;如下图：
双击“e” ,修改模糊子集：
如下图修改e的负大：注意各参数的设置
修改好的e的模糊子集如下图：
用同样的方法修改de如下图：
修改u的方法如下图：需要5个模糊子集
添加模糊子集的方法：在“edit”菜单下选择“Add Custom MF”
下图是对”O”这个模糊子集的设置：
设置好的u的模糊子集如下图：
(2)添加规则的方法：
添加规则的界面如下：
这样一个模糊推理控制器就建立完毕了。
（3）利用模糊控制器可以得到规则曲面以及根据输入得到输出
如上图操作可以得到规则曲面：
如下图可以得到规则的推理结果：
改变上图e和de的值，可以看到u的不同的输出。
然后可以把该系统存为tank.fis.
三、写出实验的心得体会
总结建立模糊控制器的方法。
实验1.2神经网络工具箱的应用
二．神经网络工具箱函数
最新版的MATLAB 神经网络工具箱为Version4.0.3, 它几乎涵盖了所有的神经网络的基本常用类型，对各种网络模型又提供了各种学习算法，我们可以根据自己的需要调用工具箱中的有关设计与训练函数，很方便地进行神经网络的设计和仿真。目前神经网络工具箱提供的神经网络模型主要用于：
1. 数逼近和模型拟合；
2. 信息处理和预测；
3. 神经网络控制；
4. 故障诊断。
神经网络工具箱提供了丰富的工具函数，其中有针对某一种网络的，也有通用的，下面列表中给出了一些比较重要的工具箱函数。
三．仿真实例
BP 网络是一种多层前馈神经网络，由输入层、隐层和输出层组成。BP 网络模型结构见图1。网络同层节点没有任何连接，隐层节点可以由一个或多个。网络的学习过程由正向和反向传播两部分组成。在正向传播中，输入信号从输入层节点经隐层节点逐层传向输出层节点。每一层神经元的状态只影响到下一层神经元网络，如输出层不能得到期望的输出，那么转入误差反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，在经正向传播过程，这两个过程反复运用，使得误差信号最小或达到人们所期望的要求时，学习过程结束。
利用神经网络工具箱进行设计和仿真的具体步骤：
1.确定信息表达方式：将实际问题抽象成神经网络求解所能接受的数据形式；
2. 确定网络模型：选择网络的类型、结构等；
3. 选择网络参数：如神经元数，隐含层数等；
4. 确定训练模式：选择训练算法，确定训练步数，指定训练目标误差等；
5. 网络测试：选择合适的训练样本进行网络测试。
下面给出一个利用BP 神经网络进行函数逼近的例子。
第一步问题的提出
设计一个简单的BP 网络，实现对非线性函数的逼近，通过改变BP 网络的隐层神经元的数目，采用不同的训练方法来观察训练时间和训练误差的变化情况。
假设将要将要逼近的函数为正弦函数，其频率参数N=1，绘制此函数见图2 所示。
N=1;
p= [- 1:0.05:1] ;
t=sin (N*pi*p) ;%假设N=1，绘制此函数曲线
plot (p,t,'r*');
title ('要逼近的非线性函数')
xlabel ('时间')
要逼近的非线性函数
第二步网络建立
应用newff () 建立两层的BP 网络，隐层神经元数目可以改变,此时S=8 ，输出层一个神经元，隐层和输出层的传递函数分别为tansig 和purelin ，学习算法采用Levenberg - Marquadt ( trainlm) 。用sim() 观察初始化网络输出如图3 所示。S=8;
net=newff (minmax (p) , [S,1] , {'tansig','purelin'} ,'trainlm');
y1=sim (net,p);
figure;
plot (p,t, 'r* ',p,y1,'b- ')
title ('未训练网络的输出结果')
xlabel ('时间')
ylabel ('仿真输出- 原函数*')
legend ('要逼近的非线性函数','未训练网络的输出结果')
未训练时网络的输出结果结果接
第三步网络训练
将训练时间设为10，精度为0.001，用train ()进行训练，误差曲线见图4 所示。net.trainParam.epochs=10;
net.trainParam.goal=0.001;
net1 = train (net,p,t);
训练过程
第四步网络测试
用sim()观察训练后的网络输出如图5 所示。
y2 = sim (net1,p);
figure;
plot (p,t,'r* ',p,y1,'b- ',p,y2,'ko')
title ('训练后网络的输出结果')
xlabel ('时间')
ylabel ('仿真输出')
legend ('要逼近的非线性函数','未训练网络的输出结果','训练后网络的输出结果')
图5训练后网路的输出结果
从图5 可以看出经过很短时间的训练后BP 网络很好的逼近了非线性函数。
讨论：
1. 改变非线性函数的频率，即改变N 的值时发现，网络的训练时间会长些，逼近效果要差些。
2. 改变隐层的神经元数目对网络的逼近效果也有影响，一般来说，隐层的神经元数目越多，则BP 网络逼近非线性函数能力越强，但也并非隐层的神经元数目越多，网络性能就越好，而同时训练时间有所增长。
四．结论
智能控制课内实验（2）基于MATLAB的神经网络设计
学院：自动化学院
姓名：
班级：
学号：
日期：2017-10-25
实验2 基于 MATLAB 的神经网络设计
一实验目的：
1掌握matlab 工具箱设计前馈型神经网络的方法 2掌握图形用户界面的神经网络工具的设计方法
二实验内容：
1感知器线形分类器设计 已知：样本点 （0，0），（1，1），（1，3），（3，1），（3，3），（5，5）。 对应目标：t=[0 0 0 1 1 1]
编程设计感知器，实现样本点的分类。 用测试样本进行分类测试。
新建m 文件，参考程序：
p=[0 1 1 3 3 5;0 1 3 1 3 5]; %六个输入样本 t=[0 0 0 1 1 1]; %样本的目标值 ptest=[0 1 3 4; 3 2 2 1]; %四个测试样本 net=newp(minmax(p),1); %创建感知器网络 [net tr]=train(net,p,t); %训练网络 iw1=net.iw{1}; %得到感知器的权值 b1=net.b{1}; %得到阈值 epoch1=tr.epoch; %得到训练的次数 perf1=tr.perf; %训练每步误差 % pause;
plotpv(p,t); %显示训练样本 plotpc(net.iw{1},net.b{1}); figure; %显示分类面 % pause;
t2=sim(net,ptest); %对测试样本进行仿真 plotpv(ptest,t2); %显示测试样本 plotpc(iw1,b1); %再显示分类面
2设计前馈网络逼近平方函数
设计前馈网络在[0,10]x ∈区间上逼近平方函数2y
x =。
新建m 文件，产生100个样本，建立网络进行仿真。 参考程序：
rand(…state ?,sum(100*clock)) ; %设置随机函数种子 p=10*rand(1,100) ; %样本随机输入 t=p.^2 ; %训练样本的目标值 Testp=0 :0.1 :10 ; %测试样本
net=newff([0 10],[5 1],{…tansig ?…purelin ?},?trainlm ?) ; %建立前馈网络 net.trainParam.epochs=50 ; %设置最大训练次数 net.trainParam.goal=0.0001 ; %设置误差目标 net.trainParam.show=1 ; %多少步显示误差
net=train.(net,p,t) ; %训练神经网络
y2=sim(net,p) ; %仿真输出
plot(p,t,?r+?,p,y2,?.?) ; %显示输出曲线
figure;
y3=sim(net,Testp) ; %显示测试样本
plot(Testp,y3,?k.?) ; %再显示测试样本输出曲线
3图形工具设计神经网络
在图形界面下设计前馈型网络，在区间[-4,4]上逼近函数22
=-+-。
1.1(12)exp(/2)
y x x x
在命令行键入输入变量：>> indata=-4:0.1:4;
得到函数目标输出：targetdata=1.1*(1-indata+2*indata.*indata).*exp(-indata.*indata/2) ;
在命令窗口输入：nntool
出现如下图形界面
图1 图形界面
点击import按钮，添加输入变量和目标输出变量；
按import按钮，导入输入变量
按import按钮，导入目标输出变量。
在图1按new按钮，新建网络
按create按钮创建网络。
双击上图的network1，得到下图：
点击按钮Train Network ,训练网络得到下图：
点击上图的performance按钮得到下图的网络的训练误差性能：
北京科技大学 智能控制理论基础实验报告 学院 专业班级 姓名 学号 指导教师 成绩 2014 年4月17日
实验一采用SIMULINK的系统仿真 一、实验目的及要求： 1.熟悉SIMULINK 工作环境及特点 2.掌握线性系统仿真常用基本模块的用法 3.掌握SIMULINK 的建模与仿真方法 二、实验内容： 1．了解SIMULINK模块库中各子模块基本功能 微分 积分 积分步长延时 状态空间模型 传递函数模型 传输延迟 可变传输延迟 零极点模型
直接查询表 函数功能块MATLAB函数 S函数（系统函数） 绝对值 点乘 增益 逻辑运算 符号函数 相加点 死区特性 手动开关 继电器特性 饱和特性 开关模块 信号分离模块 信号复合模块 输出端口 示波器模块 输出仿真数据到文件
通过实验熟悉以上模块的使用。 2. SIMULINK 的建模与仿真方法 （1）打开模块库，找出相应的模块。鼠标左键点击相应模块，拖拽到模型窗口中即可。 （2）创建子系统：当模型大而复杂时，可创建子系统。 （3）模块的封装： （4）设置仿真控制参数。 3．SIMULINK仿真实际应用 PID控制器的仿真实现。 控制对象的开环传递函数如下图： 加入PID控制器，求系统单位负反馈闭环单位阶跃响应，要求通过调节器的作用使系统满足超调量20%，上升时间3s，调节时间10s的要求。使输出曲线如下图。要求加入的PID控制器封装成一个模块使用。 三、实验报告要求： 1.针对具体实例写出上机的结果，体会其使用方法，并作出总结。
控制对象的开环传递函数如下图： 加入PID控制器，求系统单位负反馈闭环单位阶跃响应，要求通过调节器的作用使系统满足超调量20%，上升时间3s，调节时间10s的要求。使输出曲线如下图。要求加入的PID控制器封装成一个模块使用。PID如下： 图1-PID控制器仿真 设计的PID控制器参数为，P-0.3，I-0.5,D-0.4,尽可能的达到超调量20%，上升时间3s，调节时间10s的要求，仿真曲线图如下： 图2-PID控制器仿真曲线图 才实验开始的初期，我觉得这个实验过于简单，但是上手之后，我发现它是
华北电力大学 实验报告 | | 实验名称:机器人控制技术基础 课程名称：机器人控制技术基础 实验人：张钰信安1601 201609040126 李童能化1601 201605040111 韩翔宇能化1601 201605040104 成绩： 指导教师：林永君、房静 实验日期： 2016年3月4日-3月26日 华北电力大学工程训练中心
第一部分：单片机开发板 实验一：流水灯实验 实验目的：通过此实验，初步掌握单片机的 IO 口的基本操作。 实验内容：控制接在 P0.0上的 8个LED L0—L8 依次点亮，如此循环。 硬件说明： 根据流水灯的硬件连接，我们发现只有单片机的IO口输出为低电平时LED灯才会被点亮，我们先给P0口设定好初值，只让其点亮一盏灯，然后用左右移函数即可依次点亮其他的灯。 源程序如下： #include
led_1=1; led_2=0; display_ms(10); led_2=1; led_3=0; display_ms(10); led_3=1; led_4=0; display_ms(10); led_4=1; led_5=0; display_ms(10); led_5=1; led_6=0; display_ms(10); led_6=1; led_7=0; display_ms(10); led_7=1; led_8=0; display_ms(10); led_8=1; } } 第二部分：机器人小车 内容简介：机器人小车完成如图规定的赛道，从规定的起点开始,记录完成赛道一圈的时间。必须在30秒之内完成，超时无效。其中当小车整体都在赛道外时停止比赛，视为犯规，小车不规定运动方向,顺时针和逆时针都可以采用，但都从规定的起点开始记录时间。 作品优点及应用前景： 单片机可靠性高，编程简单单片机执行一条指令的时间是μs级，执行一个扫描周期的时间为几ms乃至几十ms。相对于电器的动作时间而言，扫描周期是
《先进制造技术》考试试卷(A)答案 一、填空题（每空2分，共30分） 1、典型FMS的三个子系统是：加工系统、运储系统、计算机控制系统。 2、先进制造技术的特点：先进性、规范性、实用性、集成性、系统性、动态性。 3、CIMS系统的三要素：人、经营、技术。 4、FMS中央管理计算机肩负的任务：控制、监控、监视。 二、名词解释（共15分，每题3分） 1、DFC Design For Cost的意思是面向成本的设计，它最早出现于九十年代初期，属于并行工程中的DFX（Design For X）技术的一个分支。面向成本的设计是指在满足用户需求的前提下，尽可能地降低成本，通过分析和研究产品制造过程及其相关的销售、使用、维修、回收、报废等产品全生命周期中的各个部分的成本组成情况，并进行评价后，对原设计中影响产品成本的过高费用部分进行修改，以达到降低成本的设计方法。DFC将成本作为设计的一个关键参数，并为设计者提供分析、评价成本的支持工具。 2、AM敏捷制造（Agile Manufacturing）敏捷制造是在具有创新精神的组织和管理结构、先进制造技术（以信息技术和柔性智能技术为主导）、有技术有知识的管理人员三大类资源支柱支撑下得以实施的，也就是将柔性生产技术、有技术有知识的劳动力与能够促进企业内部和企业之间合作的灵活管理集中在一起，通过所建立的共同基础结构，对迅速改变的市场需求和市场进度作出快速响应。敏捷制造比起其它制造方式具有更灵敏、更快捷的反应能力。 3、CE 并行工程即concurrent engineering，简称CE，是集成地、并行地设计产品及其零部件和相关各种过程（包括制造过程和相关过程）的一种系统方法。换句话说，就是融合公司的一切资源，在设计新产品时，就前瞻性地考虑和设计与产品的全生命周期有关的过程。在设计阶段就预见到产品的制造、装配、质量检测、可靠性、成本等各种因素。 4、CIM Computer Integrated Manu-facturing,简称CIM。20年来，CIM概念不断得以丰富和发展。CIM在世界各工业国的推动下，历经了百家争鸣的概念演变而进入蓬勃发展时期。80年代初，美国和日本关于CIM的定交基本上都是紧密围绕制造和产品开发这一范围。德国自80年代初期开始注意探讨CIM这一主题，出现了各种不同的概念定义，直到1985年(联邦)德车经济和平委员会(AWFA)提出了CIM的推荐性定义，取得了一定程度上的统一。 5、FMS 柔性制造系统是由统一的信息控制系统、物料储运系统和一组数字控制加工设备组成，能适应加工对象变换的自动化机械制造系统，英文缩写为FMS。FMS的工艺基础是成组技术，它按照成组的加工对象确定工艺过程，选择相适应的数控加工设备和工件、工具等物料的储运系统，并由计算机进行控制，故能自动调整并实现一定范围内多种工件的成批高效生产(即具有“柔性”)，并能及时地改变产品以满足市场需求。 三、简答题（共15分,每题5分） 1、先进制造技术的内涵 目前对先进制造技术尚没有一个明确的、一致公认的定义，经过近年来对发展先进制造技术方面开展的工作，通过对其特征的分析研究，可以认为：先进制造技术是制造业不断吸收信息技术和现代管理技术的成果，并将其综合应用于产品设计、加工、检测、管理、销售、使用、服务乃至回收的制造全过程，以实现优质、高效、低耗、清洁、灵活生产，提高对动态多变的市场的适应能力和竞争能力的制造技术的总称。 2、数据库系统在CIMS中的作用和地位 数据库分系统是支持CIMS各个分系统、覆盖企业全部信息的数据存储和管理系统。它是逻辑上统一、物理上分布的全局数据库管理系统，可以实现企业数据和信息集成。数据库系统提供了定义数据结构和方便地对数据进行操纵的功能；具有安全控制功能，保证了数据安全性； 提供完整性控制，保证数据正确性和一致性；提供并发控制，保证多个用户操作数据库数据的正确性。所以数据库技术是管理数据、实现共享的最通用的方法。 在CIMS中还有一个专用的工程数据库系统，用来处理大量的工程数据，如图形、工艺规程、NC代码等。工程数据库系统中的数据与生产管理、经营管理数据按一定的规范进行交换，从而达到全CIMS的信息集成和共享。 3、快速原型技术的基本过程
《智能控制技术》实验报告书 学院： 专业： 学号： 姓名：
实验一：模糊控制与传统PID控制的性能比较 一、实验目的 通过本实验的学习，使学生了解传统PID控制、模糊控制等基本知识，掌握传统PID控制器设计、模糊控制器设计等知识，训练学生设计控制器的能力，培养他们利用MATLAB进行仿真的技能，为今后继续模糊控制理论研究以及控制仿真等学习奠定基础。 二、实验内容 本实验主要是设计一个典型环节的传统PID控制器以及模糊控制器，并对他们的控制性能进行比较。主要涉及自控原理、计算机仿真、智能控制、模糊控制等知识。 通常的工业过程可以等效成二阶系统加上一些典型的非线性环节，如死区、饱和、纯延迟等。这里，我们假设系统为：H(s)=20e0.02s/(1.6s2+4.4s+1) 控制执行机构具有0.07的死区和0.7的饱和区，取样时间间隔T=0.01。 设计系统的模糊控制，并与传统的PID控制的性能进行比较。 三、实验原理、方法和手段 1.实验原理： 1)对典型二阶环节，根据传统PID控制，设计PID控制器，选择合适的PID 控制器参数k p、k i、k d； 2)根据模糊控制规则，编写模糊控制器。 2.实验方法和手段： 1)在PID控制仿真中，经过仔细选择，我们取k p=5，k i=0.1，k d=0.001； 2)在模糊控制仿真中，我们取k e=60，k i=0.01，k d=2.5，k u=0.8； 3)模糊控制器的输出为：u= k u×fuzzy(k e×e, k d×e’)－k i×∫edt 其中积分项用于消除控制系统的稳态误差。 4)模糊控制规则如表1-1所示： 在MATLAB程序中，Nd用于表示系统的纯延迟（Nd=t d/T）,umin用于表示控制的死区电平，umax用于表示饱和电平。当Nd=0时，表示系统不存在纯延迟。 5)根据上述给定内容，编写PID控制器、模糊控制器的MATLAB仿真程序，
（3+2）智能控制技术专业人才培养方案 一、专业名称及代码 专业名称：智能控制技术 专业代码：560304 二、招生对象、学制及学历 本专业招收普通初中毕业生，全日制五年，其中中职3年、高职2年。 三、人才培养目标与规格 1.人才培养目标 本专业主要针对锦州地区对智能控制技术技能型人才的需要，面向新型工业化的机电制造、新能源、电力和新型建材等行业，从事智能化电气元件的设计、制造、调试、维护和管理的高级技术应用性专门人才。能完成智能化设备及其生产线的安装调试、运行和维护；智能电气元件的自动化设计与改造、故障诊断、管理与售后；智能配电柜的设计制造等典型工作任务，具有较强的实践动手能力、拥护党的基本路线，德、智、体、美全面发展的高级技术应用型人才。 三、培养规格及课程体系： 能力、素质结构如下表：
六、专业核心课程简介
七、实践教学安排表 八、专业教学计划 1.教学执行计划
填写说明:打*号课时由讲座、班会、讨论、竞赛等形式完成， 2、教学环节综合分析 (1) 理论教学与实践教学比例分析 学时与学分分析 (2) 九、教学实施保障 1.师资队伍配备 （1）“双师型”专业教学团队 智能控制专业教学团队由专、兼职教师组成，本专业的专职专业教师为28人，兼职教师16其中，专业带头人1人，专业骨干教师4人；具有高级以上职称12人、具有中级职称10人；双师型教师24人；均为大学本科以上学历。教师队伍的职称、学历、专业能力满足教学要求。 （2）专业带头人 专业带头人具有本科学历，副高职称，具有双师能力；有较高的专业建设水平和企业实践能力；掌握国内外职业教育与专业发展动态，能够在专业规划、专业建设、科研与教研、教学改革和青年教师培养等方面发挥引领作用。 （3）专业骨干教师 专业骨干教师应具有本科以上学历，讲师以上职称，具有中高级职业资格证书，具有双师能力；独立承担一门以上工学结合专业主干课程，能够独立完成课程开发和教学改革项目，在专业建设中发挥骨干作用。 （4）企业兼职教师 兼职教师为锦州地区机电类相关企业和学校的能工巧匠，具有从事5年以上机电专业的
江西师范高等专科学校开设智能制造相关 专业的可行性报告 一、智能制造产业现状分析 1.智能制造产业上升到国家战略 近年来，随着世界各国在智能制造产业投入和发展，新的科技革命和产业革命能正在兴起，各国纷纷出台啦以智能制造为核心的战略。美国大力推进“工业互联网”，德国提出工业4.0的概念都致力于发展制造业的“未来工厂”的项目。智能制造不仅是全球制造业的发展方向，也是我国战略性新兴产业的重要支柱。中国制造业已经进入了新的阶段，智能制造是我国制造业摆脱高损耗和低效率的困局、提高制造业竞争力、实现“制造强国”的必由之路。 2.人才需求旺盛 与之相适应的智能控制相关的工业机器人、3D打印、智能飞行器等方面的人才的需求急速增加,尤其是工业机器人的人才需求尤为突出。传统制造业的改造提升、人工成本快速提高促使企业用工业机器人来提高产业附加值、保证产品质量，使工业机器人及智能装备产业面临前所未有的发展时机。一台工业机器人（机械臂）能否投入到生产当中去，以及能发挥多大的作用，取决于生产工艺的复杂性，产品的多样性还有周边设施的配套程度。而解决这些问题却需要3到5名相关的操作维护和集成应用人才。目前在长三角地区使用工业机器人的企业六千多家，人才缺口达5000人左右。不仅企业需要工业机器人现场编程、机器人自动化线维护等方面的人才，还需要大量从事工业机器人安装调试和售后服务等工作的专门人才。随着我国制造业的发展，预计未来3-5年，工业机器人的增速有望达到25%，高技能人才缺口将逐年加大。 3.工业机器人技术人才短缺
目前，机器人在汽车制造以外的一般工业领域应用需求快速增长，而相应的人才储备数量和质量却捉襟见肘。工业机器人应用（系统集成）是典型的多学科交叉融合的行业，目前的当务之急，是大量培养掌握机器人系统知识并能与各行业工艺要求相结合的应用工程人才，帮助用户解决机器人的应用的实际问题，取得实效，以此开拓机器人市场。从一些招聘要求不难看出，操作机器人的技术人员，是目前企业中最缺的技术工人。企业把工业机器人买回来以后，想要把标准的机器人变成一台可以投入生产的专用自动化设备，这就需要机器人应用工程师结合生产工艺和工件的类型，通过手动示教编程并结合周边的辅助设施，才能使机器人完成特定的任务。目前国内高职院校尚无工业机器人应用方面的对口专业毕业生，从事工业机器人现场编程、机器人自动线维护、工业机器人安装调试等岗位的人员主要来自对电气自动化技术、机电一体化等专业毕业生的二次培训，而且短期培训难以达到岗位要求。 二、我校开设智能制造相关专业的必要性 1.具备开设智能制造（工业机器人方向）专业的办学基础。 我校现有机电一体化技术、电气自动化技术等高职专科专业，这些为我系工业机器人技术专业的申办提供了良好的基础。首先具备一支结构合理、素质优良的专业教学团队，我院机电一体化技术专业现有机械、电子电气类16位专任教师，具备开设专业的基础，其中2位从企业引进的企业能工巧匠作兼职教师，专任教师中硕士11人，副高职称以上4人，“双师型”教师16人；其次，实验实训条件良好，目前具备开设此专业所需的电工电子实验室、电气拖动、电工实训、液压与气动、机械制图、先进制造、CAD机房、单片机实验室等实训室12个，只需补充机器人、传感器检测实训室就能满足专业建
一、选择题 1、蔡自兴教授提出智能控制系统的四元结构，认为智能控制是人工智能、控制理论、系统理论和运筹学四种学科的交叉。 2、专家是指在某一专业领域内其专业知识与解决问题的能力达到很高水平的学者。 3、专家系统中的知识按其在问题求解中的作用可分为三个层次，即数据级、知识库级和控制级。 4、不确定性知识的表示有三种:概率、确定性因子和模糊集合。 5、Hebb学习规则是一种无教师的学习方法，它只根据神经元连接间的激活水平改变权值，因此这种方法又称为相关学习和并联学习。 6、交叉运算是两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体。 二、判断题 1、IEEE控制系统协会把智能控制归纳为：智能控制系统必须具有模拟人类学习和自适应的能力。（ T ） 2、不精确推理得出的结论可能是不确定的，但会有一个确定性因子，当确定性因子超过某个域值时，结论便不成立。（ F ） 3、一般的专家系统由知识库、推理机、解释机制和知识获取系统等组成。（ T ） 4、人机接口是专家系统与领域专家、知识工程师、一般用户间进行交互的界面，由一组程序及相应的硬件组成，用于完成知识获取工作。（ F ） 5、Hopfield神经网络是反馈神经网络中最简单且应用广泛的模型，它具有联想记忆的功能。（ F ） 6、知识是将有关的信息进一步关联在一起，形成了更高层次含义的一种信息结构，信息与关联是构成知识的两个基本要素。（ T ） 7、建造知识库涉及知识库建造的两项主要技术是知识获取和知识存放。（ F ） 8、模糊控制系统往往把被控量的偏差（一维）、偏差变化（二维）以及偏差的变化率（三维）作为模糊控制器的输入。（ T ） 9、RBF网络的学习过程与BP网络的学习过程是类似的，两者的主要区别在于使用了相同的激励函数。（ F ） 10、应用遗传算法求解问题时，在编码方案、适应度函数及遗传算子确定后，算法将利用进化过程中获得的信息自信组织搜索。（ T ） 三、简答题 1.分别说明专家系统与专家控制系统？ 答：专家系统就是利用存储在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解决的现实问题的计算机系统。专家控制是将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。基于专家控制原理所设计的系统称为专家控制系统。 2.人工神经网络中两种典型的结构模型是什么？它们进行学习时具有哪些特点？ 答：两种典型的结构模型是前馈神经网络和反馈神经网络。前馈神经网络有感知器和BP网络等；主要采用 学习规则，这是有教师学习方法。反馈神经网络有Hopfield神经网络、Boltzmann机网络等；主要采用Hebb学习规则，概率式学习算法。
同济大学电子与信息工程学院实验报告 姓名：学号： 学院：专业： 实验课程名称： 任课教师： 实验项目名称：基于BP神经网络的自整定PID控制仿真实验日期：
一、实验内容： 1.熟悉神经网络的特征、结构及学习算法。 2.通过实验掌握神经网络自整定PID的工作原理。 3.了解神经网络的结构对控制结果的影响。 4.掌握用MATLAB实现实现神经网络控制系统仿真的方法。 二、实验步骤及结果演示 1.实验步骤： （1）被控对象为一时变非线性对象，数学模型可表示为 式中系数a(k)是慢时变的， （2）如图5所示确定BP网络的结构，选4-5-3型的BP网络，各层加权系数的初值取区间[-0.5,0.5]上的随机数，选定学习率η=0.25和惯性系数α=0.05. （3）在MATLAB下依据整定原理编写仿真程序并调试。 （4）给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。 （5）修改神经网络参数，如学习速率、隐含层神经元个数等，重复步骤（4）。 （6）分析数据和控制曲线。 图5 BP神经网络结构
2.结果展示： （1）实验代码： xite=0.25; alfa=0.02; IN=4; H=10; Out=3; wi=[ 0.4634 -0.4173 0.3190 0.4563; 0.1839 0.3021 0.1112 0.3395; -0.3182 0.0470 0.0850 -0.0722; -0.6266 0.0846 0.3751 -0.6900; -0.3224 0.1440 -0.2873 -0.0193; -0.0232 -0.0992 0.2636 0.2011; -0.4502 -0.2928 0.0062 -0.5640; -0.1975 -0.1332 0.1981 0.0422; 0.0521 0.0673 -0.5546 -0.4830; -0.6016 -0.4097 0.0338 -0.1503]; wi_1=wi;wi_2=wi;wi_3=wi; wo=[ -0.1620 0.3674 0.1959; -0.0337 -0.1563 -0.1454; 0.0898 0.7239 0.7605; 0.3349 0.7683 0.4714; 0.0215 0.5896 0.7143; -0.0914 0.4666 0.0771; 0.4270 0.2436 0.7026; 0.0215 0.4400 0.1121; 0.2566 0.2486 0.4857; 0.0198 0.4970 0.6450 ]'; wo_1=wo;wo_2=wo;wo_3=wo; x=[0,0,0]; u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;y_2=0;y_3=0; oh=zeros(H,1); I=oh; error_2=0; error_1=0; ts=0.001; for k=1:1:6000 time(k)=k*ts; rin(k)=1; a(k)=1.2*(1-0.8*exp(-0.1*k));
浙工大过程控制实验报告 202103120423徐天宇过程控制系统实验报告 实验一：系统认识及对象特性测试 一实验目的 1了解实验装置结构和组成及组态软件的组成使用。 2 熟悉智能仪表的使用及实验装置和软件的操作。 3熟悉单容液位过程的数学模型及阶跃响应曲线的实验方法。 4学会有实际测的得单容液位过程的阶跃响应曲线，用相关的方法分别确定它们的参数，辨识过程的数学模型。二实验内容 1 熟悉用MCGS组态的智能仪表过程控制系统。 2 用阶跃响应曲线测定单容液位过程的数学模型。三实验设备 1 AE2000B型过程控制实验装置。 2 计算机，万用表各一台。 3 RS232-485转换器1只，串口线1根，实验连接线若干。四实验原理 如图1-1所示，设水箱的进水量为Q1，出水量为Q2，水箱的液面高度为h，出水阀V2固定于某一开度值。根据物料动态平衡的关系，求得： 在零初始条件下，对上式求拉氏变换，得：
式中，T为水箱的时间常数（注意：阀V2的开度大小会影响到水箱的时间常数），T=R2*C，K=R2为单容对象的放大倍数， R1、R2分别为V1、V2阀的液阻，C 为水箱的容量系数。 阶跃响应曲线法是指通过调节过程的调节阀，使过程的控制输入产生一个阶跃变化，将被控量随时间变化的阶跃响应曲线记录下来，再根据测试记录的响应曲线求取输入输出之间的数学模型。本实验中输入为电动调节阀的开度给定值OP，通过改变电动调节阀的开度给定单容过程以阶跃变化的信号，输出为上水箱的液位高度h。电动调节阀的开度op通过组态软件界面有计算机传给智能仪表，有智能仪表输出范围为：0~100%。水箱液位高度有由传感变送器检测转换为4~20mA的标准信号，在经过智能仪表将该信号上传到计算机的组态中，由组态直接换算成高度值，在计算机窗口中显示。因此，单容液位被控对象的传递函数，是包含了由执行结构到检测装置的所有液位单回路物理关系模型有上述机理建模可知，单容液位过程是带有时滞性的一阶惯性环节，电动调节阀的开度op，近似看成与流量Q1成正比，当电动调节阀的开度op为一常量作为阶跃信号时，该单容液位过程的阶跃响应为 需要说明的是表达式（2-3）是初始量为零的情况，如果是在一个稳定的过程下进行的阶跃响应，即输入量是在原来的基础上叠加上op的变化，则输出表达式是对应原来输出值得基础上的增
《智能控制导论》上机实验报告 专业班级：自动化121 姓名：蒋德鹏 学号：201210401117 指导教师：詹跃东 昆明理工大学信息工程与自动化学院自动化系 2015年5月
洗衣机的模糊控制系统仿真 一、实验软件 Matlabb/Simulink 编程语言. 二、实验目的 1. 熟悉智能控制系统中的建模与控制过程； 2. 熟悉专家控制、模糊控制和神经网络的建模和控制算法的应用； 3. 熟悉专家控制、模糊控制和神经网络的编程语言的应用。 三、需要的预备知识 1. 熟悉Matlabb/Simulink 编程语言； 2. 熟悉专家控制、模糊控制和神经网络建模与控制方法； 3. 熟悉Matlabb/Simulink 的应用； 4. 熟悉Matlabb/Simulink 常用人机接口设计。 四、实验数据及步骤 1. 实验内容 洗衣机的模糊控制系统仿真； 2. 实验原理 模糊控制的基本原理和基本流程； 基本原理：模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。该方法首先将操作人员或专家经验编程模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。图为模糊控制原理框图。 图一 模糊控制原理框图 给定值 模糊化 模糊推理 规则库 逆模糊 传感器 执行机构 被控对象 精确量 模糊控制器
基本流程： 2. 实验步骤 （1）确定洗衣机模糊控制的结构 如图二所示为洗衣机模糊控制推理框图。 图二 洗衣机模糊控制推理框图 开始 确定模糊控制器的结构 定义输入、输出模糊集 定义隶属函数 污泥X 油脂 Y 洗涤时间Z 洗衣机模糊控 制器 建立模糊控制规则 模糊推理 Matlab 仿真 结束
摘要：在此我综述智能控制技术的现状及发展,首先简述智能控制的性能特点及主要方法;然后介绍智能控制在各行各业中的应用现状;接着论述智能控制的发展。智能控制技术的主要方法，介绍了智能控制在各行各业中的应用。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制应用自动化 浅谈智能控制技术现状及发展 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对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，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 一、智能控制的性能特点及主要方法 1.1根据智能控制的基本控制对象的开放性，复杂性，不确定性的特点，一个理想的智能控制系统具有如下性能： （1）系统对一个未知环境提供的信息进行识别、记忆、学习，并利用 积累的经验进一步改善自身性能的能力，即在经历某种变化后，变化后的
填空题（每空1分，共20分） 控制论的三要素是：信息、反馈和控制。 传统控制是经典控制和现代控制理论的统称。 智能控制系统的核心是去控制复杂性和不确定性。 神经元（即神经细胞）是由细胞体、树突、轴突和突触四部分构成。 按网络结构分，人工神经元细胞可分为层状结构和网状结构按照学习方式分可分为：有教师学习和无教师学习。 前馈型网络可分为可见层和隐含层，节点有输入节点、输出节点、计算单元。 神经网络工作过程主要由工作期和学习期两个阶段组成。 1、智能控制是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器；与自动控制原理和现代控制原理一起构成了自动控制课程体系的理论 基础。 2、智能控制系统的主要类型有：分级递阶控制系统，专家控制系统，学习控制系统，模糊控制系统，神经控制系统，遗传算法控制系统和混合控制系统等等。 3、模糊集合的表示法有扎德表示法、序偶表示法和隶属函数描述法。 4、遗传算法是以达尔文的自然选择学说为基础发展起来的。自然选择学说包括以下三个方面：遗传、变异、适者生存。 5、神经网络在智能控制中的应用主要有神经网络辨识技术和神经网络控制技术。 6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成输入单元、输出单元和隐层单元三类。 7、分级递阶控制系统：主要有三个控制级组成，按智能控制的高低分为组织级、协调级、执行级，并且这三级遵循“伴随智能递降精度递增”原则。 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性
、时不变性等相对简单的控制。 智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。 IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学) AC：描述系统的动力学特征，是一种动态反馈。 AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。 智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。 智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。 智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能 智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。 智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。 10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成） 18、专家控制的特点：灵活性、适应性和鲁棒性。 19、模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法。，它从行为上模仿人的模糊推理和决策过程。 20、模糊控制理论具有一些明显的特点：1，模糊控制不需要被控对象的数学模型2，
智能控制实验报告 姓名 学院 专业自动化班级 学号 指导教师 成绩 2019 年 12 月 25 日 实验一 模糊控制在角度随动系统中的应用一、实验目的与意义学习 Matlab 中建立模糊控制器的方法；了解模糊控制在角度随动系统中的 应用。 二、实验内容在 Matlab 中建立模糊控制器，将生成的模糊规则表插入程序代码中，交叉 编译代码，下载到目标版中进行测试。 1 、Matlab 文本模式建立模糊控制器（必做） 2 、利用 Matlab 模糊逻辑工具箱建立模糊控制器（选做） 3 、模糊控制器 Simulink 仿真（必做） 4 、嵌入式程序交叉编译（选做） 三、实验结果 1 、matlab 文本模式建立模糊控制器 %Fuzzy Controller Design clear all; close all; %新建 FIS a=newfis("myfuzzy"); %输入e，范围[-48,48],7 个模糊语言，NB,NM,NS,Z,PS,PM,PB
a=addvar(a,"input","e",[-48 48]); %Parameter e a=addmf(a,"input",1,"NB","trimf",[-48 -36 -24]); a=addmf(a,"input",1,"NM","trimf",[-36 -24 -12]); a=addmf(a,"input",1,"NS","trimf",[-24 -12 0]); a=addmf(a,"input",1,"Z","trimf",[-12 0 12]); a=addmf(a,"input",1,"PS","trimf",[0 12 24]); a=addmf(a,"input",1,"PM","trimf",[12 24 36]); a=addmf(a,"input",1,"PB","trimf",[24 36 48]); %输入ec，范围[-64,64],7 个模糊语言，NB,NM,NS,Z,PS,PM,PB a=addvar(a,"input","ec",[-64 64]); %Parameter ec a=addmf(a,"input",2,"NB","trimf",[-64 -48 -32]); a=addmf(a,"input",2,"NM","trimf",[-48 -32 -16]); a=addmf(a,"input",2,"NS","trimf",[-32 -16 0]); a=addmf(a,"input",2,"Z","trimf",[-16 0 16]); a=addmf(a,"input",2,"PS","trimf",[0 16 32]); a=addmf(a,"input",2,"PM","trimf",[16 32 48]); a=addmf(a,"input",2,"PB","trimf",[32 48 64]); %输出u，范围[-90,90]，7 个模糊语言，NB,NM,NS,Z,PS,PM,PB a=addvar(a,"output","u",[-90 90]); %Parameter u a=addmf(a,"output",1,"NB","trimf",[-90 -65 -45]); a=addmf(a,"output",1,"NM","trimf",[-65 -45 -25]); a=addmf(a,"output",1,"NS","trimf",[-45 -25 0]); a=addmf(a,"output",1,"Z","trimf",[-25 0 25]); a=addmf(a,"output",1,"PS","trimf",[0 25 45]); a=addmf(a,"output",1,"PM","trimf",[25 45 65]); a=addmf(a,"output",1,"PB","trimf",[45 65 90]); %模糊规则表，7*7=49 行，5 列 rulelist=[1 1 1 1 1; 1 2 1 1 1; 1 3 1 1 1; 1 4 2 1 1; 1 5 2 1 1; 1 6 3 1 1; 1 7 4 1 1;
《智能控制》课程考试试题B
《智能控制》课程考试试题B参考答案 一、填空题 (1) 高级机器人 (2) 智能规划与调度 (3) 自动制造系统 (4) 故障检测与诊断 (5) 小深(Deep Junior) (6) 卡斯帕洛夫(Kasparov) (7) 硬件 (8) 软件 (9) 智能 (10) 智能化 (11) 选择模糊控制器的结构 (12) 选取模糊控制规则 (13) 确定模糊化的解模糊策略,制定控制表 (14) 确定模糊控制器的参数 (15) 傅京孙 (16) 萨里迪斯 (17) 蔡自兴 (18) 生物的进化机制 (19) 进化计算 (20) 反馈机制 二、选择题 1、C 2、A 3、A 4、C 5、D 6、D 7、B 8、C 9、A 10、C 三、问答题 1、答:在研究了智能控制的二元、三元结构理论、知识、信息和智能的定义以及各相关学科的关系之后。蔡自兴教授提出了四元智能控制结构,把智能控制看作是自动控制、人工智能、信息论和运筹学四个学科的交集,如图1所示,其关系可用下式来描述。
IC = AI ∩ CT ∩ IT ∩ OR 图1 智能控制的四元结构 把信息论作为智能控制结构的一个子集是基于下列理由的: (1) 信息论是解释知识和智能的一种手段; (2) 控制论、系统论和信息论是紧密相互作用的; (3) 信息论已成为控制智能机器的工具; (4) 信息熵成为智能控制的测度; (5) 信息论参与智能控制的全过程,并对执行级起到核心作用。 2、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。 (2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。 传统控制理论在应用中面临的难题的解决,不仅需要发展控制理论与方法,而且需要开发与应用计算机科学与工程的最新成果。人工智能的产生和发展正在为自动控制系统的智能化提供有力支持。人工智能影响了许多具有不同背景的学科,它的发展已促进自动控制向着更高的水平──智能控制发展。 智能控制具有下列特点: (1) 同时具有以知识表示的非数学广义模型和以数学模型(含计算智能模型与算法)表示的混合控制过程,也往往是那些含有复杂性、不完全性、模糊性或不确定性以及不存在已知算法的过程,并以知识进行推理,以启发式策略和智能算法来引导求解过程。 (2) 智能控制的核心在高层控制,即组织级。高层控制的任务在于对实际环境或过程进行组织,即决策和规划,实现广义问题求解。 (3) 智能控制是一门边缘交叉学科。实际上,智能控制涉及更多的相关学科。智能控制的发展需要各相关学科的配合与支援,同时也要求智能控制工程师是个知识工程师。 (4) 智能控制是一个新兴的研究领域。无论在理论上或实践上它都还很不成熟、很不完善,需要进一步探索与开发。 3、答:传统控制理论在应用中面临的难题包括: (1) 传统控制系统的设计与分析是建立在精确的系统数学模型基础上的,而实际系统由于存在复杂性、非线性、时变性、不确定性和不完全性等,一般无法获得精确的数学模型。 (2) 研究这类系统时,必须提出并遵循一些比较苛刻的假设,而这些假设在应用中往往与实际不相吻合。 (3) 对于某些复杂的和包含不确定性的对象,根本无法以传统数学模型来表示,即无法解决建模问题。 (4) 为了提高性能,传统控制系统可能变得很复杂,从而增加了设备的初投资和维修费用,降低系统的可靠性。
智能控制实验 实验名称 基本模糊控制器设计 电子工程与自动化 学院 智能科学与技术 专业 08003902 班 作者 吴 学号 实验日期 2011 年 12 月 6 日 辅导员意见： 辅导员 成绩 签 名 基本模糊控制器的设计 一、实验目的 1、掌握MATLAB 软件中的模糊工具箱的使用。 2、掌握模糊控制器设计的步骤和要点。 二、实验内容 本实验设计一个含有模糊控制器的控制系统，并对该系统进行仿真，研究模糊控制器的设计方法。在此基础上自己设计5个语言变量的模糊控制器，控制系统的方框图如下： 三、实验原理 1、在Matlab 环境下，使用fuzzy 命令，进入FIS 编辑器，用File\New FIS 菜单创建Mamdani 型Fuzzy 控制器。 2、首先将输入变量1命名ER ，然后增加一个输入变量命名CE ，将输出命名CU ，这样就规定了该控制器为2个输入变量ER 和CE ，一个输出变量CU 。 3、进入隶属函数编辑界面，分别将ER 、CE 和CU 的论域设定为[-2，2]、[-0.2，0.2]和[-2，2]，分别对上述3个变量增加3和隶属函数，并以F 、O 、Z 表示变量为负值、零附近和正值。 4、进入规则编辑器界面，添加模糊控制规则，并用规则观察器和曲面观察器，对控制规则的总体情况进行观察。
5、模糊控制器设计完后，将该FIS 存盘，并将它作为一个变量保存到Workspace 中。 6、在Matlab 环境下，进入Simuink 工具箱，建立该控制系统的仿真模型，其中的模糊 控制器从模糊工具箱中取得，并将它的FIS 指定为我们前面 设计完成的模糊控制器变量。 7、对上述控制系统进行仿真，观察控制系统的阶跃响应。 四、实验内容及步骤 1、按上述步骤建立模糊控制系统的模型，进行仿真测试，观察控制系统的阶跃响应。 以下是语言变量为三个的模糊控制模型的设计过程： 其中ER 和CE 为两个输入量，CU 为输出，论域分别设定为[-2，2]、[-0.2，0.2]和[-2，2]。并且在Simulink 的参数选择的Advanced 选项参数中的Optimizations 的各设 置改为off （见实验内容2的最后一个截图）。此处因为所用受控对象为S S 1 2 有 积分环节所以CU 有正有负。 各个语言变量的设计 模糊推理规则设计 隶属度函数设计 推理规则判别显示（可检查规则设计是否有误）
智能控制技术的发展现状及心得体会 摘要： 在此综述了智能控制技术的现状及发展，首先简述智能控制的性能特点及主要方法，然后介绍智能控制在各行各业中的应用现状，接着论述智能控制的国内外发展和现状。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出创新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。 关键词：智能控制模糊控制神经网络遗传算法 一、引言 智能控制作为当今的一种交叉前沿学科，其研究中心始终是解决传统控制理论、方法（包括经典控制、现代控制、自适应控制、鲁棒控制、大系统方法等）所难以解决的不确定性问题。自智能控制概念的提出，自动控制界纷纷仿效，主流是人工智能技术引入到自动控制系统中，寻求难以精确建模的复杂系统的自动控制(自治)。 在无人干预的情况下能自主地驱动智能机器实现控制目标的自动控制技术。对许多复杂的系统，难以建立有效的数学模型和用常规的控制理论去进行定量计算和分析，而必须采用定量方法与定性方法相结合的控制方式。定量方法与定性方法相结合的目的是，要由机器用类似于人的智慧和经验来引导求解过程。因此，在研究和设计智能系统时，主要注意力不放在数学公式的表达、计算和处理方面，而是放在对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，而是研制智能机器的模型。此外，智能控制的核心在高层控制，即组织控制。高层控制是对实际环境或过程进行组织、决策和规划，以实现问题求解。为了完成这些任务，需要采用符号信息处理、启发式程序设计、知识表示、自动推理和决策等有关技术。这些问题求解过程与人脑的思维过程有一定的相似性，即具有一定程度的“智能”。 二、智能控制的性能特点 智能控制是自动控制发展的新的阶段，主要用来解决那些用传统方法难以解决的复杂、非线性和不确定的系统控制问题。智能控制系统具有以下几个特点：(1)较强的学习能力： 能对未知环境提供的信息进行识别、记忆、学习、融合、分析、推理，并利用积累的知识和经验不断优化、改进和提高自身的控制能力； (2)较强的自适应能力： 具有适应受控对象动力学特性变化、环境特性变化和运行条件变化的能力； (3)较强的容错能力： 系统对各类故障具有自诊断、屏蔽和自恢复能力； (4)较强的鲁棒性： 系统性能对环境干扰和不确定性因素不敏感； (5)较强的组织功能： 对于复杂任务和分散的传感信息具有自组织和协调功能，使系统具有主动性和灵活性； (6)实时性好：