Page 33 - 当代控制理论及应用技术概论

第一章 控制理论概述

的协调作用，系统在信息处理上既有数学运算又有逻辑和知识推理。
（二）智能控制理论的基本内容
自从“智能控制”概念的提出到现在，自动控制和人工智能专家、学者们
提出了各种智能控制理论，下面对一些有影响的智能控制理论进行介绍。
1. 递阶智能控制

递阶智能控制（Hierarchical Intelligent Control）是由 GNSaridis 提出的，它是
最早的智能控制理论之一。它以早期的学习控制系统为基础，总结人工智能与自
适应控制、自学习控制和自组织控制的关系后逐渐形成的。递阶智能控制遵循“精

度随智能降低而提高”的原理分级分布。该控制系统由组织级、协调级、执行级
组成。在递阶智能控制系统中，智能主要体现在组织级上，由人工智能起控制作
用；协调级是组织级和执行级之间的接口，由人工智能和运筹学共同作用；执行
级仍然采用现有数学解析控制算法，对相关过程执行适当的控制作用，它具有较
高的精度和较低的智能。

分级递阶智能控制是从系统工程出发，总结了人工智能与自适应控制、自
学习控制和自组织控制的关系之后逐渐形成的，是智能控制最早的理论之一。
分级递阶智能控制有两种比较重要的理论：知识基 / 解析混合多层智能控

制理论，该理论是由意大利学者 A.Villa 提出的，可用于解决复杂离散事件系统
的控制设计问题。萨里迪斯三级智能控制理论，按照这种理论设计的智能控制
系统是由组织级（最高级）、协调级（中间级）和执行级（最下级）三级组成的，
并用熵函数来衡量每一级的执行代价和效果，用熵进行最优决策。这一方法为
现代工业、空间探测、核处理和医学领域应用自主控制系统提供了一个有效的

方法。总之，分级递阶智能控制是为求解大系统，复杂系统的寻优、决策和有
效控制而提出来的，是研究多级自寻优控制、多级模糊控制、多级专家控制、
递阶智能多目标预测控制以及大型空间运动结构系统的三级递阶智能控制的有

效方法。
2. 神经网络智能控制
人工神经网络是一种动态非线性系统，它的分布式存储和并行协同处理特
征引起了自动化学界的极大关注，并逐渐应用到控制领域，进而产生了神经网络
控制。神经网络控制简称神经控制，是简单模拟人脑智力行为的一种新型控制方

式和辨识方式。随着人工神经网络应用研究的不断深入，新的模型不断推出。在

25
25