过程控制中的仿人智能控制
硝化棉煮洗过程仿人智能模糊控制
文 中设 计 了仿 人智 能 与 模 糊控 制 相 结 合 的仿 人智 能模 糊控 制器 ， 其应 用于 硝化 棉 的煮洗 温度 将
控制 ．
１ 仿人智能控制原理
仿人 智能 控制 器 的原算 法 于 １７ 年 重庆 大学 ９９
蒸 汽 刺 器
文章 编号 ： １ ７ —９ ５ ２ ０ ） ６５ ５０ ６ ３９ ６ （ ０ ７ ０ ５ —３
硝 化 棉 煮 洗 过 程 仿 人 智 能 模 糊 控 制
高 丽 ，安 琳 ，敬 伟 ，王 鹏
（ 西安工业大学 电信＿ 程学 院， ［ 西安 ７ ０ ３ ） １工艺过程 控制 煮洗温度 的控 制精 度 ， 中分析 了硝 化棉 煮洗工 艺 文
制 器不 断记 录偏 差 的极 值 ， 正控 制 器 的输 出 ， 校 以
影 响硝 化 棉 安定 处 理 质 量 主要 的 因素有 煮 洗
适应变化的要求． 仿人智能控制器的算法＿为 ５
，
温度 和煮洗 时 间． 洗桶 内各 点 的温度 应均 匀 以保 煮 证产 品质量 的均匀 性 ． 因此 ， 要保 证 硝 化 棉 安 定 处
制在内的单一控制方法均存在一定局限性 ， 因此要 考虑 各种 控制方 法 的集成 ［． ６ 仿人 智能 与模 糊控 制 ］
相结 合 的仿人智 能 模 糊 控制 器 具 有模 糊 控制 器 的
（） １
１ ｌ
．
（ ＞ ０ Ｕ Ｐ ≠ ０ ）
模糊 控 制 与专 家控 制 系统 相 结 合 的控 制 方 法＿ 并 ３
＊
收 稿 日期 ：０ ７０～８ ２ ０ —９２ 基 金 资助 ： 西 省 教 育 厅 专 项 科 研 计 划 项 目 （６Ｋ２ ３ 陕 ０Ｊ ７ ） 作 者 简介 ： 丽 （９ ５） 女 ， 安 工 业 大学 教 授 ， 高 １ ６一 ， 西 主要 研 究 方 向为 智 能 控 制 策 略 优 化 与 技 术 集 成 ． － ｉ ｇｏｉｘｔ ｓ ａ ｃｍ． Ｅ ｍａｌ ａ ｌ ｉ ｉ 。ｏ ： ＿ ＠ ｎ
造纸过程中的灰分仿人控制
合， 混合后 的纸浆经过压力筛和高位稳
浆箱进 入网前箱 ， 网前箱形成均匀稳定
过程具有纯滞后 ，干扰 因素多的优点 ， 识法对模型进行参数辨识 ， 图 ２中 按照
因此控制方案应考虑到这一问题。 本设 结构并且 根据非线性 系统产 生稳定极
关键 词 ： 灰分 ； 实时控制 ； 电辨识 ； 继 仿人 智 量 ， 是实现灰分控制的关键。
能控制 ；
统模型结构如图 ２ ．
在这个过程 中， 本文 的研究对象是 ２ 数学模型的继 电辨识 生产 ６ 一 ０ Ｏ ８ ｍ 文化用纸 的长 网纸机 ，
中图分类号 ：Ｓ ３ ．Ｐ ７ 文献标识码 ： Ｔ ７ ６Ｔ ２ ３ Ａ
舢
其中 ， ｌｐ ｗ９ ｌ仃Ｍ 仃 ４ 帅 ｜ Ｇ（ ０ ＝ 帅 ／ｄ ， ｋ ｊ ）
ｋ ｌ （ Ｉ） １Ｍｌ４ ｌ， 立求 方 舯＝Ｊ Ｊ 帅 ｌ ｒ ｄ 联 ＿ １ 舯
程 （ 、） ４ （ 得 ）５
日 —¨ ＿ ： ＿＿
毋
ｍｕ ＋ ｆ ｌ ， ｅ产（ｌ Ｋ ｋ ）Ｊ ｆ
ｃｓ ｇａ ｎｍ ＇ ｏ（ ｏ＂－ ｓ （ ｇ ） ｍ ） ｉ ｊ ｏ￣
—
—
—
—
（） ４
ｃｇ ８ 曲面 １ —ｌ ０ ｌ ＇ ＋ ￣ｌ ｓ ｏ ＝
（） ５
．ｊ ８ － Ｒｉｏ
ｊ ｜ ｋ ｉ
Ｕ： １ ｕ：
ｌ ｕ ＋ ＋ Ｊ
≠０ ） （ ２） １
ｌ Ｊ
仅可以提高纸张的各种性能 ， 更重要 的 反馈控制产 生 的极限环周期 震荡确定 是 它可 以代替部分纤 维 ，从 而降低成 出系统临界增益 Ｊ 和临界角频率 面 ｝ ，
人工智能算法在过程控制中的应用研究
人工智能算法在过程控制中的应用研究随着科学技术不断的发展，特别是计算机技术、人工智能领域的快速发展，人工智能算法在工业生产和过程控制中的应用越来越广泛。
本文将从人工智能算法的概念、人工智能算法在过程控制中的应用以及未来的发展趋势三个方向来对人工智能算法在工业生产和过程控制中的应用进行研究和探讨。
一、人工智能算法的概念人工智能（Artificial Intelligence，简称AI）是指通过人工智能算法来模仿、扩展人的智能。
人工智能算法是指通过信息处理的方法，使计算机系统能够完成人工智能所要求的各种智力活动。
人工智能算法已经成为从数据库中提取有价值信息、智能控制等领域的核心技术，同时也是一大热门的研究领域。
主要应用于模式识别、机器学习、计算智能、计算机视觉等领域。
二、人工智能算法在过程控制中的应用随着工业生产任务的日益复杂，过程控制的自动化程度也在逐步提高。
以化工行业为例，化工生产过程的控制是一个涉及多种参数变量关系的复杂过程。
在传统的控制方法中，往往会有一些难以处理的变量因素，导致最终的控制结果并不能达到理想的状态。
人工智能算法的优势就在于能够发现这些变量之间的内在复杂性，并通过学习和适应的方式来实现更好的控制效果。
人工神经网络是人工智能算法中的一个重要分支，经过了多年的发展，逐渐成为了化工过程控制中的研究热门。
首先，神经网络可以根据信号处理的需求来自动生成决策，并可以根据学习算法和知识整合技术不断改进决策过程。
另外，人工智能算法还可以用来进行生产过程的模拟和优化。
通过对生产过程中的各种变量因素进行综合分析，可以找到最优的控制策略，从而提高生产效率、降低资源消耗和废品率等，对企业的可持续发展是极其有益的。
三、未来的发展趋势未来，人工智能算法在过程控制中的应用将会更加广泛和深入，具有很大的发展空间。
一方面，人工智能算法可以结合企业实际的控制需求，发挥更广泛的应用效果。
另一方面，人工智能算法和其他领域的交叉也将变得更加广泛。
水下机器人运动控制中的仿人智能控制策略
ｄｓｒ ｅ ｅ ｉ ｄｙ ｍ ｔ ｙ ｐｒｔ ｅｉ ｅｃｎ ｏ ｏｊｃ ｉ ｃｏｅ ｎ ｉ ｌｔ ｎｅｐｒ ｅ ｔｏ ｅｃ ｂ ｄｄｔ ｌ ｌ．Ａｒ ｏ ｌ ｏ ｅ ｅ ｖｈｃ ｏ ｔ ｌ ｂ ｔｓ ｈｓｎａ ｄｓ ａｉ ｘ ｅ ｍ ｎ ｉ ａｅ ｅ ｅ ａｄ ｌ ｒ ｅ ｍｕ ｏ ｉ ｓｆ
得集成后 的整个系统处于某 种意义下 的优 化状
但控 １ 水下机器人控制中存在的问题和对象特性 态 ， 制 中主要存 在一些 问题 。 １ ）不 确定 性 问题 。传 统 控 制 是 基 于 数 学模
对大型 复杂过 程 （ 对象 ）的控制 ， 般 是按 或 一 型 的控 制 ， 为控 制 、 象 和 干扰 的模 型是 已知 即认 对
Ａｂｔａｔ Ｒ ｍ ｔ ｙｏｅａ ｄｖｈｃ Ｒ Ｖ）ｏ ｅ ｏ ｓ ｈ ｈｒｃ ｒ ｆ ｎ ｅｔ ｎ ， ｎ ｉ ｃｌ ｓ ｃ ： ｅ ｏｅ ｐ ｒ ｅ ｅｉ ｅ（ Ｏ ｒ ｌ ｔ ｌ ｔ ｈ ｔ ｆ ｎｓ ｗ ｅｃａａｔ ｃｒ ｉ ｙ ａｄｉｉ ｄｆ ｕｔ ｅ ｏｕ ａｔ ｔｓ ｆ ｉ
某种准则在低层把其分解 为若干子系统 ， 再实施 控制。在上层协调各子系统之间的性能指标， 使
的或者通过辩识可以得到的。但水下机器人运动
ｔ ｕｌ ｔ ｍａｈ ｍａ ｉ ｍｏ ｕ ｅ ｅ ｕｔ ｇ ｉ ｉ ｃ ｌ ｏ ｇ ｔ ｇ ｏ ｏ ｔｏ ｅｆｃ ｆ ｎ ｒ ｌ Ｐ Ｄ ｉ ｏ ｂ ｉ ｉ ｔ ｅ ｔ ｄ ｌ ，ｒ ｓ ｌ ｎ ｎ ｄ ｆ ｕｔ ｔ ｅ ｏ ｄ ｃ ｎｒ ｌ ｆ ｔ ｉ ｏ ｍａ Ｉ ｓ ｄ ｓ ｃ ｉ ｉ ｆ ｙ ｅ ａ ｏ ｔｄ ｈ ｓｐ ｐ ｒｂ ｎ ｓｆｒ ａｄ ｓ ｖ ｒ ｏ ｔ ｌ ｔ ｔ ｇｅ ，ａ ａｙ ｅ ｎ ｏ ａ ｅ ｈ ｍ ，ａ ｄ ｆ ａ ｌ ｄ ｐ ｅ ．Ｔ ｉ ａ ｅ ｒ ｇ ｏ ｗ ｒ ｅ ｅａ ｃ ｎ ｒ ｒ ｅ ｉｓ ｎ ｌ ｓ ｓａ ｄ ｃ ｍｐ ｓ ｔ ｅ ｉ ｌ ｏ ｓａ ｒ ｎ ｎ ｙ ｉｌ
《智能控制基础》第5章仿人智能控制-清华大学出版社
传统控制中以经典的时域性能指标和最优控制
的误差泛函积分评价指标系统进行的设计非常重要， e
但也存在着很大的局限性。经典的时域性能指标非
常直观，但不能直接用于设计，只能作为设计结束
后的评价。传统的单模态控制方式在设计时无法兼
顾所有的指标。最优控制的误差泛函积分评价指标
t
虽然可直接参与设计，但只能在各经典的时域性能
如图5-6中曲线（a）+（b）表明了一个
e
理想的定值控制过程；曲线（b）则为一个
理想的伺服控制的动态过程。如果以这样的
(a)
运动轨迹作为设计智能控制器的目标，理想
的情况就是，控制器迫使系统的动态特性在
该轨迹上滑动。但由于被控对象具有不确定
性和未知性，实际上运动的轨迹只可能处在
这条理想曲线周围的一曲柱中（对（e e ）
5.2.2 仿人智能控制的设计方法
控制系统的设计是在离线的情况下进行的。建立什么样的模型、以何种程 度反映实际被控对象来进行控制器的设计，是控制系统设计方法首先应当解决 的关键问题之一。然而，大多数的实际被控对象都具有非线性、时变性和不确 定性，要建立准确而又便于智能控制设计方法利用的模型非常困难。但是，控 制系统数学模型的“类等效”模型简化方法为设计者提供了一个十分有效的途 径。
仿人智能推理与控制器的实现
Ｋｅ ， ｒ ｓ Ｉｔ ｌ ｇ ｎ ｏ ｔｏ ， ｏ ｕ ｅ ｏ ｔ ｌ Ｈｕ ｎ ｌ ｅ Ｉ ｔ ｌ ｇ ｎ ｏ ｔｏ ｙ ＇ ｄ ： ｎ ｅｌ ｅ ｔ ｃ ｎｒ ｌ Ｃห้องสมุดไป่ตู้ｍｐ ｔ ｒ ｃ ｎ ｒ ， ｍａ ｉ ｎ ｅ ｉｅ ｔ ｃ ｎ ｒ ｌ ｗ ｏ ｉ ｏ ｋ
＿
１ 引 言
人的思维可分为三类 ： 象（ 形 直感 ） 维 、 象 （ 辑 ） 维 思 抽 逻 思 和 灵感 （ 顿悟 ） 维 。 其 中形 象 思 维 和抽象 思维 是 基 本 形 式 ， 思 灵 感 思维 是上 述 两 种 思 维基 础 上 的 交 叉 、碰 撞 出的 思 维 火 花 一 刨 造 性 思 维 。人 的 思 维 包括 上 述 三种 形 式 ， 的控 制 思 维 也 包 括 人 上 述 三 种 形式 。 但 人 的控 制思 维 同一 般 的思 维 有 一 定 的 区别 。
—
ｃ ｎｒｌｉ ｐｅｅ ｔｄ ｉ ｈ ｒｖｏ ｓ ｐ ｐ ￣ ｎ ｔｉ ｐ ｐ ｒｂ ｓｄ ｏ ｈ ｉｇｅ ｉｐ ｔｓ ｇｅ ｏ ｔｕ ｙｔｍ ， ａ ｔｕ ｔｒ ｏ ｔ ｓ ｒｓ ｎｅ ｎ ｔｅ ｐｅ ｉｕ ａ ｅ ｌ ｈｓ ａ ｅ ａ ｎ ｔｅ ｓｎ ｌ ｎ ｕ ｉ ｌ ｕｐ ｔｓｓｅ ａ ｒ ｌｓｒｃｕｅ ｏ ． Ｉ ｅ ｎ ｅ
一
２ 仿 人智 能推理 与 控制器 的 实现
仿 人 智 能 推 理 与控 制器 的实 现 如 图 １ 示 所 各 个 模 块 功 能介 绍 如 下 ： ．
２１ 数 据 处 理 模 块 ．
数 据处 理 模 块 完 成 偏 差 和 偏 差 变 化 的 计 算 ． 并 对 其 比例 化 、 化 和模 糊 化 。 偏 差 （ 和偏 差 的 变 化 （ Ｃ 的 论 域 取 为 ： 量 Ｅ） Ｅ）
仿人智能控制原型算法的改进
第 ２ 卷第 １期 ｌ
２０ ０ ８年 １月
烟 台大学 学报 （ 自然 科 学与 工程版 ）
Ｊｕｎｌ ｆ ａｔ ｎ ｅｓｙ（ ａ ｒｌ ｃ ｎｅａｄＥ ｇｎｅ ｎ ｄｔｎ ｏｒａ ｏ ｎ ｉ ｉ ｒｉ Ｎ ｔ ａ Ｓｉ ｃ ｎ ｎｉｅｒ ｇＥ ｉｏ ） Ｙ ａＵ ｖ ｔ ｕ ｅ ｉ ｉ
接对人 的控 制经 验 、 巧 和 各 种 直觉 推 理 逻 辑 进 技 行 测 辨 、 括 和 总结 ， 概 编制 成 各 种 简单 实 用 、 度 精
（） ２ 在模拟人 的行 为功 能不 断完善 和发展 中 ，
向模拟人的结构功能发展． 在线仿人 自校正控制器
的提出 ， 标志着又 向结构功能模 拟方 向迈 出了重 要 的一 步． 至此 ， 以行 为功 能模 拟 和结 构 功能模 拟 为
６ ２
烟 台大 学学 报（自然科 学 与工 程版 ）
第２ ｌ卷
制； 从线性 系统到非线性系统的智能控制； 从定值
控 制 到伺 服 系统 的 智 能控 制 ； 大 时 延 过程 的智 从 能控制 ， 到小 时延快 速 系统 的智能控 制 ； 从单 变量 系统到 多变量 及 多 变量 时延 系 统 的智 能 控 制 ； 直 到机器人 关节 的智 能控 制 ． 人 智 能 控制 的 研 究 仿
高、 鲁棒性强 、 能实时运行 的控制算法 ， 于实际 用 控制系统． 也就是说 ， 目前的仿人智能控制各种方 法仅仅 是对 人 的行 为 功 能进 行 了模 拟 ， 主要 应 用 于一些单输入单输 出、 非线性 、 滞后 、 以建立模 难
收 稿 日期 ： ０７ ６ １ ２ ０ － —５ ０
摘
要 ： 人 智能控 制原 型 算法 易引起 控制 系统的超 调 ， 仿 没有 完全模 拟 人 的控 制 策略 改
锅炉燃烧系统的仿人智能控制
第 ２ ２卷
第 ３期
北 京 理 工 大 学 学 报
Ｊ ｕ ｎ ｌｏ ｅｊ ｇ Ｉ ｓｉｕ ｅｏ ｃ ｎ ｌｇ ｏ ｒ ａ ｆＢ ｉｎ ｎ ｔｔ ｔ ｆＴｅ ｈ ｏｏ ｙ ｉ
Ｖ ｏ ．２２ Ｎ Ｏ．３ １
２０ ０ ２年 ６月
Ｊ ｎ ２ ０ ｕ． ０２
文 章 编 号 ：０ １０ ４ （ ０ ２ ０ —３ ５０ １０ — ６ ５ ２ ０ ） ３０ １ －３
锅 炉 燃 烧 系 统 的 仿 人 智 能 控 制
高 岩 ， 龚 至 豪 ， 黄 鸿
（Ｌ 理 工 大 学 自动 控 制 系 ， 京 Ｉ －京 北 １０８ ） ０ ０ １
ＧＡＯ ｎ， Ｙａ ＧＯＮＧ Ｚｈｉｈａ — ｏ， ＨＵ ＡＮ Ｇ Ｈｏｎ ｇ
（ ｐ ．ｏ ｔ ｍａｉ ｎ ｒ ｌ Ｄｅ ｔ ｆＡｕ ｏ ｔ Ｃｏ ｔｏ ，Ｂｅｊ ｇ Ｉ ｓｉｕ ｅｏ ｃ ｏ ｏ ｙ，Ｂｅｊ ｇ １ ０ ８ ，Ｃｈｎ ｃ ｉｎ ｎ ｔ ｔ ｆＴｅ ｈｎ ｌｇ ｉ ｔ ｉｎ ０ ０ １ ｉ ｉａ）
ｃ ｏｍ ｐａ ｉ ｔｅ ｈａ ｒ ｄｉｉ ｎａ ｏｎ ｒ ｅ ｈｏ ． ｒｎｇ ｂｅ ｔ ｒ ｔ ｎ ｔ ａ ｔｏ ｌｃ ｔ ｏｌｍ ｔ ｄｓ
Ｋｅ ｙ ｗｏｒ ｄｓ：ｉ ｅ ｌｇｅ ｏｎｔｏｌ ｅ ｆｓ ａ ｃ ｉ ｎｔ ｌｉ ｎｔ ｃ ｒ ；ｓ ｌ— ｅ ｒ ｈ ｎｇ ｏｐｔｍ ｕ ｃ ｔ ｏ ；ａ ｔｆｃａ ｎｔ ｌｉ ｅ ｉ ｍ ｏｎ ｒ ｌ ｒ ｉｉ ｉｌｉ ｅ ｌｇ ｎｔ
关键词 ： 能控制 ；自寻最优控 制 ；人工智 能 智
中图 分 类 号 ：Ｔ ７ Ｐ２３ 文献标 识码 ： Ａ
Ａｒ ｉ ｉ ｉ ｌ Ｉ ｅ ｌｇ ｎｃ ｎｔ ｏ ｆ Ｂｏ ｌ ｒ Ｓ Ｃｏ ｂ ｔ ｏ ｙ ｔ ｍ ｔ ｆ ｃ ａ ｎｔ ｌｉ ｅ ｅ Ｃｏ ｒ ｌ ｏ ｉｅ ’ ｍ ｕｓ ｉ ｎ Ｓ ｓ ｅ
仿人智能控制
仿人智能控制仿人智能控制是仿效人的政行为而进行控制和决策，即在宏观结构上和功能上对人的控制进行模拟。
开展仿人智能控制的研究，是目前智能控制的一个重要研究方向。
1.仿人智能控制的原理1.1 仿人智能控制的基本思想传统的PID控制是一种反馈控制，存在着按偏差的比例、积分和微分三种控制作用。
比例：偏差一产生，控制器就有控制作用，使被控量想偏差减小的方向变化，器控制作用的强弱取决于比例系数Kp积分：它能对偏差进行记忆并积分，有利于消除静差，但作用太强，既Ti太大会是控制的动态性能变差，以至使系统不稳定。
微分：能敏感出偏差的变化趋势， To大可加快系统响应（使超调减小），但又会使系统抑制干扰的能力降低。
下面来分析一下PID控制中的三种控制作用的是指以及他们的功能与人的控制思维的某种智能差异，从而看出控制规律的智能化发展趋势。
1）比例；PID中实质是一种线性放大或缩小的作用，它类似于人的想象能力，可以把一个量想得大一些或小一些，但人的想象力是非线性的是变的，可根据情况灵活变化。
2）积分作用：对偏差信号的记忆功能（积分），人脑的记忆功能是人类的一种基本智能，人脑的记忆是具有某种选择性的。
可以记住有用的信息，而遗忘无用或长时间的信息，而PID中的积分是不加选择的长期记忆，其中包括对控制不利的信息，同比PID中不加选择的积分作用缺乏智能性。
3）微分：体现了信号的变化趋势，这种作用类似于人的预见性，但PID中的微分的预见性缺乏人的远见卓识，且对变化快的信号敏感，对变化慢的信号预见性差仿人智能控制的基本思想是指：在控制过程中利用计算机模拟人的控制行为能力，最大限度的识别和利用控制系统动态过程所提供的特征信息进行启发和直觉推理，从而实现对缺乏精确数学模型的对象进行有效的控制1.2 仿人智能行为的特征变量对系统动态特征的模式识别，主要是对动态模式的分类，根据系统偏差e及偏差变化△e以及由它们相应的组合的特征变量来划分动态特征模式，通过这些特征模式刻画动态系统的动态行为特征，以便作为智能控制决策的依据。
加热炉炉温仿人智能控制策略及应用
Ｂ
‘
，
／ 一
多模态控制 ，灵活 地运 用直觉推理 。这些特性都是人 的控制
经验 的总结，因此 仿人智能控制器具有较高 的智 能性 ，并具 有 良好的控制 性 。例如： 比例作用 ，实际上是一种线性 的放大 （ 或缩小 ）作用 ，它有些类似 于人 的想 象功能，人可
以把 一个 量 （ 物 体 、事物 ）想 象 的大 一 些或 小 一 些 ，但 人 或
效果 。
示前一个和前两个采样 时刻 的误差 ，则有 ： Ａ ｎ＝ ｎ ｎ１ △ １ ｎ１ ｅ一 ｅ ｅ —ｅ一 ， 一 ＝ｅ一 － ．２ （ ）在控制算法 中选取特 征变量 ： １ 势，如 图 １ 所示 。
Ｌ Ｙ
Ｄ’
ｘ△ ，判 断该
２ 仿人智能控制与常规 Ｐ Ｄ Ｉ 控制 的区别
当 ×△ ＜ ０时 ， 如 Ｂ 段 和 ＤＥ段 ，表 明 系统 的动 Ｃ
态过程 正 向着 误差减小 的方 向变化 ；当 ×△Ｐ ＞ ０时，如 ＡＢ段和 Ｃ 段，表明系统的动态过程正 向着误差增加 的方 Ｄ 向变 化。 （ ）选取特征变量 ：△ ×△ ２
一
用 的控制 ， 常规 ＰＤ控制 中比例 作用 是根据误差线性 的进行 Ｉ
态特征 变量 的选取 以及 进行仿人 智能控制器设计的步骤 ， 并针对加 热炉的温度 控制特点给 出了炉温仿人智 能控制 策略 ， 从仿
真结 果和 实验 室测试验证 了算法的可实现性 阐述 了仿人 智能控制将 原本相 互制约的控制品质 （ 快速性 、平稳性 、准确性 ）
得 以有机统一 ，在 工业控 制中有 着较 好的应用前景 关键词 ：智能温控 ；仿人 策略；Ｐ Ｄ 制；特征变量；温度控制 Ｉ控
放大或缩 小， 积分作用 却是 不加 区别地把误差 的存在和误差 变化信息都进行记忆 下来，缺乏智 能性 常规 ＰＤ 中的微分 Ｉ 作用 的 “ 预见性 ”缺乏人 的远见卓 识的预 见性，因为它对变 化快 的信 号敏感 ，而不 善于敏感变化缓慢信号的变化趋势 。 所 以，常规 ＰＤ控制中的 比例 、积分和微分三种控制作 Ｉ
发酵过程中基于动态解耦的仿人智能协调控制
对发 酵补料 系统进 行 动 态解耦控 制 ， 实现发 酵 过程控 制 的智 能化 处理 ， 达到优 化发 酵 生产 的 目的 。 关 键词 ：仿人 智 能协调控 制 ； 仿人 智 能模 糊 控制 ； 动态 解耦 ； 补料 控制
中图分类 号 ： ７ ＴＰ ２ ３ 文献 标识 码 ： Ａ
Ｔｈｅ Ｓ ｕ ｙ ｆ ｒ Ｈｕ ａ — ｉ ｕ ａ ｅ ｎｔ ｌｉ ｅ ｏ ｄｉ ａ ｅ ｎｔ ｏ ｔ ｄ ｏ ｍ ｎ Ｓ ｍ ｌ ｔ ｄ Ｉ ｅ ｌｇ ｎｔＣｏ ｒ ｎ ｔ ｄ Ｃｏ ｒ ｌ Ｓ ｓ ｅ Ｂａ ｅ ｎ Ｄｙ ｍ ｉ ｃ ｕ ｉ ｙ ｔ ｍ ｓ ｄ ｏ ｎａ ｃ Ｄｅ ｏ ｐｌｎｇ
在 青霉 素 发 酵 过 程 中 ， Ｈ 值 的 控 制 主 要 通 过 ｐ 补 加糖 和氨水 实现 ， 而加 糖 量 的控 制 又 主要 以 比生 长 速率 为依据 ， 同时 比生 长速 率 又 会 受 到环 境 因素 ｐ 值 的影 响 ， 比生 长速 率 会 间接 受 到 加 入 氨 水 Ｈ 即 量 的影 响 。 由此 得 出 结 论 ： 青 霉 素 发 酵 过 程 中 ， 在
文 章 编 号 ： ６ ３１ ８ （ ０ ８ ０ — １ １０ １７ —６ ９２ ０ ）６０ ２—５
发酵过程 中基于动态解耦 的仿人智能协调控制
冯 茜 李胜 玉 ，
（ 内蒙古 科技 大 学 信 息工 程学 院 ， 内蒙古 包 头 ０ ４ １ ） １ ０ ０ 摘 要 ：以青霉 素发 酵 过程 为对 象 ， 立 了能够 反 映发 酵过 程 中比生 长速 率 和 ｐ 值 变化 的动 态 建 Ｈ
控制系统人工智能控制技术
控制系统人工智能控制技术随着科技的不断发展，人工智能已经成为控制系统领域的热门技术之一。
人工智能控制技术强调通过计算机模拟和仿真人类的思维模式和经验，以提高控制系统的性能和效率。
一、人工智能和控制系统人工智能是计算机科学和工程学的一门新兴技术，其目的是模拟人的智力和思维过程，以便在计算机上运行。
控制系统可以定义为通过开闭环反馈控制的系统，以确保达到所需的输出目标。
控制系统的一般主要包括传感器、执行器和控制器，并且可以应用于广泛的工业场景以及家庭和个人应用。
人工智能技术在控制系统中的应用，可以为工业场景和个人用户提供更高效、更智能的控制体验。
它可以实现更好的系统自适应性，更自然的人机交互方式，更优化的控制策略。
二、人工智能控制技术的种类1.神经网络控制神经网络控制是通过模拟人脑神经系统的思维方式，将控制系统的输入与输出联系起来的技术。
神经网络控制技术通过建立神经网络模型，进行学习和训练，最终实现对控制系统的调节和优化。
2.模糊控制模糊控制技术可以根据控制系统的输入变量和隶属函数，通过逻辑运算求出控制变量。
模糊控制技术的优势在于其对非线性系统的适应性更强，能够处理参数不确定性和系统复杂性问题。
3.基于规则的控制基于规则的控制技术是通过规则库，将输入信号映射到输出变量上的技术。
其核心是“如果……那么”规则，可以应用于许多控制系统中，如机器人控制、汽车控制和空调控制等。
三、人工智能控制技术的应用1. 工业控制工业控制是人工智能技术应用的主要领域。
人工智能技术可以应用于许多工业制造领域，如化工、制药和生产制造等。
例如，神经网络控制技术可以被应用于化工领域中的化学反应控制，以及机器人制造中的自动控制等。
2. 智能家居智能家居控制是人工智能控制技术应用的另一个领域。
智能家居控制系统可以通过连接家居设备和网络服务，实现家居设备的智能化自动化控制。
例如，室内空气质量传感器可以自动检测空气质量，并通过人工智能控制技术自动调节空调的运行，以达到最优化的空气质量。
仿人智能PID控制器的设计与应用
（ ａｊｎ ｏ ｔ ｈ ｉ Ｕ ｉ ｒｔ， ， ＭＮ ｎ ｎ １０ ９，ｈｎ ） Ｎ ｎｉ Ｐ ｌ ｅ ｎ ｎ ｅ ｉ 肋 ａｆ ｇ２０ ０ Ｃ ｉａ ｇ ｙ ｃ ｃ ｖ ｓｙ ｉ
Ａｂｓｒ ｃ ： ｎ ｖｅ ｏ ｈ ａ ｔｔ ａ ｅ ｍｅ ａ ｉｎ ｐ ｏ ｅ ｓｗｏ ｌ ａ ｅ ｓ ｍｅ ｕｎ ｅ ｉａ ｌ ｆｅ ｔ ， ｕｃ ｔ ａ ｔ Ｉ ｉｗ ｆｔ ｅ ｆ ｃ ｈ ｔａ ｆ ｒ ｎｔｔ ｒ ｃ ｓ ｕ ｄ ｈ ｖ ｏ ｄ ｓｒ ｂ ｅ ｅｆ ｃｓ ｓ ｈ ｏ ａ ｎ ｅ ｔｉ ｔ ｎ ｎ ｉ ａ ｉｙ，ａ ｇ ｉ ａ ｅｃ，ｈ ａ ｒ ｐ ｅ ｅ ｔ ｉ ｄ ｏ ｕ ｎ—ｉ ｌ ｔ ｎ ｉｔ ｌ ｇ ｎ ｓ ｕ ｃ ｒａｎ ｙ， ｏ ｌ ｎｅ ｒｔ ｌｒ ｅ ｔ ｍｅ ｌｇ， ｔ ｔ ｅ ｐ ｐｅ ｒ ｓ ｎ ｓ ａ ｋ ｎ ｆｈ ｍａ ｓｍｕ ａ ｉ ｎ ｅ ｌ ｅ ｔ ｏ ｉ Ｐ Ｄ ｏ ｒ ｌｔｒ ｈ ｉ ｕｅ ｉ ｏ ｉ ａ ｉｎ ｗｉｈ ｔ ｅ ｓｒ ｎ ｏ ｎ ｓｏ ｈ ｎｅ ｒｌａ ｄ ｆ ｚ ｙ ｃ ｎｒ ｌａ ｌ ｄ ｔ Ｉ ｃ ｎｔｏ ｅ ｃ ｎ ｑ ｎ ｃ ｍｂ ｎ ｔ ｔ ｈ ｔｏ ｇ ｐ ｉ ｔ ｆｔｅ ｉ ｔｇ ａ ｎ ｕ ｚ ｏ ｔｏ ｐｐ ｉ ｏ ａ ｏ ｅ ｂｏ ｏ ｉａ ｅ ｅ ｔ ｔ ｎ ｃ ｎ ｒ ｌｓ ｓｅ ，ｈ ｖ ｒ ｏ ｎ ｈ ｎ ｅ ｒ ｌ ｓ ｔ ｒ ｔｏ ｘ ｉｔｎ ｎ ａ ｃ ｎ ｅ ｔｏ ａ ｉｌｇ ｃ ｌｆ ｒ ｎ ａ ｉ ｏ ｔｏ ｙ ｔｍ ｔ ｕｓ ｏ ｅ ｃ ｍｉ ｇ ｔ ｅ ｉ ｔｇ ａ ａｕ ａ ｉｎ ｅ ｓｓｉ ｇ ｉ ｏ ｖ ｎ ｉ ｎ ｌ ｍ ｏ Ｐ Ｄ ｏ ｔｏ ｙ ｔｍ ｎ ｍｐ ｏ ｉ ｇ ｔ ｅ ｓ ｓｅ ｓａ ｉ ｔ ｎ ｅ ｐ ｎ ｅ ｓ ｅ ｄ Ｓｕ ｈ ａ ｃ ｎ ｒ ｌｓ ｓｅ ｃ ｎ ｋ ｅ Ｉ ｃ ｎｒ ｌｓ ｓｅ ａ ｄ ｉ ｒ ｖｎ ｈ ｙ ｔｍ ｔ ｂｌ ｙ ａ ｄ ｒ ｓ ｏ ｓ ｐ ｅ ． ｃ ｏ ｔｏ ｙ ｔ ｍ ａ ｅ ｐ ｉ
仿人智能控制算法
一、仿人智能控制算法1、原型算法控制机理仿人智能控制器的运行机理（1）比例控制模式。
当系统出现误差并且误差趋向增加时，即当e*e>0时，仿人智能控制器产生一个比例输出U=Kp*e,其中Kp为比例增益，大大超过传统比例控制器所允许的数值。
比例控制模式运行在e=0和e=em，1区间，em，1为误差出现的第一次极值。
当e达到了em，1以后，该闭环负反馈比例控制器立即结束，进入抑制过程。
（2）增益抑制控制模式。
这是当系统误差达到第一次极值时em，1以后所施加的一种阻尼作用，即把原来的高比例增益Kp乘上一个小于1的增益k，使其增益降低。
增益控制器有助于改善系统品质，增加稳定裕度。
（3）开环保持模式。
当到了一个新的位置以后，系统误差减小或误差保持为零，立即进入保持模式，减小控制作用，利用惯性让系统进入稳态。
这种仿人控制的智能算法以人对对象的观察、记忆、决策等智能作为基础，根据超调量、偏差及偏差的变化趋势来确定控制策略。
当系统的误差趋于增加或保持常值时，仿人智能控制器采用比例控制模式，产生强烈的控制作用，抑制系统的偏差增加或迫使系统的误差回零。
此时系统处于闭环状态；而在系统误差趋于减小或系统误差为零时，仿人智能控制器采用保持模式，进行观察，等一等，此时系统处于开环。
2原型算法的不足（1）按照原型算法，开始时偏差最大，控制输出量最大，oa段一直保持，直到出现超调，偏差过零点变为负时才变化为比例控制模式。
这种控制策略必然导致超调的产生，引起被控量的震荡。
正确的做法应该是随着偏差的减小，被控量趋向于恒定值，控制量应该逐渐减小，而不应该一直保持不变。
（2）在bc、de阶段，控制量应该也有所变化，不应一直保持不变。
（3）依赖于偏差和偏差的变化构成信息空间，确定动态特征信息，选择控制算法。
信息空间无论怎样细化（从双模到多模）都已引起控制系统在不同算法之间的频繁切换，同时抗噪声干扰性能差。
（4）采用变模控制的关键是按照要求各个模式区域之间不相互重叠，而且所有模式区域的总和应等于整个状态空间，因为一旦重叠，则会出现控制的二义性；或者出现不能覆盖的模式区域，则当系统的状态落入这个区域时就不会有相应的控制作用产生，更恶劣的情况是出现无法预计的控制作用。
人工智能应用模仿人的行为的例子
人工智能应用模仿人的行为的例子人工智能（Artificial Intelligence，AI）是一种通过计算机仿真人类思维与行为的科技手段。
随着技术的不断发展和应用，人工智能的应用范围愈加广泛。
其中一个重要的应用方向是模仿人类行为，让计算机更加智能化地为人类服务。
下面，我将就人工智能应用模仿人的行为的一些例子进行探讨。
一、智能客服智能客服是一种利用人工智能技术来实现客服自助、机器人代理等服务的形式。
其目的就是让客户在需要解决问题或咨询服务时无需等待，能够随时随地进行沟通和交流。
在智能客服中，机器人的角色类似于人类客服代表的角色，不同之处是它能够智能分析用户的问题，并能够快速给出解决方案，甚至可以通过自我学习来不断提高服务的质量。
因此，智能客服可以通过对话和回答问题的方式来模仿人类客服代表的行为。
二、智能贸易智能贸易也是一种利用人工智能技术的应用。
它是指通过模型驱动的算法来模拟人类交易员的行为，一方面通过对交易数据进行分析，以便测量市场风险和波动，指导风险投资者决策；另一方面还可以利用计算机算法来程序化管理和优化交易策略。
智能贸易的目标是通过自动化和计算机参与，使贸易系统更加自动化、快速、精确，从而提高交易的效率和准确度。
三、智能安保智能安保是指利用图像识别、人脸识别等人工智能技术，模拟人类保安的行为来实现物业安保等服务。
通过智能安保监控设备的安装，用户可以利用人工智能技术进行视频监控、门禁管理等功能的实现。
当然，在处理不同情况的过程中，智能安保也需要考虑到与人类保安的交互和教练。
四、自动控制自动控制是指利用自适应控制的技术，由计算机来实现人的自我调节和反馈。
例如，自动化仓储设备、自动驾驶汽车等。
自动控制利用传感器和计算机视觉感知技术，即可以控制机器人的行走路径和方向，也可以通过机器学习方法实现高效管理和调度。
五、智慧城市智慧城市是指利用各种人工智能技术和物联网技术来实现城市各部门之间的协同合作，提高城市管理的效率和质量。
仿生机器人控制系统设计与优化
仿生机器人控制系统设计与优化随着科技的飞速发展，人类对于仿生机器人的研究日益深入，仿生机器人的控制系统也成为研究的热点之一。
仿生机器人，顾名思义，就是仿照生物体的结构、运动方式、行为方式等进行模拟制造的机器人。
仿生机器人在军事、医疗、环境保护、工业等众多领域有着广泛的应用前景。
而要实现仿生机器人在这些领域的应用，就需要设计和优化仿生机器人的控制系统。
一、仿生机器人运动控制系统仿生机器人的运动控制系统是实现仿真动物器官和骨骼运动的核心环节。
仿生机器人的运动控制系统存在于其软硬件之中。
仿生机器人的物理运动被控制通过控制电机的转速、加速度来实现。
仿生机器人的控制算法被嵌入到运动控制软件中。
运动控制应用软件可用于控制仿生机器人的运动模式和运动轨迹。
从观察和控制角度来看，运动控制是仿生机器人中最重要的控制模块之一。
在运动控制中，传感器和数据采集是必要的，通过传感器和数据采集设备，可以获得关于仿生机器人周围环境、速度和位置等的数据。
这些数据可以给仿生机器人带来精确的控制，并使其更加灵活、适应新环境的能力更强。
二、仿生机器人的感知和控制仿生机器人的感知部分包括传感和信息处理两个方面。
传感能够让仿生机器人获得周围环境、目标物体和自身状态信息，信息处理则对传感所得的信息进行计算分析，得出反馈控制指令，实现对仿生机器人的实时控制。
传感器和信息处理器的种类和数量，对于仿生机器人的控制质量和性能有着决定性的影响。
需要根据仿生机器人的应用场景，设计合适的传感器、控制器等感知设备，从而实现对仿生机器人的高精度控制。
三、仿生机器人的智能控制仿生机器人的智能控制，是通过采用不同的智能控制算法和方法来实现对仿生机器人智能决策的过程。
这种智能处理技术使得仿生机器人拥有了更传递的环境适应能力和更强的应变能力，从而更好的有效地完成任务。
目前，最常用的智能控制方法之一是基于神经网络的控制方法，该方法模拟了生物神经系统的运作，以实现仿真神经网络在仿生机器人控制中的应用。
基于工程经验的仿人智能控制技术
科技资讯科技资讯S I N &T NOLOGY I NFORM TI ON2008N O .19SCI ENC E &TECH NOLOG Y I N FOR M A TI ON工程技术于0.5m ,地基承载力标准值(f k )按下式修正，求得地基承载力特征值f :f =f k +ηh b γ(b-3)+ηd γ0(d-0.5)=112.2KP ａ③基础底面压力计算。
基础底面压力按下式计算：P m a x =(F+G)/A+6M /b3≤[f ]P m a x =(573+658.1)/4.5×4.5+6×1683/4.53=96.6≤115.7满足要求。
考虑塔吊的倾覆弯距由桩基承担,塔吊自重及承台重由浅基础承担,有573+658.1=1231.1KN 的集中荷载通过承台作用在地基土上。
P=1231.1KN/4.5m ×4.5m =60.8KN/m 2<[f ]=112.2K N/m 2满足要求。
3塔吊对基坑围护体系的影响针对本工程，塔吊基础施工完毕后，原有的1.3m 厚土层由塔吊基础承台替代。
通过计算塔吊的倾覆弯距由桩基承担，塔吊自重及承台重由浅基础承担。
实际上仅考虑塔吊自重对基坑围护体系的影响，1.3m 厚承台重约等同以前的1.3m 厚土层重。
q=573/4.5×4.5=28.3KN/m 2作用在土层上的竖向荷载为q=28.3KN /m 2通过挤压土层后作用的水平力为σ=q K ，K=t g 2（45。
-φ/2）=t g 240。
=0.70(该层土的内摩擦角为φ=10。
）σ=q K=28.3×0.7=19.8KN/m 2,近似相当于增加1m 厚的土层作用。
由于塔吊的施工，增加了基坑外侧主动土压力。
我们增大压顶梁的尺寸，同时对基坑内侧被动区土方采用水泥搅拌桩进行加固，加固范围5m ×5m ×12m （深），这样就增加了基坑内侧被动土压力。
基于组态软件的温度过程仿人智能控制
基于组态软件的温度过程仿人智能控制
王武;董海鹰
【期刊名称】《自动化与仪表》
【年(卷),期】2005(020)006
【摘要】描述了组态软件的功能特点和温度过程控制的具体实现,提出一种在"组态王"环境下通过DDE进行智能控制开发的思想,提出了更接近人类思维的仿人智能控制的思想.经过仿真和系统联调研究可见,这种实现方法具有一定的可行性和实用性.
【总页数】4页(P40-43)
【作者】王武;董海鹰
【作者单位】兰州交通大学,光电技术与智能控制教育部重点实验室,甘肃,兰
州,730070;兰州交通大学,光电技术与智能控制教育部重点实验室,甘肃,兰
州,730070
【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于组态软件葡萄酒酿制温度监控系统的研究 [J], 李洋;牛瑞奇;田虓
2.生活垃圾焚烧炉燃烧过程温度的仿人智能控制 [J], 肖前军;许虎
3.基于仿人智能控制的恒温水(油)浴箱温度控制的研究 [J], 蔡凌;韩晓
4.基于DDC组态软件的温度监控系统研究 [J], 贾静
5.基于仿人智能控制算法的温度控制器设计 [J], 余波;谭航;吴兆耀
因版权原因，仅展示原文概要，查看原文内容请购买。
复杂系统中的仿人智能控制策略
法 的系统 经常存 在 鲁棒性 与灵 敏度 之 间的矛 盾 ， 但对 简单 系统 的控 制可靠 性 问题并 不 突 出 。而 对 复杂 系 统 ， 果 采用上 述方 法 ， 可能 由于条 件 的改变 使得 整个控 制 系统崩 溃 。 如 则 、 归 纳上述 问题 ，复杂对 象 （ 过程 ） 现 出如 下 的特 性 ：系 统参 数 的未 知 性 、 变 性 、 机性 和 分 散 性 ， 表 时 随
系统 时滞 的未 知性 和时变 性 ， 统严 重 的非线 性 ，系统 各变量 问 的关联性 ，环境 干扰 的未 知性 、 系 多样 性和
பைடு நூலகம்
随机性 。针对 这些 特性 ，因其 属于不 确定 性复 杂对 象 （ 过程 ）的控制 问题 ， 或 用传 统 的控 制方法 难 以对
这类 对 象进 行有 效 的控 制 ，因此 必须 探索 更 为有效 的控制 策 略 。
制策略 。文 中给 出 了控制 策略 和控 制算 法 ， 并详 细分析 了仿人 智 能控制 器的设 计 方法 ， 最后 对
某复 杂工 业控制 对 象进行 了仿 真 ， 结果证 明 了该控 制 策略 的 可行性 和 有 效性 ， 系统动 、 态 品 静
质好 。
关键 词 ： 杂 系统 ；仿人 智 能控 制 ； 制 策略 复 控
维普资讯
№ ．５
陕 西科 技 大 学 学 报
Ｊ ＯＵＲＮＡＬ ＯＦ Ｓ ＨＡＡＮＸＩＵＮＩ ＲＳＴＹ ＶＥ Ｉ ＯＦ．ＣＩ Ｓ ＥＮＣＥ ＆ ＴＥ ＣＨＮＯＬＯＧＹ
０ Ｃ ． ０６ ｔ ２０
Ｖｏ ． ４ １２
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
过程控制中的仿人智能控制引言过程控制是工业自动化中一个最重要的分支，它主要针对所谓六大参数，即温度、压力、流量、液位、成分和物性等参数的控制问题。
在过程控制中，了解被控对象的动态特性十分重要，控制系统的设计是依据被控对象的控制要求和动态特性进行的。
过程控制涉及的被控对象大多具有以下特点:①被控对象的动态特性通常是单调曲线，被控量的变化一般比较缓;②被控对象在动态特性通常存在迟延或纯滞后;③被控对象的动态特性存在稳定的自衡过程，中性稳定的非自衡过程;④被控对象往往具有诸如饱和、死区、滞环和倒S形等非线形特性;⑤被控对象往往存在时变性和不确定性;⑥复杂的过程对象还可能是多变量和具有分布参数的性质。
仿人智能控制的本质就是在宏观结构上及行为功能上对人控制器进行模拟。
它以人的思维方式、控制经验、行为和直觉推理为基础，避开了求解繁琐的对象模型或建立脑模型时遇到的种种难题，所以更易于工程实践和应用。
对于那些模型复杂或模型不存在的系统，仿人智能控制就成为最佳选择。
而过程控制对象难以建立精确的数学模型，但一般说来可得到拟合简化后的模型结构，并且也很容易近似获取其中主要的特征参数;在获得一些基本的先验知识的前提下，仿人智能控制将会显示出其独特的优势。
1. 仿人智能控制的基本思想仿人智能控制器(HSIC)在结构上是一个分层递阶的信息处理系统。
直接控制层直接面对实时控制问题。
自校正层解决直接控制层中控制模态的参数自校正问题。
任务自适应层解决直接控制层或参数校正层中特征模型，推理规则和控制与决策模态或参数值的选择、修改、以至生成的问题。
它与直接控制层和参数校正层一起构成一个典型的具有高阶产生式系统结构的单元智能控制器。
智能控制器算法的设计过程就是建立特征模型及多模态控模型的过程。
可用产生式规则IF<条件>THEN<结果>形式描述，条件是特征，结果是决策。
这种形式描述了根据征辨识结果进行决策的过程，是对人(专家)决策过程的拟。
2. 仿人智能控制的基本理论智能控制的基本思想是仿人、仿智，无数事实表明，迄今为止世界上最有效最高级的控制系统是人类自身，研究自身表现出来的控制机制，并用机器加以模仿是智能控制研究的重要捷径。
生物机体是一个庞大的复杂系统，人脑是我们至今知道的复杂系统之一，人的精神世界素有“第二宇宙”之称。
要从结构功能上完全模仿人脑，以目前的科学技术水平而言，还只是幻想。
在宏观结构模拟的基础上研究人的控制行为功能并加以模拟实现应该是必由之路。
在人参与的控制过程中，经验丰富的操作者并不是依据数学模型进行控制的，而是按过去积累的经验，如系统动态信息特征的定性认识进行直觉推理，在线确定或变换控制策略，随着输出与系统动态响应偏差，偏差的变化率和一些与前期控制效果有关的特征记忆量呈现一定的定量关系(比例保持、预估等)，当然策略随特性状态而变化，这种量的关系也是各异的。
2.1 仿人智能控制系统在结果上应具有的四条基本原则(1) 分层的信息处理和决策机构;(2) 在线特征辩识和特性记忆;(3) 开、闭环结合的多模态控制;(4) 启发与直觉推理逻辑的应用。
上述原则中人的直觉推理逻辑用人工智能的产生式规则予以描述，在线特征辩识和特征记忆依据系统动态特征模型进行，而特征模型的建立与人工智能的模式识别和知识表示技术息息相关，开、闭环结合的多模态控制建立在经典控制理论基础上，这种控制模态的建立充分利用了控制理论的前期成果，分层递阶的信息处理和决策机构需要计算机软件、硬件的发展予以支持。
2.2 仿人智能控制的特点仿人智能控制是人工智能、控制理论和计算机科学交叉的结果，显然从认识论的角度来看，它独具风格，它不同于经典控制理论和现代控制理论，其特点表现在:(1) 研究的主要目标不是被控对象，而是控制器本身。
建模与辩识的目的，不是对象的数学模型，而是系统动态特征的特征模型和控制器的知识模型。
(2) 研究的工具不是纯的数学分析方法，而是定性与定量的结合，数学分析与直觉结合的知识工程方法，仿人智能控制器采用了产生式系统构成技术，产生规则表示为:IF (condition) THEN (action)这种基于规则的符号化模型适用于描述因果关系，定性的非解析关系，便于表达人的直觉推理逻辑，处理各种定性和模糊的信息，且推理决策迅速准确。
(3) 基于辩识的多模态控制实现了动态特性变化与控制器输出的多值映射关系，因此能实现多性能指标的兼顾，这也是仿人智能控制品质优于其他控制器的主要原因之一。
仿人智能控制具有强烈的实践性。
一则其主要途径是仿人，人的控制经验、行为和直觉推理往往难于用数学解析方法加以描述，因此控制器的设计不能完全由理论推导产生，离不开总结人的实际操作经验。
二则其硬件基础是计算机，可以说离开了计算机就谈不上智能控制。
3 仿人智能控制的结构仿人智能控制系统具有分级递阶的控制结构，并遵照层次随“越高智能增加而精度降低”的原则，如图1所示。
其中执行级一般需要比较准确的模型，以实现具有一定精度要求的控制任务，仿人智能控制认为:其最低层(执行级)不仅仅由常规控制器构成，而应该具有一定的智能，以满足实时、高速、高精度的控制要求;协调级用来协调执行级的动作，它不需要精确的模型，但需具备学习功能以便在再现的控制环境中改善性能，并能接受上一级的模糊指令和符号语言，组织级将操作员的自然语言翻译成机器语言，组织决策，规划任务，并直接干预底层的操作。
在执行级中，识别的功能在于获得不确定的参数值或监控系统参数的变化。
协调级中，识别的功能在于根据执行级送来的测量数据和组织级送来的指令产生合适的协调作用。
在组织级中，识别的功能在于翻译定性的命令和其他的输入。
4 控制模型由于被控对象的复杂性和不确定性，按传统的方法，根据被控对象的数学模型，在满足性能指标及约束条件下，综合设计控制器的方法是不能用的，因为对不确定性复杂对象不可能建立严格的数学模型，综合设计系统的前提条件不存在。
对不确定性复杂系统的控制，可采用以知识表示的非数学模型，如图2所示。
事实上人们对对象特性不是一无所知，而是不完全知道，即所具有对象的信息是灰色信息。
在实际工程中，依靠控制专家的知识和经验，也可以对系统进行有效的控制，获得满意的结果。
它是基于人的智能、控制者的知识经验和技巧，完成预定的控制任务。
因此它是人机结合的控制模型，即控制者的模型与被控对象模型相结合。
5 仿人智能控制器及其控制算法仿人智能控制器的基本算法很接近人的思维过程:当系统误差趋于增加或系统误差保持常值时，仿人智能控制器采用比例控制模态，于是产生强烈的闭环控制作用，使误差尽快停止增加;而在系统误差向减小方向变化或为零时，仿人智能控制器采用保持控制模态，取消强控制作用，使控制量为一常值，对系统的动态过程进行等待和观察，直到再次出现过调时，控制器又改用比例控制模态。
图2中的控制器就是仿人智能控制器。
仿人智能控制的算法原型是在1979年由重庆大学的周其鉴教授提出来的。
U:控制输出; Kp:比例控制器的保持系数k:抑制系数 e:误差e′:误差变化率 em,I:误差第i次峰值该算法对基本控制算法的主要改进是将比例增益分段处理。
即对误差的绝对值e 设定一个界限值M，当e<M时，仅用KP作为比例增益，当绝对误差大于等于M 时，用KKP作为比例增益。
由于K<1，所以KKP<KP，从而使得误差较大时，系统具有更强的控制作用，加速系统的跟踪响应。
这种分段处理的结果使系统能在更高一级的水平上兼顾系统的高精度与快速性这两者种品质。
< P>6 控制算法的仿真试验6.1 当被控对象的参数发生变化时控制器的控制特性在保持控制器整定参数不变的情况下，改变二阶对象的两个时间常数，变化情况和PID控制时同，图3为仿真曲线。
其中曲线1表示T1=0.5，T2=2.5时系统的响应曲线;曲线2表示T1=1.5,T2=2.5时系统的响应曲线;曲线3表示T1=3，T2=4时系统的响应曲线;曲线4表示T1=5，T2=6时系统的响应曲线;从图3中可以看出尽管被控对象的两个时间参数变化较大,但响应情况却变化不大,没有出现PID控制中当时间常数变大响应曲线振荡的现象;与PID控制的响应曲线相比较，没有出现超调。
6.2 当被控对象结构发生变化时的控制性能在保持控制器参数不变的情况下，改变被控对象的结构，即被控对象由二阶变为一阶再变为三阶，仿真曲线如图4。
其中曲线1为一阶对象响应曲线，曲线2为二阶对象响应曲线，曲线3为三阶对象响应曲线，从图4中可以看出当被控对象结构变化时，响应曲线无超调，也无大的振荡,说明了控制器对结构变化也有一定的适应能力。
从仿真结果可看出仿人智能控制器交替采用比例控制模态和保持控制模态，使仿人智能控制具有比PID控制具有更好的控制性能6.3 加入非线性环节时的仿真仿真实例取:图5为该系统在单位阶跃信号作用下的PID控制结果和仿人智能控制的结果，图中的PID输出响应曲线是首先采用了经验设定方法大致估计了PID输出响应曲线的参数KP、Ti、Td，然后经过认真、仔细的反复调试而获得的结果，兼顾了系统的稳态精度与动态稳定性、平稳性与快速性的要求，所以具有一定的代表性，能够说明PID控制效果。
输出结果:PID的控制结果为上升时间Tr=1.2s，调节时间:Ts=4s，超调量为:12%,还有大幅度的振荡。
仿人智能控制的结果为:调节时间:3s;无超调;无振荡。
可见在快速性、稳定性方面有一定的优势。
图5结果明显地看出，在快速性、稳定性方面该系统的输出结果有较明显的改善。
在控制的初始阶段或者在偏差很大时，加强比例控制，此时的比例控制系数可以远远大于PID控制时所允许的范围，不加积分和微分控制作用，这样的控制改善了系统的快速性，从图中还可以明显看出在控制初始阶段仿人智能控制的结果比一般PID控制结果要快;当误差进入了一定的范围之后，适当地减小比例控制系数。
这样减小系统的静差，减小了调节时间。
图6是上面的被控对象加上一定的滞后的控制效果图。
图6的仿真对象比图3的仿真对象多加了一个时滞，所以控制效果与图3相比较存在不同之处。
在此图中，PID控制结果是综合快速性稳定性等各方面考虑所得的结果，由于时滞的存在，系统加入了非线性环节，以至于在初始的上升过程中，出现了多次振荡，这是PID调节器时系统的振荡，从调试中可以得知，如果要减小这种振荡，就必需牺牲系统的快速性并且出现较大的超调。
可见，用PID调节器来控制带有较大时滞的对象有些力不从心。
从图中可以看出，仿人智能控制在快速性、稳定性等方面优于一般的PID控制。
分析仿真试验结果可得出结论:仿人智能控制依据特征模型对采样信息进行在线处理、从而确定系统当前处于什么样的特征状态的一个过程。