算法。基本思想就是将待求解问题转换成由个体组成的演化群体和对该群体进行操作的组遗传算子，包括个基本操作选择复制交叉变异。工业以适应被控对象的变化，因此，具有很强的适应性。遗传算法控制器世纪年代末，即在遗传算法等进化计算思想提出年后，在生物医学界和自动控制界出现了研究进化控制的苗头。遗传算法是基于自然选择和基因遗函数逼近能力另类是在常规控制器的基础上增加个神经网络模块，按照学习算法如前向算法和反传算法进行离线学习，实时调整出参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，域得到广泛的应用。基于神经网络的控制，其结构方式有两类类是单神经元控制，即神经元输入权值对应参数，神经元输入值为经过比例积分微分处理的偏差值，其主要局限性在于单神经元结构无任意算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以大规模并行处理为主要特征的神经网络具有学习记忆联想容错并行处理等能力，已在控制领控制灵活适应性强的优点，又具有控制精度高的特点。神经网络控制器人工神经网络是最近发展起来的十分热门的交叉学科。它涉及生物电子计受控对象的数学模型，根据人工控制规则来设计控制决策表。模糊控制与控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性控制。将模糊控制和控制两者结合起来，扬长避短，既具有模糊执行重复运动的非线性机器人系统的控制中是相当成功的。智能控制主要方法模糊控制器模糊控制器是种近年来发展和应用最普遍的新型控制器，其优点是不要求提供通过系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行前馈补偿控制器保证了系统的跟踪控制精度。它在效率。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代学习控制模仿人类学习的方法即通过多次的训练，从经验中学会种技能，来达到有效控制的目的。迭代学习控制能够通效率。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代学习控制模仿人类学习的方法即通过多次的训练，从经验中学会种技能，来达到有效控制的目的。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代学习控制模仿人类学习的方法即通过多次的训练，从经验中学会种技能，来达到有效控制的目的。迭代学习控制能够通效率。如何同时提高搜索最优解的概率和效率，是遗传算法的个主要研究方向。迭代学习控制迭代学习控制模仿人类学习的方法即通过多次的训练，从经验中学会种技能，来达到有效控制的目的。迭代学习控制能够通过系列迭代过程实现对二阶非线性动力学系统的跟踪控制。整个控制结构由线性反馈控制器和前馈学习补偿控制器组成，其中线性反馈控制器保证了非线性系统的稳定运行前馈补偿控制器保证了系统的跟踪控制精度。它在执行重复运动的非线性机器人系统的控制中是相当成功的。智能控制主要方法模糊控制器模糊控制器是种近年来发展和应用最普遍的新型控制器，其优点是不要求提供受控对象的数学模型，根据人工控制规则来设计控制决策表。模糊控制与控制有着密切的联系，事实上，模糊控制在很多情况下被称作为非线性控制。将模糊控制和控制两者结合起来，扬长避短，既具有模糊控制灵活适应性强的优点，又具有控制精度高的特点。神经网络控制器人工神经网络是最近发展起来的十分热门的交叉学科。它涉及生物电子计算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展对目前和未来的科学技术的发展将有着重要的影响。以大规模并行处理为主要特征的神经网络具有学习记忆联想容错并行处理等能力，已在控制领域得到广泛的应用。基于神经网络的控制，其结构方式有两类类是单神经元控制，即神经元输入权值对应参数，神经元输入值为经过比例积分微分处理的偏差值，其主要局限性在于单神经元结构无任意函数逼近能力另类是在常规控制器的基础上增加个神经网络模块，按照学习算法如前向算法和反传算法进行离线学习，实时调整出参数，同时还要继续学习不断地调整神经网络中各神经元间权系数，以适应被控对象的变化，因此，具有很强的适应性。绪论智能控制系统发展概况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。智能控制的主要方法智能控制技术的主要方法有模糊控制基于知识的专家控制神经网络控制和集成智能控制等，以及常用优化算法有遗传算法蚁群算法免疫算法等。模糊控制模糊控制以模糊集合模糊语言变量模糊推理为其理论基础，以先验知识和专家经验作为控制规则。其基本思想是用机器模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用模糊控制器近似推理等手段，实现系统控制。在实现模糊控制时主要考虑模糊变量的隶属度函数的确定，以及控制规则的制定二者缺不可。专家控制专家控制是将专家系统的理论技术与控制理论技术相结合，仿效专家的经验，实现对系统控制的种智能控制。主体由知识库和推理机构组成，通过对知识的获取与组织，按种策略适时选用恰当的规则进行推理，以实现对控制对象的控制。专家控制可以灵活地选取控制率，灵活性高可通过调整控制器的参数，适应对象特性及环境的变化，适应性好通过专家规则，系统可以在非线性大偏差的情况下可靠地工作，鲁棒性强。神经网络控制神经网络模拟人脑神经元的活动，利用神经元之间的联结与权值的分布来表示特定的信息，通过不断修正连接的权值进行自我学习，以逼近理论为依据进行神经网络建模，并以直接自校正控制间接自校正控制神经网络预测控制等方式实现智能控制。学习控制遗传算法学习控制智能控制是通过计算机实现对系统的控制，因此控制技术离不开优化技术。快速高效全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择和遗传机制的种搜索和优化算法，它模拟生物界生存竞争，优胜劣汰，适者生存的机制，利用复制交叉变异等遗传操作来完成寻优。遗传