人工智能(Artificial Intelligence，AI)是在计算机科学,控制论,信息论,心理学,语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科,主要研究用机器(主要是计算机)来模仿和实现人类的智能行为.经过几十年的发展,人工智能应用在不少领域得到发展,在我们的日常生活和学习当中也有许多地方得到应用.本文就符号计算,模式识别,专家系统,机器翻译等方面的应用作简单介绍,籍此使读者对我们身边的人工智能应用有一个感性的认识.
目前，模糊控制理论及其应用研究已经成为现阶段国内外控制领域研究的热门课题之一。实际系统的复杂性、非线性、时变性、工作环境和干扰的不确定性等因素使得常规控制有时难以取得预期的效果。传统控制理论单纯的数学解析方法难以处理有关受控对象的一些定性知识，无法应用人的控制经验、技巧和直觉推理，有时很难满足对复杂控制系统的设计要求。随着热工领域中单机容量和参数的提高及系统本体的复杂化，对自动控制的要求越来越高。燃煤电站的模糊控制理论研究已被列入国家攀登B计划项目。本文针对目前对模糊控制理论研究的需要，在国内首次开发一套适用于热力系统的模糊控制软件开发系统TFCDS (Thermal Fuzzy Controller Development System)，为进一步研究模糊控制理论以及将模糊控制理论引进热力系统的优化运行与控制提供了软件开发工具
PID参数模糊自整定控制算法在运动控制中的应用
在运动控制系统中，由于被控对象的时变性、非线性和不确定性，传统的PID控制难以取得很好的控制效果，将先进控制策略和传统PID控制相结合是解决上述问题的一种有效途径[1]。近年来出现了一些新的控制算法，如模糊控制、神经网络控制、自适应控制等。模糊控制器不要求确定受控对象的精确数学模型，而根据控制规则组织控制决策表，由控制决策表决定控制量的大小。这种将模糊控制器和传统PID控制相结合的控制策略，使系统具有模糊控制的灵活性和适应性强的优点，又具有PID控制精度高的优势[2]。
基于模糊控制的运动控制系统的基本结构
基于模糊控制器的运动控制系统的基本结构如图1所示。
图1 模糊控制器的运动控制系统基本结构
运动控制系统中伺服驱动机构驱动执行机构的控制信号是给定信号和传感器的反馈信号的偏差经过模糊控制器得到理想的控制参数，其中A/D是模/数转换，D/A是数/模转换。本系统在结构上与传统运动控制系统的主要不同之处在于控制器采用模糊控制器。模糊控制器利用了微处理器，具备三个主要功能:把系统的偏差从数字量转化为模糊量;对模糊量由给定的规则进行模糊推理;将推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量。
模糊PID控制器的实现
模糊自适应PID控制器的结构及设计步骤
图2 模糊自适应PID控制器的结构框图
模糊控制器是模糊控制系统的核心部分，也是和其它控制系统区别最大的环节。图2给出了模糊控制系统的基本结构，包括模糊化、知识库、模糊推理、解模糊化和输入输出量化等部分[3]。模糊化环节把输入的精确量转化为模糊量，输入信号映射到相应论域上的一个点后，将其转化为该论域上的一个模糊子集;知识库中包含了具体应用领域中的知识和要求的目标，通常由数据库和模糊规则库两部分组成，数据库主要包括各语言变量的隶属度函数，尺度变换因子和模糊空间的分级数等，规则库包括了用模糊语言变量表示的一系列控制规则，它们反映了控制专家的经验和知识;模糊推理是模糊控制器的核心，具有模拟人的基于模糊概念的推理能力，该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的;解模糊化的作用是将模糊推理得到的控制量(模糊量)变换为实际可用于控制的精确量，它包括两部分内容:一是将模糊的控制量经解模糊变换变成表示在论域范围的精确量，二是将表示在论域范围的精确量经量程转换变成实际的控制量。
模糊自适应PID控制器是模糊控制器与传统PID控制器的结合，选择模糊PID控制器的输入量为期望值与实际输出的偏差e和偏差变化率ec(E和EC分别是e和eC经过输入量化后的语言变量)，输出量为PID参数的修正量△Kp、△Ki、△Kd。其设计思想是先找出PID三个参数与偏差e和偏差变化率ec之间的模糊关系，在运行中通过不断检测e和ec，再根据模糊控制原理对三个参数进行在线整定，通过常规PID控制器获得新的Kp、Ki、Kd后，对控制对象输出相应的控制。