专家控制系统的变量空间

   专家控制、神经网络控制和模糊控制是当今智能控制领域的三种主要的控制方法。专家控制是特指基于对从被控系统测量到的输入输出(包含状态)信号中定义和提取到的特征信号并进行符号化处理,基于传统人工智能的推理方法以及专家系统这一人工智能问题求解系统(平台)来进行控制器求解与实现的智能控制方法。在专家控制领域,重要的是系统输入输出信号的特征的定义以及计算,基于所定义的特征的专家控制策略求解的相关知识的获取及在人工智能推理求解中的实现。在专家控制系统内,涉及到的信号，无非是实变量空间内所测量到的输入输出信号,以及时间和空间都离散符号化的特征变量信号。专家控制系统从反馈到控制器求解、控制器实现,系统信号经历：

       特征提取(感知)：实变量空间的输入输出信号→特征变量空间的输入输出信号

       特征推理(决策)：特征变量空间的输入输出信号→特征变量空间的输入(决策)信号

       特征综合(行动)：特征变量空间的输入(决策)信号→实变量空间的输入(决策)信号

   实际上,上述基于特征定义及计算的专家控制方法，在信号处理、控制策略求解及控制综合三方面与模糊控制方法、神经网络控制方法具有高度的一致性。特征的定义及计算（特征提取）与模糊论域的划分及隶属度计算、多层神经网络的隐单元的感知野及隐单元的激发函数计算一致，特征推理与模糊推理、隐单元层之间及隐单元层与输出层间的突触连接计算一致，特征综合与模糊综合、神经网络输出层的输出综合计算一致。因此，专家控制系统也如模糊控制系统、神经网络控制系统一样存在三个变量空间：输入输出的实变量连续空间、符号化的输入输出特征变量空间、基于特征符号变量综合的输入输出实变量逼近空间。

   所谓专家控制系统分析及控制设计，就是基于特征提取、推理和综合，在这三种空间相互转换的分析与控制设计。由于针对一般非线性动力学系统难以存在解析性的分析和设计方法，因此能否对输入输出变量基于特征定义和表达，以及更严谨、细致分析的函数逼近领域的多元逼近论，建立符号空间和逼近空间表征，建立在这三种空间中转换自如的解析性的分析和设计方法，以及严格的理论分析和高品质的控制设计方法，不失为一种非线性系统的分析和控制方法。这里重要的是建立具有扎实理论基础和严谨分析的理论方法。