环境试验设备智能控制系统都有哪几类
基于环境试验设备智能控制理论已有的研究成果，结合当前的智能控制系统的研究现状，可以把智能控制系统分为以下6大类：
（1）分阶梯智能控制系统
分阶梯智能控制系统（HICS）是在研究早期学习控制系统的基础上并从工程控制论的角度总结人工智能与自适应、自学习、自组织控制的关系之后逐步形成的，是智能控制理论之一。三级分阶梯智能控制是由G.N.saridis于1977年提出的。该系统由组织级’协调级和执行级组成，并遵循“精度递增智能递减”的原则。组织级起主导作用，涉及知识的表示与处理，主要应用于人工智能协；调级在组织级和执行级间起连接作用，涉及决策方式及其表示，采用人工智能及运筹学实现控制；执行级是底层，具有很高的控制精度，采用常规自动控制。
（2）环境试验设备专家控制系统
专家控制系统（ECS）是将人的感性经验和定理算法结合的一种传统的智能控制方法。专家智能控制器运用知识进行推理，决策而产生有效的控制。其主要优点是在层次结构上控制方法上和知识表达上的灵活性。既可以以符号推理也允许数值计算，既可以表达推理也可以模糊描述决策。但灵活性同时带来设计上随意性和不规范性。
(3)模糊控制系统
模糊控制系统(FCS)是从行为上模拟人的模糊推理和决策过程的一种实用控制方法.它不依赖于控制对象,适合难以建模的对象实施鲁棒性控制.其特点是:一方面模糊控制提供了一种基于自然语言描述规则的控制规律新机制,易于实现.另一方面模糊控制器提供了一种改进非线性控制器的替代方法.
(4)神经网络控制
神经网络控制(NNC)是从机理上对人脑生理系统进行简单结构模拟的一种新兴控制和辨识方法,是智能控制的一个重要分支.从本质上看,神经网络是一种不以来于模型的自适应函数估计器,是一种控制策略的工具支持(从控制角度上看)本身个节点没有明显的工程或物理意义,但综合神经网络可以描述复杂和非线性控制与辨识问题.而且能做到并行实时和冗余容错的运算.但进一步的理论和实际应用研究有待加强,特别是学习和控制算法的收敛和实时性值得重视.
(5)学习控制系统
学习控制系统(LC)是在运行过程中逐步获得被控对象及环境的非预知信息,积累控制经验并在一定标准下进行估计值,分类,决策和不断改善系统品质的自动控制方法.学习控制是模拟人类自身集中优良控制调节机制的一种尝试,是智能控制的一部分.其不足之处在于再线学习能力差,学习速度较慢,跟不上实时的要求,因此该方法的发展依赖于好的优化理论和算法.
(6)环境试验设备集成智能控制
上述智能控制均建立在各自的智能控制方法上，所以各有优势但均存在不足。当前国际智能控制方法及研究的发展趋势已从单学科研究逐步发展到理论交叉研究，将几种智能控制方法有机的融合在一起而构成的新一代智能控制系统称为集成智能控制系统。如近些年模糊变结构控制FVSC,自适应神经网络控制ANNC，专家模糊控制EFC，模糊神经网络控制FNNC，基于遗传算法的模糊控制GBFC等等。http://www.zhpct.com
