1 引言
智能控制从根本上说是仿效人的行为进行控制和决策。为什么要仿效人的控制呢?著名的过程控制专家f.g.欣斯基指出:“有一种时常引用的格言:如果你不能 用手动去控制一个过程，那么你就不能用自动去控制它”。通过大量的实验发现:在得到必要的操作训练后，由人实现的控制方法是接近最优的，这个方法的得到不 需要了解对象的结构参数，也不需要最优控制专家的指导。所有这些都清楚的表明，人的控制活动反映了人脑的高超的思维、决策和控制能力。saridis曾在 “论智能控制的实现”一文中指出，向人脑(或生物脑)学习是唯一的捷径。因此，在对人脑宏观结构模拟和行为功能的基础上，开展仿人智能控制的研究，是目前智能控制的一个重要研究方向。
如何对人的控制功能进行模拟，首先遇到的问题就是如何建立控制问题的广义数学模型(特征模型)。仿人智能控制认为，系统的误差，误差对时间的导数e′ (t)，以及时间t构成了控制问题求解的信息空间。这里，误差e(t)=r(t)-y(t)， r(t)是系统的输入，y(t)是系统的输出。控制的目的一般都是当t→∞时，使得e(t) =e′(t)=0。系统运动在误差信息空间所呈的轨迹，不仅反映了被控对象的动态信息，而且也反映了控制作用对系统的影响。
鉴于仿人智能控制对复 杂不确定系统控制比模糊逻辑控制、专家系统控制、神经网络控制等有较明显的优点，因此本文对基于仿人智能的控制器及其应用有关问题作些讨论。
2 仿人智能控制的基本理论
智能控制的基本思想是仿人、仿智，无数事实表明，迄今为止世界上最有效最高级的控制系统是人类自身，研究自身表现出来的控制机制，并用机器加以模仿是智能控制研究的重要捷径。
生物机体是一个庞大的复杂系统，人脑是我们至今知道的复杂系统之一，人的精神世界素有“第二宇宙”之称。要从结构功能上完全模仿人脑，以目前的科学技术水 平而言，还只是幻想。在宏观结构模拟的基础上研究人的控制行为功能并加以模拟实现应该是必由之路。
在人参与的控制过程中，经验丰富的操作者并不是依据数学模型进行控制的，而是按过去积累的经验，如系统动态信息特征的定性认识进行直觉推理，在线确定或变换控制策略，随着输出与系统动态响应偏差，偏差的变化率和一些与前期控制效果有关的特征记忆量呈现一定的定量关系(比例保持、预估等)，当然策略随特性状 态而变化，这种量的关系也是各异的。
2.1 仿人智能控制系统在结果上应具有的四条基本原则
(1) 分层的信息处理和决策机构;
(2) 在线特征辩识和特性记忆;
(3) 开、闭环结合的多模态控制;
(4) 启发与直觉推理逻辑的应用。
上述原则中人的直觉推理逻辑用人工智能的产生式规则予以描述，在线特征辩识和特征记忆依据系统动态特征模型进行，而特征模型的建立与人工智能的模式识别和知识表示技术息息相关，开、闭环结合的多模态控制建立在经典控制理论基础上，这种控制模态的建立充分利用了控制理论的前期成果，分层递阶的信息处理和决策 机构需要计算机软件、硬件的发展予以支持。
2.2 仿人智能控制的特点
仿人智能控制是人工智能、控制理论和计算机科学交叉的结果，显然从认识论的角度来看，它独具风格，它不同于经典控制理论和现代控制理论，其特点表现在:
(1) 研究的主要目标不是被控对象，而是控制器本身。建模与辩识的目的，不是对象的数学模型，而是系统动态特征的特征模型和控制器的知识模型。
(2) 研究的工具不是纯的数学分析方法，而是定性与定量的结合，数学分析与直觉结合的知识工程方法，仿人智能控制器采用了产生式系统构成技术，产生规则表示为:
if (condition) then (action)
这种基于规则的符号化模型适用于描述因果关系，定性的非解析关系，便于表达人的直觉 推理逻辑，处理各种定性和模糊的信息，且推理决策迅速准确。
(3) 基于辩识的多模态控制实现了动态特性变化与控制器输出的多值映射关系，因此能实现多性能指标的兼顾，这也是仿人智能控制品质优于其他控制器的主要原因之一。
仿人智能控制具有强烈的实践性。一则其主要途径是仿人，人的控制经验、行为和直觉推理往往难于用数学解析方法加以描述，因此控制器的设计不能完全由理论推导产生，离不开总结人的实际操作经验。二则其硬件基础是计算机，可以说离开了计算机就谈不上智能控制。
3 仿人智能控制的结构
仿人智能控制系统具有分级递阶的控制结构，并遵照层次随“越高智能增加而精度降低”的原则，如图1所示。其中执行级一般需要比较准确的模型，以实现具有一 定精度要求的控制任务，仿人智能控制认为:其最低层(执行级)不仅仅由常规控制器构成，而应该具有一定的智能，以满足实时、高速、高精度的控制要求;协调 级用来协调执行级的动作，它不需要精确的模型，但需具备学习功能以便在再现的控制环境中改善性能，并能接受上一级的模糊指令和符号语言，组织级将操作员的自然语言翻译成机器语言，组织决策，规划任务，并直接干预底层的操作。在执行级中，识别的功能在于获得不确定的参数值或监控系统参数的变化。协调级中，识 别的功能在于根据执行级送来的测量数据和组织级送来的指令产生合适的协调作用。在组织级中，识别的功能在于翻译定性的命令和其他的输入。
图一
4 控制模型
由于被控对象的复杂性和不确定性，按传统的方法，根据被控对象的数学模型，在满足性能指标及约束条件下，综合设计控制器的方法是不能用的，因为对不确定性复杂对象不可能建立严格的数学模型，综合设计系统的前提条件不存在。对不确定性复杂系统的控制，可采用以知识表示的非数学模型，如图2所示。
图二
事实上人们对对象特性不是一无所知，而是不完全知道，即所具有对象的信息是灰色信息。在实际工程中，依靠控制专家的知识和经验，也可以对系统进行有效的控制，获得满意的结果。它是基于人的智能、控制者的知识经验和技巧，完成预定的控制任务。因此它是人机结合的控制模型，即控制者的模型与被控对象模型相结合。
5 仿人智能控制器及其控制算法
仿人智能控制器的基本算法很接近人的思维过程:当系统误差趋于增加或系统误差保持常值时，仿人智能控制器采用比例控制模态，于是产生强烈的闭环控制作用，使误差尽快停止增加;而在系统误差向减小方向变化或为零时，仿人智能控制器采用保持控制模态，取消强控制作用，使控制量为一常值，对系统的动态过程进行等待和观察，直到再次出现过调时，控制器又改用比例控制模态。图2中的控制器就是仿人智能控制器。
仿人智能控制的算法原型是在1979年由重庆大学 的周其鉴教授提出来的。
u:控制输出; kp:比例控制器的保持系数
k:抑制系数 e:误差
e′:误差变化率 em,i:误差第i次峰值
该 算法对基本控制算法的主要改进是将比例增益分段处理。即对误差的绝对值e设定一个界限值m，当e<1， 所以kkp< p>
6 控制算法的仿真试验
6.1 当被控对象的参数发生变化时控制器的控制特性
在保持控制器整定参数不变的情况下，改变二阶对象的两个时间常数，变化情况和pid控制时同，图3为仿真曲线。其中曲线1表示t1=0.5，t2=2.5 时系统的响应曲线;曲线2表示t1=1.5,t2=2.5时系统的响应曲线;曲线3表示t1=3，t2=4时系统的响应曲线;曲线4表示 t1=5，t2=6时系统的响应曲线;从图3中可以看出尽管被控对象的两个时间参数变化较大,但响应情况却变化不大,没有出现pid控制中当时间常数变大响应曲线振荡的现象;与pid控制的响应曲线相比较，没有出现超调。
图三
6.2 当被控对象结构发生变化时的控制性能
在保持控制器参数不变的情况下，改变被控对象的结构，即被控对象由二阶变为一阶再变为三阶，仿真曲线如图4。
图四
其中曲线1为一阶对象响应曲线，曲线2为二阶对象响应曲线，曲线3为三阶对象响应曲线，从图4中可以看出当被控对象结构变化时，响应曲线无超调，也无大的 振荡,说明了控制器对结构变化也有一定的适应能力。
从仿真结果可看出仿人智能控制器交替采用比例控制模态和保持控制模态，使仿人智能控制具有比 pid控制具有更好的控制性能
6.3 加入非线性环节时的仿真
仿真实例取:
图5为该系统在单位阶跃信号作用下的pid控制结果和仿人智能控制的结果，图中的pid输出响应曲线是首先采用了经验设定方法大致估计了pid输出响应曲 线的参数kp、ti、td，然后经过认真、仔细的反复调试而获
