環境試驗設備智能控制系統都有哪幾類

基于環境試驗設備智能控制理論已有的研究成果，結合當前的智能控制系統的研究現狀，可以把智能控制系統分為以下6大類：

（1）分階梯智能控制系統 

分階梯智能控制系統（HICS）是在研究早期學習控制系統的基礎上并從工程控制論的角度總結人工智能與自適應、自學習、自組織控制的關系之后逐步形成的，是智能控制理論之一。三級分階梯智能控制是由G.N.saridis于1977年提出的。該系統由組織級’協調級和執行級組成，并遵循“精度遞增智能遞減”的原則。組織級起主導作用，涉及知識的表示與處理，主要應用于人工智能協；調級在組織級和執行級間起連接作用，涉及決策方式及其表示，采用人工智能及運籌學實現控制；執行級是底層，具有很高的控制精度，采用常規自動控制。

（2）環境試驗設備專家控制系統 

專家控制系統（ECS）是將人的感性經驗和定理算法結合的一種傳統的智能控制方法。專家智能控制器運用知識進行推理，決策而產生有效的控制。其主要優點是在層次結構上控制方法上和知識表達上的靈活性。既可以以符號推理也允許數值計算，既可以表達推理也可以模糊描述決策。但靈活性同時帶來設計上隨意性和不規范性。

(3)模糊控制系統 

模糊控制系統(FCS)是從行為上模擬人的模糊推理和決策過程的一種實用控制方法.它不依賴于控制對象,適合難以建模的對象實施魯棒性控制.其特點是:一方面模糊控制提供了一種基于自然語言描述規則的控制規律新機制,易于實現.另一方面模糊控制器提供了一種改進非線性控制器的替代方法.

(4)神經網絡控制 

神經網絡控制(NNC)是從機理上對人腦生理系統進行簡單結構模擬的一種新興控制和辨識方法,是智能控制的一個重要分支.從本質上看,神經網絡是一種不以來于模型的自適應函數估計器,是一種控制策略的工具支持(從控制角度上看)本身個節點沒有明顯的工程或物理意義,但綜合神經網絡可以描述復雜和非線性控制與辨識問題.而且能做到并行實時和冗余容錯的運算.但進一步的理論和實際應用研究有待加強,特別是學習和控制算法的收斂和實時性值得重視.

(5)學習控制系統 

學習控制系統(LC)是在運行過程中逐步獲得被控對象及環境的非預知信息,積累控制經驗并在一定標準下進行估計值,分類,決策和不斷改善系統品質的自動控制方法.學習控制是模擬人類自身集中優良控制調節機制的一種嘗試,是智能控制的一部分.其不足之處在于再線學習能力差,學習速度較慢,跟不上實時的要求,因此該方法的發展依賴于好的優化理論和算法.

(6)環境試驗設備集成智能控制 

上述智能控制均建立在各自的智能控制方法上，所以各有優勢但均存在不足。當前國際智能控制方法及研究的發展趨勢已從單學科研究逐步發展到理論交叉研究，將幾種智能控制方法有機的融合在一起而構成的新一代智能控制系統稱為集成智能控制系統。如近些年模糊變結構控制FVSC,自適應神經網絡控制ANNC，專家模糊控制EFC，模糊神經網絡控制FNNC，基于遺傳算法的模糊控制GBFC等等。http://m.zgshfp.com