Page 35 - 当代控制理论及应用技术概论

第一章 控制理论概述

A.Barr 和 EA.Feigenbaum 曾精确地指出“专家系统的性能水平主要是它所拥
有的知识数量和质量的函数”。从专门知识的特点出发，专家系统的基本特征有：
①启发性（Heuristic）一不仅能使用逻辑知识，也能使用启发性知识。②透明性
（Transparency）一能向用户解释它们的推理过程，还能回答用户的一些关于它
自身的问题。③灵活性（Flexibility）一系统中的知识应便于修改和补充。

5. 学习控制系统
学习控制是智能控制的一部分，是模拟人类自身各种优良控制调节机制的
一种尝试。学习控制系统是一个能在其运行过程中逐步获得被控过程及环境的非

预知信息，积累控制经验，并在一定评价标准下进行估值、分类、决策和不断改
判系统品质的自动控制系统。
学习控制根据系统工作对象的不同可以分为两大类：一类是对具有可重复
性的被控对象利用控制系统的先前经验，寻求一个理想的控制输入。而这个寻求
的过程就是对被控对象反复训练的过程。这种学习控制又称为迭代学习控制；另

一类是自学习控制系统，它不要求被控制过程必须是重复性的。它能通过在线实
时学习，自动获取知识，并将所学的知识用来不断地改善具有未知特征过程的控
制性能。

学习控制分类：
（1）基于模式识别的学习控制
这一方向主要起源于人工神经元的研究，采用的方法基本上是模式识别，
着重于参数的自学习控制。随着基于模式识别的参数自学习控制方法的发展，出
现了利用模式分类器、再励学习、Bayes 学习、随机逼近、随机自动机、模糊自

动机和语义学方法的各种学习控制系统。
（2）基于迭代和重复的学习控制
这一方向主要针对在—定周期内作重复运行的系统，它不但与传统的控制

理论相联系、而且可导出易于工程实现的简单的学习控制规律。主要在时域中发
展的迭代自学习控制应用较广，成果较多。这种自学习过程实质上是逼近逆系统
的过程。一些研究者随后又提出了多变量系统的最优迭代自学习控制、离散时间
系统的迭代自学习控制，自适应迭代自学习控制以及非线性系统的迭代自学习控
制等方法。

①迭代学习控制。迭代学习控制是智能控制中具有严格数学描述的一个分

27
27