上世纪80年代初，人工智能中专家系统的思想和方法开始被引入控制系统的研究和工程应用中。专家系统能处理定性的、启发式或不确定的知识信息，经过各种推理来达到系统的任务目标。专家系统为解决传统控制理论的局限性提供了重要的启示，二者的结合导致了专家控制这一方法。2.1概述2.1.1、什么是专家系统1．定义专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。2.1.2专家系统的发展历程分为四个阶段：（1）孕期期（1965年以前）专家系统历史的一些重要事件1956年人工智能诞生；两项历史意义的突破：LT系统与西洋跳棋程序；1957年开始通用问题求解程序GPS.(2)初创期（1965-1971年）第一代专家系统DENLDRA和MACSMA的出现，标志着专家系统的诞生。其中DENLDRA为推断化学分子结构的专家系统，由专家系统的奠基人，Stanford大学计算机系的Feigenbaum教授及其研究小组研制。MACSMA为用于数学运算的数学专家系统，由麻省理工学院完成。（3）成熟期（1972-1977年）：在此期间斯坦福大学研究开发了最著名的专家系统-血液感染病诊断专家系统MYCIN，标志专家系统从理论走向应用。另一个著名的专家系统-语音识别专家系统HEARSAY的出现，标志着专家系统的理论走向成熟。（4）发展期（1978-现在）在此期间，专家系统走向应用领域，专家系统的数量增加，仅1987年研制成功的专家系统就有1000种。专家系统可以解决的问题一般包括解释、预测、设计、规划、监视、修理、指导和控制等。目前，专家系统已经广泛地应用于医疗诊断、语音识别、图象处理、金融决策、地质勘探、石油化工、教学、军事、计算机设计等领域。2.2、专家系统的基本结构与实现专家系统的结构1．知识库知识库包含三类知识：（1）基于专家经验的判断性规则；（2）用于推理、问题求解的控制性规则；（3）用于说明问题的状态、事实和概念以及当前的条件和常识等的数据。知识库包含多种功能模块，主要有知识查询、检索、增删、修改和扩充等。知识库通过人机接口与领域专家相沟通，实现知识的获取。2．推理机推理机是用于对知识库中的知识进行推理来得到结论的“思维”机构。推理机包括三种推理方式：（1）正向推理：从原始数据和已知条件得到结论；（2）反向推理：先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立；（3）双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。3．知识的表示常用的知识表示方法为：产生式规则，框架，语义网络，过程。其中产生式规则是专家系统最流行的表达方法。由产生式规则表示的专家系统又称为基于规则的系统或产生式系统。产生式规则的表达方式为：IFETHENHWITHCF(E,H)其中，E表示规则的前提条件，即证据，它可以是单独命题，也可以是复合命题；H表示规则的结论部分，即假设，也是命题；CF（CertaintyFactor）为规则的强度，反映当前提为真时，规则对结论的影响程度。4．专家系统开发语言（1）C语言，人工智能语言（如Prolog，Lisp等）；（2）专家系统开发工具：已经建好的专家系统框架，包括知识表达和推理机。在运用专家系统开发工具开发专家系统时，只需要加入领域知识。2.2.2专家系统的实现1、专家系统的建立原则知识与知识处理机构分开和互相独立的原则按系统功能实现模块化构造的原则交互性原则2、专家系统的建立步骤问题选择和定义阶段原型构造阶段规划和设计阶段实施阶段、测试和评介阶段以及集成和维护阶段测试和评价阶段集成和维护阶段（1）知识库的设计①确定知识类型：叙述性知识，过程性知识，控制性知识；②确定知识表达方法；③知识库管理系统的设计：实现规则的保存、编辑、删除、增加、搜索等功能。（2）推理机的设计①选择推理方式；②选择推理算法：选择各种搜索算法，如深度优先搜索、广度优先搜索、启发式优先搜索等。（3）人─机接口的设计①设计“用户─专家系统接口”：用于咨询理解和结论解释；②设计“专家─专家系统接口”：用于知识库扩充及系统维护。2.3专家控制系统的设计方法2.3.1专家控制系统概念、分类专家控制（ExpertControl）是智能控制的一个重要分支，又称专家智能控制。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。专家控制试图在传统控制的基础上“加入”一个富有经验的控制工程师，实现控制的功能，它由知识库和推理机构构成主体框架，通过对控制领域知识（先验经验、动态信息、目标等）的获取与组织，按某种策略及时地选用恰当的规则进行推理输出，实现