PID控制
PID控制是最早发展起来的、应用领域至今仍然广泛的控制方法之一，它是基于对象数学模型的方法，尤其适用于可建立精确数学模型的确定性控制系统。但对于非线形、时变不确定性系统，难以用常规的PID控制器达到理想的控制效果。而且，在实际生产中，由于受参数整定方法繁杂的困扰，常规的PID参数往往整定不良、性能欠佳。
人工神经网络控制
人工神经网络起源于20世纪40年代，它从某些方面反映了人脑的基本特征，但并不是人脑的真实描写，而只是它的抽象、简化和模拟，网络的信息处理由神经元间的相互作用来实现。神经网络控制的关键是选择一个合适的神经网络模型，并对其进行训练与学习，直至达到要求为止，即寻找最优的神经网络结构与权值。然而，神经网络的学习，需要一定的实验样本，这些实验样本也必须从已知经验和事先的实验中获得。同时，神经网络的训练与学习过程，有时较为复杂，需要运行成千上万次才能获得最佳结构。有时获得的是一个局部最优解，而不是全局最优解，因方法的局限性，同样也难于对所讨论的对象实现有效的控制。
模糊控制
实际工程中，一个非常熟练的操作人员，能凭借自己丰富的实践经验，通过对现场的各种现象的判断取得较满意的控制效果。如果将凭经验所采取的措施转变成相应的控制规则，并且研制一个控制器来代替这些规则，也可实现对复杂工业过程的控制。实践证明，以模糊控制理论为基础的模糊控制器(FC)能够完成这个任务。
模糊控制是基于模糊推理和模仿人的思维方法，对难以建立数学模型的对象实施的一种控制。它用模糊数学中的模糊集合来刻画这些模糊语言，并用产生式规则，即“假如条件成立则执行”语句予以实现。模糊控制技术的应用在国内已取得明显效果。
专家控制
专家控制是智能控制的一个重要部分，它在将专家系统的理论和技术同控制理论的理论和方法有机结合的基础上，在未知环境下模仿专家的智能，实现对系统的有效控制。专家控制的核心是专家系统，它具有处理各种非结构性问题，尤其是处理定性的、启发式的或不确定性的知识信息，经过各种推理过程达到系统的控制目标。
仿人智能控制
仿人智能控制(HSIC)经过20年来的努力，已形成了基本理论体系和较系统的设计方法，并在大量的实际应用中获得成功。其主要内容是总结人的控制经验，模仿人的控制思想和行为，以产生式规则描述其在控制方面的启发与直觉推理行为。由于HSIC的基本特点是模仿控制专家的控制行为，因此它的控制算法是多模态控制的，是多种模态控制间的相互交替使用。该算法可以完美地协调控制系统中诸多相互矛盾的控制品质的要求。比如，鲁棒性与精确性，快速性与平稳性等。
关注泽德微信
关注泽德微博