下载文档原格式
控制工程的智能化发展趋势与应用前景智能化发展已经成为控制工程领域的重要趋势，随着科技的飞速发展，智能化在控制工程中具有广阔的应用前景。
本文将从智能化发展的背景和趋势、智能化在控制工程中的应用以及智能化发展的前景三个方面进行阐述，旨在为读者提供一个全面了解控制工程智能化发展的视角。
智能化发展的背景和趋势控制工程是一门研究和应用系统控制原理和方法的学科，其目标是通过调节和控制系统中的参数和状态，使系统输出满足需求。
随着计算机技术、通信技术以及人工智能技术的迅猛发展，智能化成为控制工程的发展方向。
首先，智能化发展的背景是由于人们对于提高生产效率和资源利用率的需求。
智能化技术可以对生产流程进行自动监控和调节，使得生产过程更加高效和精确。
同时，智能化技术可以优化资源的利用，减少能耗和物料浪费，提高生产效益。
其次，智能化发展的趋势是由于科技的不断创新和应用需求的不断增加。
随着人工智能技术的发展，控制系统不再局限于传统的程序控制，而是可以通过学习和优化算法自动调整参数和状态，实现更加智能、自适应的控制。
另外，云计算和物联网技术的兴起，使得控制系统可以通过网络进行远程监控和管理，实现分布式控制和协同控制，提高控制效果和运行安全性。
智能化在控制工程中的应用智能化技术在控制工程中具有广泛的应用，以下将介绍其中几个典型应用领域。
第一，智能化技术在工业自动化中的应用。
工业自动化是控制工程的一个重要应用领域，智能化技术可以通过传感器、控制器和执行器的配合，对生产过程进行实时监测和调节，提高生产效率和质量。
例如，智能化的工业机器人可以替代人工完成重复性、繁琐的生产任务，提高生产效益和劳动条件。
第二，智能化技术在交通运输中的应用。
智能交通系统是控制工程和信息技术的结合，可以通过智能控制和优化算法，实现交通流量的自适应调控和拥堵疏导，提高交通运输的效率和安全性。
另外，智能化的车辆控制系统可以通过感知和学习算法提高驾驶员的驾驶安全性和驾驶舒适性。
控制系统智能化技术随着科技的不断发展，控制系统的智能化技术也在不断地进步和完善。
控制系统是一种能够监控、控制和调节工业过程的系统，广泛应用于工业自动化和生产流程中。
随着工业设备和产品要求的不断提高，控制系统也需要不断的改进和优化，以满足日益增长的需求。
控制系统智能化技术是指使用先进的计算机技术和人工智能算法来控制系统的实现的技术。
这些技术包括机器学习、数据挖掘、模式识别、神经网络等。
通过这些技术，控制系统可以更加智能化，自主决策和调节，提高其自适应性和灵活性，从而在各个领域发挥更加重要的作用。
一、控制系统智能化技术的应用范围控制系统智能化技术在许多领域得到了广泛应用。
下面是一些应用场景的简要描述：1. 工业自动化控制系统在工业自动化中的应用非常广泛。
通过控制系统，可以对生产流程进行监控和管理，实现自动化生产。
智能化的控制系统不仅可以提高生产效率和质量，还可以改善工作环境，提高工人的工作满意度。
2. 智能家居智能化的控制系统可以被应用于智能家居环境中。
通过智能化的控制系统，可以实现家庭照明、温度控制、音乐播放等的自动化管理，让家庭生活更加便利和舒适。
3. 交通运输控制系统智能化技术可以被应用于交通运输领域，用于管理和控制交通设施和车辆。
通过智能化的控制系统，可以减少交通事故和拥堵，提高城市交通的效率和流畅度。
4. 环境监测控制系统智能化技术可以被应用于环境监测领域，用于检测、管理和调节环境参数。
通过智能化的控制系统，可以减少有害气体的排放和污染，保护环境的可持续发展。
二、控制系统智能化技术的优势控制系统智能化技术有以下几个主要的优势：1. 提高生产效率和质量控制系统智能化技术可以自动化完成产品生产的一些过程，提高生产效率和质量。
通过数据分析和预测，系统可以及时发现和解决一些问题，避免不必要的损失。
2. 降低生产成本控制系统智能化技术可以降低生产过程中的人力和物力成本。
系统可以自动完成一些流程，减少人力和时间投入。
控制系统的未来发展趋势：探讨控制系统的未来发展趋势和应用前景引言控制系统是现代工业中至关重要的一部分，它帮助我们管理和控制各种设备和过程。
随着科技的不断进步，控制系统也在以惊人的速度发展，实现更高效、智能化的控制与管理。
本文将探讨控制系统的未来发展趋势，并展望其未来的应用前景。
1. 自动化技术的进一步发展自动化技术在控制系统中扮演着重要角色，它使得系统可以实现自主运作和智能化控制。
未来，随着机器学习、人工智能和大数据分析等技术的不断发展，控制系统的自动化将进一步提升。
1.1 机器学习的应用机器学习技术可以使得控制系统从过去的静态控制转变为动态控制。
通过对海量数据进行分析和学习，机器学习可以提供更加精确的预测和决策能力，进而实现更加智能化的控制系统。
1.2 人工智能的影响人工智能技术的快速发展也将对控制系统产生深远影响。
通过使用深度学习和神经网络等技术，人工智能可以模拟人类的思维过程，实现更加高级和复杂的决策和控制功能。
2. 多领域融合的趋势控制系统作为一个广泛应用于各个领域的技术，未来的发展将更加注重多领域融合。
不同领域的知识和技术相互结合，将为控制系统带来更多的创新和应用。
2.1 工业控制系统的进化工业控制系统的发展已经成为工业领域的重要趋势。
随着工业4.0的普及，各个工业过程将更加智能化和自动化。
通过将传感器、机器人和数据分析等技术应用于控制系统中，工业控制系统将实现更高效、精确和可靠的控制。
2.2 建筑控制系统的创新建筑控制系统也将受益于多领域融合的趋势。
通过将建筑设计、能源管理和环境控制等领域的知识结合，建筑控制系统将实现更加智能和节能的控制。
例如，通过智能化的照明系统和空调系统，建筑可以自动适应人员的需求，提高能源利用效率。
2.3 交通控制系统的发展随着城市化的进程，交通管控成为一个重要的挑战。
控制系统在交通领域的应用也将不断发展。
通过将交通流量分析、信号控制和优化算法等技术融合，交通控制系统可以实现更加高效和安全的交通管理。
新控制技术的发展趋势与应用前景展望随着科学技术的不断进步与发展，新控制技术在各个领域中得到了广泛应用。
本文将探讨新控制技术的发展趋势与应用前景展望。
一、发展趋势新控制技术的发展趋势主要体现在以下几个方面：1. 智能化：随着人工智能技术的不断突破，新控制技术逐渐智能化。
智能控制系统能够根据环境变化自主调节，实现自适应控制，提高系统的稳定性和效率。
2. 网络化：新控制技术在大数据和互联网技术的支持下，越来越向网络化方向发展。
通过云计算和物联网技术，实现多个控制系统之间的远程监控和协同操作。
3. 高性能：随着硬件设备的升级和工艺的改进，新控制技术的性能也不断提升。
高速、高精度、高可靠性是新控制技术的主要特点。
二、应用前景展望新控制技术的应用前景非常广阔，涉及到各个领域，包括工业生产、交通运输、医疗保健等。
具体体现在以下几个方面：1. 工业自动化：工业生产是新控制技术的一个重要应用领域。
通过智能控制系统，可以实现生产流程的自动化、精确化，提高生产效率和产品质量。
2. 智能交通：交通运输领域是另一个重要的新控制技术应用领域。
智能交通系统可以实现交通信号的智能控制、车辆的智能导航等功能，提高交通运输效率，减少交通事故发生率。
3. 医疗健康：在医疗保健领域，新控制技术可以应用于医疗器械、病房环境监控等方面。
智能医疗设备能够实现临床数据的实时监测和分析，提高医疗诊断的准确性和效率。
综上所述，新控制技术的发展趋势是智能化、网络化、高性能化，应用前景广阔，涉及到工业生产、交通运输、医疗保健等各个领域。
随着科技的不断进步，新控制技术必将在未来发挥越来越重要的作用，为人类社会的发展和进步做出更大的贡献。
控制器的发展趋势和前景展望控制器在现代科技中起到了至关重要的作用，它是一种用于监测、指导和制御各种机械、电气或者化学系统的装置。
随着科技的不断进步，控制器从最早的简单电路发展为智能化、多功能的系统，为各个领域的发展提供了强大的支持。
本文将探讨控制器的发展趋势以及未来的前景展望。
一、控制器的发展趋势1. 智能化控制器技术的应用随着人工智能技术的飞速发展，智能化控制器在各个领域得到了广泛的应用。
智能化控制器具有自学习、自适应、自诊断等特点，能够更加准确地预测和响应系统的需求。
例如，在工业自动化领域，智能化控制器能够实现设备的自动故障诊断和自动化生产线的优化调整。
在智能家居领域，智能化控制器能够根据家庭成员的习惯和需求，自动调节温度、照明和安全设备等。
可以预见，智能化控制器技术将在未来得到更加广泛和深入的应用。
2. 无线通信技术的应用随着无线通信技术的不断发展，控制器的通信方式也发生了变革。
传统的有线通信方式逐渐被无线通信技术代替。
例如，Wi-Fi、蓝牙等无线通信技术使得控制器可以通过无线网络进行远程监控和控制。
这样的发展，将大大提高控制器的便捷性和灵活性，使其可以更好地应对各种复杂环境。
3. 大数据和云计算的应用大数据和云计算技术的迅速发展为控制器的应用带来了新的突破。
控制器可以通过收集、分析和处理大量的数据，实现对系统运行状态的实时监测和优化控制。
同时，云计算技术使得控制器可以连接到云端，实现多设备联动和远程控制，极大地拓展了控制器的应用范围和灵活性。
二、控制器的前景展望1. 产业自动化的推动随着全球制造业的转型升级，产业自动化成为现代制造业的重要发展方向。
控制器作为实现自动化的核心设备之一，将在制造业的发展中发挥关键作用。
未来，控制器将更加智能化、精确化和高效化，推动制造业实现全面升级和创新。
2. 智能家居的普及智能家居作为现代家庭的重要组成部分，将会在未来得到普及和发展。
控制器作为智能家居系统的核心部分，将扮演着重要的角色。
控制系统旳发展趋势摘要：控制系统是指由控制主体、控制客体和控制媒体构成旳具有自身目旳和功能旳管理系统。
控制系统意味着通过它可以按照所但愿旳方式保持和变化机器、机构或其他设备内任何感爱好或可变旳量。
控制系统同步是为了使被控制对象抵达预定旳理想状态而实行旳。
控制系统使被控制对象趋于某种需要旳稳定状态。
伴随生产和科学技术旳发展，自动控制广泛应用于电子、电力、机械、冶金、石油、化工、航海航天、核反应等各个学科领域及生物、医学、管理工程和其他许多社会生活领域，并为各学科之间旳互相渗透起到增进作用。
关键词：自动控制控制系统一、控制系统旳概述与原理1、自动控制系统旳定义（1）自动控制在无人直接参与旳状况下，运用控制装置使被控对象和过程自动地按预定规律变化旳控制过程。
自动控制系统是实现自动化旳重要手段。
（2）自动控制系统是由控制装置和被控对象所构成，它们以某种互相依赖旳方式组合成为一种有机整体，并对被控对象进行自动控制。
（3）自动控制系统重要由控制器，被控对象，执行机构和变送器四个环节构成。
2、控制系统旳工作原理（1）检测输出量（被控制量）旳实际值；将输出量旳实际值与给定值（输入量）进行比较得出偏差。
（2）用偏差值产生控制调整作用去消除偏差，使得输出量维持期望旳输出。
这种基于反馈原理、通过“检测偏差再纠正偏差”旳系统称为反馈控制系统。
可见作为反馈控制系统至少应具有测量、比较（或计算）和执行三个基本功能。
控制系统旳控制过程可以用系统旳职能框图清晰而形象地体现。
3、对控制系统旳基本规定（1）稳定性由于控制系统都包括蓄能元件，若系统参数匹配不妥，就有也许引起振荡。
稳定性就是指系统动态过程旳振荡倾向及其恢复平衡状态旳能力。
对于稳定旳系统，当输出量偏离平衡状态时，应能伴随时间收敛并且最终回到最初旳平衡状态。
稳定性乃是保证控制系统正常工作旳先决条件。
（2）精确性控制系统旳精确性即控制精度。
一般以稳态误差来衡量。
所谓稳态误差是指以一定变化规律旳输入信号作用与系统后，当调整过程结束而趋于稳定期，输出量旳实际值与期望值之间旳误差值，它反应了动态过程后期旳性能。
电气自动化工程控制系统的现状及其发展趋势电气自动化工程控制系统是指利用电气技术和自动化技术对工程过程进行控制和管理的系统，它在现代工业生产中起着至关重要的作用。
随着科技的不断发展和工业生产的不断进步，电气自动化工程控制系统也在不断发展，逐渐呈现出一些新的特点和趋势。
1. 技术水平不断提高电气自动化工程控制系统的技术水平不断提高，主要表现在控制系统的精度和稳定性得到了极大的提高。
传感器、执行器等元件的精度越来越高，控制算法也愈发成熟，使得控制系统的响应速度更快、控制精度更高，可以更好地满足工业生产的需求。
2. 自动化程度不断提高随着自动化技术的不断发展，工程控制系统的自动化程度也在不断提高。
不仅生产线上的生产设备实现了自动化控制，甚至在产品的设计、生产和销售等各个环节中也普遍采用了自动化控制技术，使得整个产业链条实现了高度自动化。
电气自动化工程控制系统的系统集成化程度也在不断提高，现代工业生产中采用的控制系统往往是多种技术的综合应用。
控制系统中不仅包括了传统的PLC控制、DCS控制等，还包括了计算机控制、网络通信等技术，使得控制系统的功能更加强大。
4. 安全性得到了更多的关注在工程控制系统中，安全性一直是一个至关重要的问题。
近年来，随着各种安全事故的频发，对于工程控制系统的安全性要求也越来越高。
越来越多的关注被放在了如何提高工程控制系统的安全性上，例如采用双重备份、智能检测等技术手段，以保障生产过程的安全。
5. 节能环保成为主流趋势在工程控制系统的发展过程中，节能环保已经成为了主流趋势。
各国纷纷提出了一系列的节能减排政策，并加大了对于工业生产中的能源消耗和废气排放等问题的监管力度。
在工程控制系统的设计和应用中，也越来越注重节能环保，采用了更加高效的控制技术，减少了系统的能源消耗。
1. 智能化未来，电气自动化工程控制系统将更加智能化。
随着人工智能和大数据技术的不断发展，工程控制系统将更多地应用于预测分析、智能优化等方面，实现真正的智能化生产。
控制系统的趋势
控制系统的趋势是指系统在一段时间内的变化方向和发展趋势。
控制系统的趋势可以分为以下几种：
1. 稳定趋势：系统的输出在一定范围内波动，但整体保持稳定，没有明显的变动。
2. 升趋势：系统的输出持续增长，显示出明显的上升趋势。
3. 降趋势：系统的输出持续减小，显示出明显的下降趋势。
4. 振荡趋势：系统的输出周期性地在一定范围内波动，正负周期交替出现。
5. 非线性趋势：系统的输出与输入之间存在非线性关系，呈现出非平稳性和复杂性。
在实际控制系统中，了解和分析系统的趋势对于优化控制和预测系统行为具有重要意义。
科学合理地预测和调整系统的趋势有助于提高系统的性能和可靠性。
控制系统未来趋势随着科技的不断发展，控制系统作为工业自动化领域的核心技术，也在不断迭代与创新。
本文将探讨控制系统未来的发展趋势，并将重点关注以下几个方面：人工智能的应用、物联网的整合、云技术的发展以及安全性的提升。
一、人工智能的应用人工智能技术在控制系统中的应用已经取得了重大突破。
传统的控制系统往往需要编写复杂的算法，而人工智能技术可以通过学习和优化自身的算法，实现对复杂系统的智能控制和优化。
未来，人工智能技术将成为控制系统的核心之一，可以通过深度学习和机器学习等技术，实现对工业流程的智能监测和优化。
二、物联网的整合物联网的概念已经引起广泛关注，并在许多行业中得到了实际应用。
对于控制系统来说，物联网的整合将成为未来发展的重要趋势。
通过传感器和互联设备，可以实时监测和收集大量的数据，并将其与控制系统相连接。
这将使得控制系统能够更加智能地感知和响应周围环境的变化，实现对复杂系统的精确控制。
三、云技术的发展随着云计算技术的不断成熟，云技术在控制系统领域的应用也将不断扩大。
传统的控制系统往往需要依赖于本地的服务器和存储设备，而云技术的出现可以提供更加高效和灵活的解决方案。
未来，控制系统将能够通过云端平台实现数据的实时共享和分析，实现智能控制系统的全球化部署和协同工作。
四、安全性的提升随着网络的普及和应用的广泛，工业控制系统面临着越来越多的网络攻击和威胁。
保障控制系统的安全性已经成为一个亟待解决的问题。
未来，控制系统需要加强对网络安全的防护和控制，通过采用加密技术、访问控制机制等手段，保护系统的完整性和机密性，提高系统的安全性和稳定性。
综上所述，控制系统未来的发展趋势主要包括人工智能的应用、物联网的整合、云技术的发展以及安全性的提升。
这些趋势将使得控制系统能够更加智能地感知和控制复杂系统，实现工业自动化的更高水平。
同时，控制系统也需要面对网络安全等新的挑战，加强对系统的保护和控制。
只有不断创新和完善，控制系统才能顺应时代潮流，为工业的发展和进步做出更大的贡献。
控制理论的综述及发展方向1 控制理论的产生控制理论作为一门学科，它的真正应用开始于工业革命时期，即1788年瓦特发明蒸汽机飞球调速器。
该种采用机械式调节原理实现的蒸汽机速度自动控制是自动化应用的第一个里程碑。
二次大战前，控制系统的设计因为缺乏系统的理论指导而多采用试凑法，二次大战期间，由于建造飞机自动驾驶仪、雷达跟踪系统、火炮瞄准系统等军事设备的需要，推动了控制理论的飞跃发展。
1948年美国数学家维纳总结了前人的成果，认为世界存在3大要素：物质、能量、信息，发表了著名的《控制论》，书中论述了控制理论的一般方法，推广了反馈的概念，从而基本上确立了控制理论这门学科[1]。
2 控制理论的分类控制理论的发展分为经典控制理论阶段、现代控制理论阶段及大系统智能控制理论阶段，下面将详细介绍各个控制理论的特点及优缺点[2]。
2.1 经典控制理论自动控制理论中建立在频率响应法和根轨迹法基础上的一个分支。
经典控制理论的研究对象是单输入、单输出的自动控制系统，特别是线性定常系统。
经典控制理论的特点是以输入输出特性（主要是传递函数）为系统数学模型，采用频率响应法和根轨迹法这些图解分析方法，分析系统性能和设计控制装置。
经典控制理论的数学基础是拉普拉斯变换，占主导地位的分析和综合方法是频率域方法。
[3]经典控制理论主要用于解决反馈控制系统中控制器的分析与设计的问题。
如图1所示为反馈控制系统的简化原理框图。
图1 反馈控制系统简化原理框图典型的经典控制理论包括PID控制、Smith控制、解耦控制、串级控制等。
常接触到的系统，如机床和轧钢机中常用的调速系统、发电机的自动调节系统以及冶炼炉的温度自动控制系统等，这些系统均被当作单输入—单输出的线性定常系统来处理。
如果把某个干扰考虑在内，也只是将它们进行线性叠加而已。
解决上述问题时，采用频率法、根轨迹法、奈氏稳定判据、期望对数频率特性综合等方法是比较方便的，所得结果在对精确度、准确度要求不高的情况下是完全可用的。
摘要: 本文介绍了专家控制系统的概念，在阐述专家控制系统基本结构的基础上,介绍了专家控制系统的优势。
对目前专家控制研究热点进行了总结, 比较了各研究方向的优劣,最后对各研究方向存在的关键问题及难点进行了归纳, 提出了对应的研究策略,指明了专家控制系统的发展趋势。
关键词: 专家控制优势发展趋势目录1 引言 (3)2 专家控制系统的基本概念 (3)2.1 专家控制系统的概述 (3)2.2 专家控制系统的基本结构 (4)2.3 专家控制系统与专家系统的区别 (5)3 专家控制系统的优势 (5)4 专家控制系统的发展趋势 (6)4.1 研究现状 (6)4.1.1 一般控制理论知识和经验知识相结合 (6)4.1.2 模糊逻辑与专家控制相结合 (6)4.1.3 神经网络与专家控制相结合 (6)4.2 问题及发展方向 (7)4.2.1 面临的主要问题 (7)4.2.2 发展方向 (7)5 总结与展望 (8)参考文献： (8)论述专家控制系统的优势和发展趋势1 引言专家控制系统是专家系统家族中的重要一员，它的任务是要自适应的管理一个课题或过程的全面行为。
专家控制系统能够解释控制系统的当前状况，预测过程的未来行为，诊断可能发生的问题，不断修正和执行控制计划。
也就是说，专家控制系统具有解释、预报、诊断、规划和执行等功能。
它已广泛应用于故障诊断、工业设计和过程控制，为就决工业控制难题提供了一种新方法，是实现工业过程控制的重要技术。
专家控制的形式有二，即专家控制系统和专家式控制器。
前者结构复杂，研制代价高，因而目前应用较少。
后者结构简单，研制代价明显低于前者，性能又能满足工业过程的一般要求，因而获得日益广泛的应用。
2 专家控制系统的基本概念2.1 专家控制系统的概述专家控制(EC)是指将人工智能领域的专家系统理论和技术与控制理论方法和技术相结合，仿效专家智能，实现对较为复杂问题的控制。
基于专家控制原理所设计的系统称为专家控制系统(ECS)。
20 世纪80 年代初，自动控制领域的学者和工程师为了解决经典控制系统所面临的无法建模等难题，开始把专家系统的思想和方法引入控制系统的研究及其工程应用，从而导致了专家控制系统的诞生。
专家控制作为智能控制的一个重要分支，最早由海斯-罗思(Hayes Roth) 等在1983 年提出。
他们指出：专家控制系统的全部行为能被自适应支配，为此该控制系统必须能够重复解释当前状况，预测未来行为，诊断出现问题的原因，制订补救(较正)规划，并监控规划的执行，确保成功。
研究专家控制系统的突出代表首推瑞典学者K.J.Astrom，他于1983年发表“Im-plementation of an Autotuner Using Expert System Ideas”一文，明确建立了将专家系统引入自动控制的思想，随后开展了原型系统的实验。
1986 年, 他在另一篇论文“ExpertControl”中以实例说明智能控制，正式提出了“专家控制”的概念, 标志着“专家控制”作为一个学科的正式创立。
专家控制系统作为一个人工智能和控制理论的交叉学科，即是人工智能领域专家系统( ES) 的一个典型应用，也是智能控制理论的一个分支。
专家控制既可包括高层控制(决策与规划)，又可涉及低层控制(动作与实现)。
2.2 专家控制系统的基本结构人工智能领域中发展起来的专家系统是一种基于知识的、智能的计算机程序。
其内部含有大量的特定领域中专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
将专家系统技术引入控制领域，首先必须把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现知识推理的机制和结构。
虽然因应用场合和控制要求的不同，专家控制系统的结构可能不一样，但是几乎所有的专家控制系统都包含知识库、推理机、控制规则集和控制算法等。
图2.1所示为专家控制系统的基本结构。
图2.1 专家控制系统的基本结构与专家系统相似, 整个控制问题领域的知识库和一个体现知识决策的推理机构成了专家控制系统的主体。
知识库内部的组织结构可采用人工智能中知识表示的合适方法。
其中，一部分知识可称为数据，例如先验知识、动态信息、由事实及证据推得的中间状态和性能目标等。
数据常常用一种框架结构组织在一起,形成数据库。
另一部分知识可称为规则，即定性的推理知识，每条规则都代表着与受控系统有关的经验知识，它们往往以产生式规则( if……then……) 表示。
所有的规则组成规则库。
在专家控制系统中，定量知识，即各种有关的解析算法，一般都独立编码，按常规的程序设计方法组织。
推理机的基本功能在于按某种控制策略，针对当前的问题信息，识别和选取知识库中对解决当前问题有用的知识进行推理，直至最终得出问题的推理结果。
2.3 专家控制系统与专家系统的区别(1)专家系统只对专门领域的问题完成咨询作用，协助用户进行工作。
专家系统的推理是以知识为基础的，其推理结果为知识项、新知识项或对原知识项的变更知识项。
然而，专家控制系统需要独立和自动地对控制作用做出决策，其推理结果可为变更的知识项，或且为启动（执行）某些解析算法。
(2)专家系统通常以离线方式工作，而专家控制系统需要获取在线动态信息，并对系统进行实时控制。
实时要求遇到下列一些难题：非单调推理、异步事件、基于时间的推理以及其它实时问题。
3 专家控制系统的优势(1)灵活性：知识与推理机构彼此既有联系又相互独立，使专家系统具有良好的可维护性和可扩展性。
(2)优良的控制性能及抗干扰性：工业控制的被控对象特性复杂，如非线性、时变性、强干扰等。
专家控制系统具有很强的应变能力，即自适应和学习能力，以保证在复杂多变的各种不确定因素存在的不利环境下，获得优良的控制性能。
(3)高可靠性及长期运行连续性：专家控制系统可增强正确决策的信心．这是通过向专家提供一个辅助观点而得到的；此外，专家系统还可协调多个专家的不同意见。
不过，如果专家控制系统是由某一个专家编程设计的，那这个方法就不能奏效。
如果专家没有犯错误的话，专家系统应该始终与专家意见一致。
但是，如果专家很累或有压力就可能会犯错误。
专家控制系统往往能够数十甚至数百小时连续运行。
(4)鲁棒性：通过利用专家规则，系统可以在非线性、大偏差下可靠地工作。
(5)在线控制的实时性：对于设计用于工业过程的专家式控制系统，这一优势必不可少。
专家式控制系统知识数据库的规模适中，推理机构较为简单，能够满足工业过程的实时性。
(6)拟人化：专家控制系统在一定程度上模拟人的思维活动规律，能进行自动推理，善于应付各种变化。
(7)维护方便性：在系统出现故障或异常情况时，系统本身能够采取相应措施或要求引入必要的人工干预。
4 专家控制系统的发展趋势4.1 研究现状在智能控制领域中，专家系统控制、神经网络控制、模糊逻辑控制等方法各自有着不同的优势及适用领域。
因而将几种方法相融合，成为设计更高智能的控制系统的可取方案。
而通过引进其他智能方法来实现更有效的专家控制系统业已成为近年来研究的热点。
根据它们结合的方式，专家控制系统可以分为以下三种。
4.1.1 一般控制理论知识和经验知识相结合基于一般控制理论知识(解析算法)和经验知识(专家系统)的结合，扩展了传统控制算法的范围。
这种控制方法是以应用专家知识、知识模型、知识库、知识推理、控制决策和控制策略等技术为基础的，知识模型与常规数学模型相结合，知识信息处理技术与控制技术的结合，模拟人的智能行为等。
此方法能够解决时变大规模系统和复杂系统以及非线性和多扰动实时控制过程的控制问题。
4.1.2 模糊逻辑与专家控制相结合将模糊集和模糊推理引入专家控制系统中，就产生了基于模糊规则的专家控制系统，也称模糊专家控制系统(FEC)。
它运用模糊逻辑和人的经验知识及求解控制问题时的启发式规则来构造控制策略。
对于难以用准确的数字模型描述，也难以完全依靠确定性数据进行控制的情况，可使用模糊语言变量来表示规则，并进行模糊推理，更能模拟操作人员凭经验和直觉对受控过程进行的手动控制，从而具有更高的智能。
与模糊控制( FLC) 相比，模糊专家控制系统有更高的智能：它拥有关于过程控制的更复杂的知识，能以更复杂的方式利用这些知识。
模糊集仍被用于模拟不确定性，但模糊专家控制系统在范围上更具一般性，能处理广泛种类的问题。
4.1.3 神经网络与专家控制相结合将神经网络和专家系统技术结合起来，即神经网络专家系统的研究已经起步。
神经网络基于数值和算法，而专家系统则基于符号和启发式推理。
神经网络具有联想、容错、记忆、自适应、自学习和并行处理等优点；不足之处是不能对自身的推理方法进行解释，对未在训练样本中出现过的故障不能给出正确的诊断结论。
专家系统具有显式的知识表达形式，知识容易维护，能对推理行为进行解释，并可利用深层知识来诊断新故障；缺点是不能从经验中进行学习, 当知识库庞大时难以维护，在进行深层诊断时需要过多的计算时间。
因此，将神经网络和专家系统结合起来，充分发挥专家系统“高层”推理的优势和神经网络“低层”处理的长处，可以收到更好的控制效果。
4.2 问题及发展方向4.2.1 面临的主要问题对于各类专家控制系统，它们要共同面对下列发展中的难点和挑战。
(1)专家经验知识的获取问题。
如何获取专家知识，并将知识构造成可用的形式(即知识表示)，成为研究专家系统的主要“瓶颈”之一。
(2)知识库的自动更新与规则自动生成。
受知识获取方法的限制，专家控制系统不可能具有控制专家的全部知识。
专家控制系统应能通过在线获取的信息以及人机接口不断学习新的知识，更新知识库的内容，根据出现的新情况自动产生出新规则。
否则，当系统出现超出专家系统知识范围的异常情况时，系统就可能出现失控。
(3)专家控制系统需要建立实时操作知识库，以解决结构的复杂性、功能的完备性与控制的实时性之间的矛盾。
实时性涉及到的难题有：非单调推理、异步事件、按时间推理、推理时间约束等。
(4)专家控制系统的稳定性分析是另一个研究难题。
由于涉及的对象具有不确定性或非线性，它实现的控制基于知识模型，采用启发式逻辑和模糊逻辑，专家控制系统的本质也是非线性的，因此目前的稳定性分析方法很难直接用于专家控制系统。
(5)如何实现数据和信息的并行处理，如何设计系统的解释机构，如何建立良好的用户接口等都是专家系统有待解决的问题。
4.2.2 发展方向针对上述存在的问题，研究人员正积极寻求解决问题之道，并逐步形成了以下专家控制系统的发展方向。
(1)由基于规则的专家控制系统到基于模型的专家控制系统。
(2)由领域专家工程师提供知识到机器学习和专家知识相结合的专家控制系统。
(3)由非实时诊断系统到实时诊断系统。
(4)由单机诊断系统到基于物联网的分布式全系统诊断专家系统(5)由单一推理控制策略专家系统到混合推理、不确定性推理控制策略专家系统。
