（1）人機(jī)接口 利用人機(jī)接口，專家可以將自己的新知識、新經(jīng)驗(yàn)加入到知識庫中，也可以方便地對知識庫中的規(guī)則進(jìn)行修改；操作員可以在操作中隨時(shí)得到專家系統(tǒng)的幫助，了解系統(tǒng)，并應(yīng)用系統(tǒng)，像領(lǐng)域?qū)＜乙粯咏鉀Q問題。

（2）知識庫 用以存儲某個(gè)具體領(lǐng)域的專門知識，包括理論知識和經(jīng)驗(yàn)知識。專家系統(tǒng)的性能在很大程度上取決于知識庫中知識的完備性和知識表示的正確性、一致性和獨(dú)立性：常用的知識表示方法有邏輯因果圖、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、框架理論和概念從屬等，尤以產(chǎn)生式規(guī)則構(gòu)成的產(chǎn)生式知識庫(即規(guī)則庫)使用最多。產(chǎn)生式規(guī)則的一般形式是IF(前提)THEN(動作)。將規(guī)則與數(shù)據(jù)庫中的數(shù)據(jù)相匹配，一旦匹配成功，就執(zhí)行相應(yīng)動作或得出某個(gè)結(jié)論。

（3）知識獲取 要保證知識庫能對應(yīng)用對象所有狀態(tài)的描述具有完全性和正確性，往往需要新知識的獲取。一方面是將專家的知識和經(jīng)驗(yàn)進(jìn)行描述并寫入；另一方面是進(jìn)行機(jī)器自學(xué)習(xí)，增添新知識。

（4）數(shù)據(jù)庫 用以存儲表征應(yīng)用對象的特性數(shù)據(jù)、狀態(tài)數(shù)據(jù)、求解目標(biāo)和中間狀態(tài)數(shù)據(jù)等，供推理機(jī)和解釋機(jī)構(gòu)使用。

（5）解釋機(jī)構(gòu) 用以檢驗(yàn)和解釋知識庫中相應(yīng)規(guī)則的條件部分，即用推理得到的中間結(jié)果對規(guī)則的條件部分中的變量加以約束，并將該規(guī)則所預(yù)言的變化(由動作引起)返回推理機(jī)。

（6）推理機(jī) 承擔(dān)控制并執(zhí)行專家推理的過程。從數(shù)據(jù)庫來的數(shù)據(jù)經(jīng)過一定的推理和計(jì)算形成事實(shí)，然后與知識庫中的相應(yīng)規(guī)則進(jìn)行匹配，找出可用的規(guī)則集，根據(jù)一定的優(yōu)先級別應(yīng)用各條規(guī)則，同時(shí)執(zhí)行各規(guī)則的動作(或結(jié)論)部分，并更新數(shù)據(jù)庫。在整個(gè)推理過程中，如何快速查找并正確應(yīng)用可用規(guī)則，是決定推理速度和正確性的關(guān)鍵。推理方法又與知識描述方式密切有關(guān)，如對語義網(wǎng)絡(luò)知識庫用匹配和繼承推理方法，對神經(jīng)網(wǎng)絡(luò)知識庫用模式識別推理方法，對產(chǎn)生式規(guī)則庫用鏈?zhǔn)竭壿嬐评矸椒?。鏈?zhǔn)竭壿嬐评砭唧w又分為正向推理(數(shù)據(jù)驅(qū)動策略)、逆向推理(目標(biāo)驅(qū)動策略)與正反向混合推理三類方式。

2.專家系統(tǒng)的類型

按照專家系統(tǒng)所求解問題的性質(zhì)，可把它分為下列幾種類型。

（1）解釋專家系統(tǒng)(Expert System for Interpretation)解釋專家系統(tǒng)的任務(wù)是通過對已知信息和數(shù)據(jù)的分析與解釋。

（2）預(yù)測專家系統(tǒng) (Expert System for  Predition)預(yù)測專家系統(tǒng)的’任務(wù)是通過對過去和現(xiàn)在已知狀態(tài)的分析，推斷未來可能發(fā)生的情況。

（3）診斷專家系統(tǒng)性(Expert System for Diagnosis)診斷專家系統(tǒng)的任務(wù)是根據(jù)觀察到的情況（數(shù)據(jù)）來推斷出某個(gè)對象機(jī)能失常（即故障）的原因

（4）設(shè)計(jì)專家系統(tǒng)（Expert System for Design）設(shè)計(jì)專家系統(tǒng)的任務(wù)是根據(jù)設(shè)計(jì)要求，求出滿足設(shè)計(jì)問題約束的目標(biāo)配置。

（5）規(guī)劃專家系統(tǒng)(Expert System for Planning)規(guī)劃專家系統(tǒng)的任務(wù)在于尋找出某個(gè)能夠達(dá)到給定目標(biāo)的動作序列或步驟。

（6）監(jiān)視專家系統(tǒng)(Expert System for Monitoring)監(jiān)視專家系統(tǒng)的任務(wù)在于對系統(tǒng)、對象或過程的行為進(jìn)行不斷觀察，并把觀察到的行為與其應(yīng)當(dāng)具有的行為進(jìn)行比較，以發(fā)現(xiàn)異常情況，發(fā)出警報(bào)。

（7）控制專家系統(tǒng)(Expert System for Control)控制專家系統(tǒng)的任務(wù)是適應(yīng)地管理一個(gè)被控對象或客體的全面行為，使之滿足預(yù)期要求。

（8）調(diào)試專家系統(tǒng)(Expert System for Debugging)調(diào)試專家系統(tǒng)的任務(wù)是對失靈的對象給出處理意見和方法。

（9）教學(xué)專家系統(tǒng)(Expert System for Instruction)教學(xué)專家系統(tǒng)的任務(wù)是根據(jù)學(xué)生的特點(diǎn)、弱點(diǎn)和基礎(chǔ)知識，以最適當(dāng)?shù)慕贪负徒虒W(xué)方法對學(xué)生進(jìn)行教學(xué)和輔導(dǎo)。

（10）修理專家系統(tǒng)(Expert System for Repair)修理專家系統(tǒng)的任務(wù)是對發(fā)生故障的對象(系統(tǒng)或設(shè)備)進(jìn)行處理，使其恢復(fù)正常工作。

3.專家系統(tǒng)在自動化中的應(yīng)用

在過程控制中，專家系統(tǒng)能夠做的事情很多。但須注意，過程控制是在現(xiàn)場實(shí)時(shí)進(jìn)行的，因此在專家系統(tǒng)的實(shí)時(shí)性和可靠性方面有很高的要求，并希望有良好的開放性。

在過程控制中，一套計(jì)算機(jī)控制裝置處理的范圍內(nèi)，往往有成百上千個(gè)變量，系統(tǒng)很大，好在這些變量并非都是息息相關(guān)的，劃分為若干個(gè)子專家系統(tǒng)將方便很多。

專家系統(tǒng)的編程語言，當(dāng)處理的完全是邏輯關(guān)系時(shí)，LISP語言是公認(rèn)的最佳選擇。但是，在過程控制的許多應(yīng)用場合，常常會涉及一些模擬解析運(yùn)算。例如，有一條生產(chǎn)式規(guī)則，IFya≥yb，THENyc=C。這里可能ya和yb都是實(shí)測的數(shù)值，C又是一個(gè)已知的恒值，此時(shí)是單純的邏輯關(guān)系。但在有些時(shí)候，ya或（和）yb需要通過微分方程的求解得出，或者C是一個(gè)隨時(shí)間而變化的函數(shù)，此時(shí)采甩LISP語言就不方便了，因?yàn)樗贿m合于模擬運(yùn)算，所以還需翻譯成別的語言。遇到邏輯與模擬計(jì)算復(fù)合的情況，還是采用C+語言為宜。

顯然，通過邏輯與模擬計(jì)算的復(fù)合，可以使專家系統(tǒng)的應(yīng)用范圍擴(kuò)大。

專家系統(tǒng)在自動化中的應(yīng)用至少有三大方面。

（1）用于控制 依據(jù)負(fù)荷、進(jìn)料情況、環(huán)境條件和系統(tǒng)工作情況等因素，決定控制作用u、控制器參數(shù)、控制系統(tǒng)類型或結(jié)構(gòu)等。

（2）用于工況監(jiān)測、故障診斷和區(qū)域優(yōu)化 這是診斷型任務(wù)，與控制型任務(wù)不同。依據(jù)系統(tǒng)工作情況和環(huán)境條件等因素，判定工況是否正常、工況不正常的根源和如何使工作情況進(jìn)入優(yōu)良區(qū)域。

（3）用于計(jì)劃和調(diào)度

專家控制系統(tǒng)技術(shù)，包括自動控制理論與人工智能（AI）以及計(jì)算機(jī)技術(shù)等多學(xué)科、多專業(yè)相結(jié)合的產(chǎn)物。

專家控制是知識基于控制對多人和控制規(guī)律的各種知識，并以智能方式應(yīng)用這些知識，使控制系統(tǒng)和受控過程盡可能優(yōu)化。

專家系統(tǒng)的自學(xué)習(xí)，就是AI的深度學(xué)習(xí)，積累知識，知識更新。

專家系統(tǒng)是智能控制機(jī)的一個(gè)重要組成部分。

（二）模糊控制

一種完善的工程方法應(yīng)該能夠看效地利用所有可能得到的信息。在許多實(shí)際問題中，某些重要的信息是由專家提供的。通常這些專家信息是用比較模糊的術(shù)語(如”大”、“小”、“可以”等)來表示的，因此這類信息是不太精確的。那么，為什么專家信息常常要用模糊語言來表示呢？原因主要有以下幾點(diǎn)：表達(dá)起來比較方便，不需要十分精確的考證，交流起來通俗易懂等。為了能夠系統(tǒng)地利用這些信息，一系列所謂智能方法(如智能控制、智能信息處理等)便在工程學(xué)術(shù)界應(yīng)運(yùn)而生。

近年來，由于人工智能技術(shù)、微型計(jì)算機(jī)技術(shù)、神經(jīng)網(wǎng)絡(luò)理論、信息科學(xué)及非線性科學(xué)等的迅速發(fā)展，促使廣大科學(xué)工作者又在維納控制論的思想指引下，在一個(gè)新的高度上進(jìn)行控制理論、計(jì)算機(jī)科學(xué)、神經(jīng)生理學(xué)及信息科學(xué)等多學(xué)科的密切合作，以期模擬和綜合人類的智能，開創(chuàng)智能控制論的新篇章。模糊控制是以模糊集合論，模糊語言變量及模糊邏輯推理為基礎(chǔ)的非線性智能控制，它已與神經(jīng)網(wǎng)絡(luò)、遺傳算法及混沌理論等新學(xué)科相融合，正在顯示出其巨大的應(yīng)用潛力。

1.模糊邏輯控制（FuzzyLogicControl，F(xiàn)LC）的核心是控制器輸出與輸入間的模糊關(guān)系準(zhǔn)則，也就是說，由輸入的模糊變量，按照某種模糊推理合成的規(guī)則，求取作為輸出的模糊變量。

反饋控制器總是以偏差e及其導(dǎo)數(shù)ec作為輸入的，這是手工操作時(shí)的經(jīng)驗(yàn)，也是各種經(jīng)典控制規(guī)律的做法。從物理概念看，就是既要依據(jù)偏差的量(正負(fù)及大小)，又要依據(jù)偏差的變化速度(趨勢)來確定應(yīng)該采取的控制作用。當(dāng)然，也可考慮參考二階或更高階次的導(dǎo)數(shù)，但由于噪聲的存在，引人高階導(dǎo)數(shù)并不相宜。在FLC中，也同樣以偏差e及其變化率eC作為輸入信號。輸入信號的個(gè)數(shù)稱為FLC的維數(shù)，這樣可叫做二維模糊控制。

控制器的輸出通常是控制作用的增量?u。取?u與控制作用u相比，至少有兩個(gè)優(yōu)點(diǎn)：①雖然模糊控制的推理規(guī)則往往不是線性的，但是u與e間將形成類似P+I關(guān)系，而不是P+D關(guān)系，有利于消除余差；②不會產(chǎn)生積分飽和現(xiàn)象。

模糊邏輯控制器的框圖如圖2所示。因?yàn)楂@得的測量值一般不是模糊量，要求送往執(zhí)行機(jī)構(gòu)的信號一般也不是模糊量，所以從控制器的輸入到輸出建要經(jīng)過輸入信號的模糊化、在模糊控制規(guī)則下的決策和對模糊信號的精確化等步驟。