神经网络控制基本原理,神经网络理论及其应用

什么是神经网络控制

神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术。

而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适。

谷歌人工智能写作项目：神经网络伪原创

什么是神经网络控制技术

神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术写作猫。

而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适。

神经网络与模糊控制优劣？

(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。

(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。

(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。

(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。|||什么是模糊控制？与传统控制理论相比有什么优点？

模糊控制是近代控制理论中建立在模糊集合轮上基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。

与传统控制理论相比，模糊控制有两大不可比拟的优点：第一，模糊控制在许多应用中可以有效且便捷的实现人的控制策略和经验，这一优点自从模糊控制诞生以来就一直受到人们密切的关注；第二，模糊控制不需要被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。

所以模糊控制被越来越多的应用于各个领域，尤其是被广泛应用于家电系列中，基于模糊控制的洗衣机就是其中的一个典型实例。|||模糊控制实质上是一种非线性控制，从属于智能控制的范畴。

模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。|||优点：对于难于建立模型的控制对象不失为一种良好的控制方法。

神经网络控制的书籍目录

。

第1章神经网络和自动控制的基础知识1.1人工神经网络的发展史1.1.120世纪40年代——神经元模型的诞生1.1.220世纪50年代——从单神经元到单层网络，形成第一次热潮1.1.320世纪60年代——学习多样化和AN2的急剧冷落1.1.420世纪70年代——在低迷中顽强地发展1.1.520世纪80年代——AN2研究热潮再度兴起1.1.620世纪90年代——再现热潮，产生许多边缘交叉学科1.1.7进入21世纪——实现机器智能的道路漫长而又艰难1.2生物神经元和人工神经元1.2.1生物神经元1.2.2人工神经元1.3生物神经网络和人工神经网络1.3.1生物神经网络1.3.2人工神经网络1.4自动控制的发展史1.4.1从传统控制理论到智能控制1.4.2智能控制的产生与基本特征1.4.3智能控制系统1.5模糊集与模糊控制概述1.5.1模糊集1.5.2模糊隶属函数1.5.3模糊控制1.6从生物神经控制到人工神经控制1.6.1生物神经控制的智能特征1.6.2人工神经控制的模拟范围1.7小结习题与思考题第2章神经计算基础2.1线性空间与范数2.1.1矢量空间2.1.2范数2.1.3赋范线性空间2.1.4L1范数和L2范数2.2迭代算法2.2.1迭代算法的终止准则2.2.2梯度下降法2.2.3最优步长选择2.3逼近论2.3.1Banach空间和逼近的定义2.3.2L2逼近和最优一致逼近2.3.3离散点集上的最小二乘逼近2.4神经网络在线迭代学习算法2.5Z变换2.5.1Z变换的定义和求取2.5.2Z变换的性质2.5.3Z反变换2.6李雅普诺夫意义下的稳定性2.6.1非线性时变系统的稳定性问题2.6.2李雅普诺夫意义下的渐进稳定2.6.3李雅普诺夫第二法2.6.4非线性系统的稳定性分析2.7小结习题与思考题第3章神经网络模型3.1人工神经网络建模3.1.1MP模型3.1.2Hebb学习法则3.2感知器3.2.1单层感知器3.2.2多层感知器3.3BP网络与BP算法3.3.1BP网络的基本结构3.3.2BP算法及步长调整3.4自适应线性神经网络3.5自组织竞争型神经网络3.5.1自组织竞争型神经网络的基本结构3.5.2自组织竞争型神经网络的学习算法3.6小脑模型神经网络3.6.1CMAC的基本结构3.6.2CMAC的工作原理3.6.3CMAC的学习算法与训练3.7递归型神经网络3.7.1DTRNN的网络结构3.7.2实时递归学习算法3.8霍普菲尔德（Hopfield）神经网络3.8.1离散型Hopfield神经网络3.8.2连续型Hopfield神经网络3.8.3求解TSP问题3.9小结习题与思考题第4章神经控制中的系统辨识4.1系统辨识基本原理4.1.1辨识系统的基本结构4.1.2辨识模型4.1.3辨识系统的输入和输出4.2系统辨识过程中神经网络的作用4.2.1神经网络辨识原理4.2.2多层前向网络的辨识能力4.2.3辨识系统中的非线性模型4.3非线性动态系统辨识4.3.1非线性动态系统的神经网络辨识4.3.2单输入单输出非线性动态系统的BP网络辨识4.4多层前向网络辨识中的快速算法4.5非线性模型的预报误差神经网络辨识4.5.1非动态模型建模，4.5.2递推预报误差算法4.6非线性系统逆模型的神经网络辨识4.6.1系统分析逆过程的存在性4.6.2非线性系统的逆模型4.6.3基于多层感知器的逆模型辨识4.7线性连续动态系统辨识的参数估计4.7.1Hopfield网络用于辨识4.7.2Hopfield网络辨识原理4.8利用神经网络联想功能的辨识系统4.8.1二阶系统的性能指标4.8.2系统辨识器基本结构4.8.3训练与辨识操作4.9小结习题与思考题第5章人工神经元控制系统5.1人工神经元的PID调节功能5.1.1人工神经元PID动态结构5.1.2人工神经元闭环系统动态结构5.2人工神经元PID调节器5.2.1比例调节元5.2.2积分调节元5.2.3微分调节元5.3人工神经元闭环调节系统5.3.1系统描述5.3.2Lyapunov稳定性分析5.4人工神经元自适应控制系统5.4.1人工神经元自适应控制系统的基本结构5.4.2人工神经元自适应控制系统的学习算法5.5人工神经元控制系统的稳定性5.6小结习题与思考题第6章神经控制系统6.1神经控制系统概述6.1.1神经控制系统的基本结构6.1.2神经网络在神经控制系统中的作用6.2神经控制器的设计方法6.2.1模型参考自适应方法6.2.2自校正方法6.2.3内模方法6.2.4常规控制方法6.2.5神经网络智能方法6.2.6神经网络优化设计方法6.3神经辨识器的设计方法6.4PID神经控制系统6.4.1PID神经控制系统框图6.4.2PID神经调节器的参数整定6.5模型参考自适应神经控制系统6.5.1两种不同的自适应控制方式6.5.2间接设计模型参考自适应神经控制系统6.5.3直接设计模型参考自适应神经控制系统6.6预测神经控制系统6.6.1预测控制的基本特征6.6.2神经网络预测算法6.6.3单神经元预测器6.6.4多层前向网络预测器6.6.5辐射基函数网络预测器6.6.6Hopfield网络预测器6.7自校正神经控制系统6.7.1自校正神经控制系统的基本结构6.7.2神经自校正控制算法6.7.3神经网络逼近6.8内模神经控制系统6.8.1线性内模控制方式6.8.2内模控制系统6.8.3内模神经控制器6.8.4神经网络内部模型6.9小脑模型神经控制系统6.9.1CMAC控制系统的基本结构6.9.2CMAC控制器设计6.9.3CMAC控制系统实例6.10小结习题与思考题第7章模糊神经控制系统7.1模糊控制与神经网络的结合7.1.1模糊控制的时间复杂性7.1.2神经控制的空间复杂性7.1.3模糊神经系统的产生7.2模糊控制和神经网络的异同点7.2.1模糊控制和神经网络的共同点7.2.2模糊控制和神经网络的不同点7.3模糊神经系统的典型结构7.4模糊神经系统的结构分类7.4.1松散结合7.4.2互补结合7.4.3主从结合7.4.4串行结合7.4.5网络学习结合7.4.6模糊等价结合7.5模糊等价结合中的模糊神经控制器7.5.1偏差P和偏差变化率Δe的获取7.5.2隶属函数的神经网络表达7.6几种常见的模糊神经网络7.6.1模糊联想记忆网络7.6.2模糊认知映射网络7.7小结习题与思考题第8章神经控制中的遗传进化训练8.1生物的遗传与进化8.1.1生物进化论的基本观点8.1.2进化计算8.2遗传算法概述8.2.1遗传算法中遇到的基本术语8.2.2遗传算法的运算特征8.2.3遗传算法中的概率计算公式8.3遗传算法中的模式定理8.3.1模式定义和模式的阶8.3.2模式定理（Schema）8.4遗传算法中的编码操作8.4.1遗传算法设计流程8.4.2遗传算法中的编码规则8.4.3一维染色体的编码方法8.4.4二维染色体编码8.5遗传算法中的适应度函数8.5.1将目标函数转换成适应度函数8.5.2标定适应度函数8.6遗传算法与优化解8.6.1适应度函数的确定8.6.2线性分级策略8.6.3算法流程8.7遗传算法与预测控制8.8遗传算法与神经网络8.9神经网络的遗传进化训练8.9.1遗传进化训练的实现方法8.9.2BP网络的遗传进化训练8.10小结习题与思考题附录常用神经控制术语汉英对照参考文献……

控制理论与控制工程的研究方向

复杂系统控制理论与应用：采用结构分散化方法研究复杂系统的建模与控制问题，以结构分散化模型为基础，研究新的系统辨识理论和新的控制方法。

智能控制理论研究与应用：在对模糊控制、神经网络、专家系统和遗传算法等理论进行分析和研究的基础上，重点研究多种智能方法综合应用的集成智能控制算法。

计算机控制系统：针对不同的生产过程和控制对象，研究采用DCS、PLC、工业控制计算机等控制设备，构成低成本、高性能、多功能的计算机控制系统。

网络控制理论及其应用：通过对网络拓扑结构及网络环境下先进控制理论与方法的研究，充分利用网络资源，实现从决策到控制的全过程优化。

中外控制理论发展史上著名学者及其重要理论成果

。

经典控制理论（20世纪40-50年代）在20世纪30到40年代，奈奎斯特、伯德、维纳等人的著作为自动控制理论的初步形成奠定了基础；二次大战以后，又经过众多学者的努力，在总结了以往的实践和关于反馈理论、频率响应理论并加以发展的基础上，形成了较为完整的自动控制系统设计的频率法理论。

1948年又提出了根轨迹法。至此，自动控制理论发展的第一阶段基本完成。这种建立在频率法和根轨迹法基础上的理论，通常被称为经典控制理论。

经典控制理论以拉氏变换为数学工具，以单输入－单输出的线性定常系统为主要的研究对象。

将描述系统的微分方程或差分方程变换到复数域中，得到系统的传递函数，并以此作为基础在频率域中对系统进行分析和设计，确定控制器的结构和参数。通常是采用反馈控制，构成所谓闭环控制系统。

经典控制理论具有明显的局限性，突出的是难以有效地应用于时变系统、多变量系统，也难以揭示系统更为深刻的特性。

当把这种理论推广到更为复杂的系统时，经典控制理论就显得无能为力了，这是因为它的以下几个特点所决定。

1．经典控制理论只限于研究线性定常系统，即使对最简单的非线性系统也是无法处理的；出描述方式，这就从本质上忽略了系统结构的内在特性，也不能处理输入和输出皆大于1的系统。

实际上，大多数工程对象都是多输入－多输出系统，尽管人们做了很多尝试，但是，用经典控制理论设计这类系统都没有得到满意的结果；2．经典控制理论采用试探法设计系统。

即根据经验选用合适的、简单的、工程上易于实现的控制器，然后对系统进行分析，直至找到满意的结果为止。

虽然这种设计方法具有实用等很多优点，但是，在推理上却是不能令人满意的，效果也不是最佳的，人们自然提出这样一个问题，即对一个特定的应用课题，能否找到最佳的设计。

综上所述，经典控制理论的最主要的特点是：线性定常对象，单输入单输出，完成镇定任务。

即便对这些极简单的对象、对象描述及控制任务，理论上也尚不完整，从而促使现代控制理论的发展：对经典理的精确化、数学化及理论化。

现代控制理论（20世纪60-70年代）现代控制理论中首先得到透彻研究的是多输入多输出线性系统，其中特别重要的是对刻划控制系统本质的基本理论的建立，如可控性、可观性、实现理论、典范型、分解理论等，使控制由一类工程设计方法提高为一门新的科学。

同时为满足从理论到应用，在高水平上解决很多实际中所提出控制问题的需要，促使非线性系统、最优控制、自适应控制、辩识与估计理论、卡尔曼滤波、鲁棒控制等发展为成果丰富的独立学科分支。

在50年代蓬勃兴起的航空航天技术的推动和计算机技术飞速发展的支持下，控制理论在1960年前后有了重大的突破和创新。在此期间，贝而曼提出寻求最优控制的动态规划法。

庞特里亚金证明了极大值原理，使得最优控制理论特得到极大的发展。卡而曼系统地把状态空间法引入到系统与控制理论中来，并提出了能控性、能观测性的概念和新的滤波理论。

这些就构成了后来被称为现代控制理论的发展起点和基础。现代控制理论以线性代数和微分方程为主要的数学工具，以状态空间法为基础，分析与设计控制系统。

状态空间法本质上是一种时域的方法，它不仅描述了系统的外部特性，而且描述和揭示了系统的内部状态和性能。它分析和综合的目标是在揭示系统内在规律的基础上，实现系统在一定意义下的最优化。

它的构成带有更高的仿生特点，即不限于单纯的闭环，2而扩展为适应环、学习环等。

较之经典控制理论，现代控制理论的研究对象要广泛得多，原则上讲，它既可以是单变量的、线性的、定常的、连续的，也可以是多变量的、非线性的、时变的、离散的。

现代控制理论具有以下特点：1．控制对象结构的转变控制对象结构由简单的单回路模式向多回路模式转变，即从单输入单输出向多输入多输出。它必须处理极为复杂的工业生产过程的优化和控制问题。

2．研究工具的转变（1）积分变换法向矩阵理论、几何方法转变，由频率法转向状态空间的研究；（2）计算机技术发展，由手工计算转向计算机计算。

3．建模手段的转变由机理建模向统计建模转变，开始采用参数估计和系统辨识的统计建模方法。现代控制理论的进一步发展控制理论的发展同其他学科一样，依赖于工业、科学、技术提出的越来越高的要求。

"现代控制理论"这一名称是1960年卡尔曼的著名文章发表后出现的。而在此之前，钱学森教授在五十年代就已发表了《工程控制论》的专著，并为当时几乎所有论文以突出形式加以引用。

工程控制论，从广义上看，是控制学科最具远见卓识的科学预见与理论，现代控制理论只是其一分支。

现代控制理论的进一步发展包括以下方面：1)其他动态系统的研究这里可以指出的有（包括早期已有较大发展的部分学科）：非线性系统、时变系统、随机系统、分布参数系统、大规模系统、模糊系统、机械系统以及不确定系统等。

非线性系统，其基础是李亚普罗夫理论，从过去以至今后，这一最普遍的原理都起着重要的作用。对鲁里叶系统常时间的研究，对非线性系统理论的发展起到了重要的历史作用。

近些年来出现的微分几何及微分代数理论，为非线性系统控制的深入研究提供了新的工具。但非线性系统理论的研究将是旷日持久的，也是十分艰巨的。

时变系统，由于数学表达的困难，特别是对"时变"有了本质的了解；"随环境而变"，研究已转入"自适应系统"或"不确定系统"。

大规模系统，当考虑了系统的内部信息结构时，称组成系统的各部分为"子系统"，系统就被称为"大系统"，这种考虑是期望用子系统及其关联的性质来对大系统的性质作出某些判断，提供较为简化的、但常常保守的分析方法。

现已明确规定，今天的大系统理论完全不能构成第三代控制理论。机械系统，其模型可用拉格朗日方程表示为一2阶非线性系统。

因为机械系统本身有许多特殊性质，如匹配条件及可全局线性化条件自动满足；具有关于功、能、动量、动量矩等的一些便于利用的力学性质等，故可将其表为一般非线性系统的形式来研究是不明智的，这实际上是将简单问题的研究复杂化。

不确定系统，一方面是相当多的实际系统的数学描述，更重要的是在理论上为自适应控制、鲁棒控制等多个学科间架起了桥梁。

2）控制任务的多样化经典及现代控制理论的任务在于寻求（反馈）控制，使得闭环系统稳定，这就是通称的"镇定问题"。

到了二十世纪，工程技术不断提出新的控制任务，它们远远不可能用镇定来概括，必须发展新的概念、理论与方法。这方面的例子是很多的。

车间调度控制，在工程上为FMS及CIMS，理论上出现了DEDS（离散事件动态系统）理论。尽管目前尚处于初创阶段，但要求完成的任务已远比镇定复杂多了。

化工过程、车间、煤矿采掘面等各种工业过程要求实现的最简单的任务有：监控、预警等，远远超出镇定的范围，拟人机器人、智能机器人及车，要求实现的任务更是多种多样的，如跟踪、代替人作各种操作以及简单的装配任务等。

类似的例子在几乎每一工程技术领域中都是打量的。这一趋势是明显的，也是必然的。自动控制就是由系统来代替人控制。随着科学技术的发展，人们的控制活动越来越多，因而控制任3务也会越来越复杂和困难。

3）专业学科化的发展因受控对象的性质千差万别，属于不同的学科，各学科又有自己的独特之处，所以在各门学科中相对独立地发展控制理论及方法，是很自然的。

事实上在学校中，很多系（从电气、电子、计算机到机械、化工、土木），社会上很多研究所，从理、工到农、医、材料、交通等，自动控制都是其重要组成部分，而且都具有自己的特点，研究的内容及解决的方法更是差异，下面是几个例子：太空飞行器上的空间机器人，具有自己的特点：多体系统、受非完整约束、自主控制、遥控、装配等等。

拟人机器人，要求具有计算机视觉、触觉、声觉、自主控制、应付复杂环境（避碰、避雨及雷电）等等。机器人班组控制，要求跟踪、操作、适应复杂环境、自主控制之外，还要求能避免内力对抗、运动及力量的协调等。

自主控制，要求具有失误预报、失误诊断、自修理或自重构形等能力。智能材料具有及时预报缺陷及损伤，自加强等功能。血管内的"聪明药"具有发展到可能发生阻塞部位，进行修整的能力。

又如对材料进行外部施力控制作用，以达到改变结构力学性能的研究也在进行中。

智能控制的发展概述（20世纪70年代以后）从60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意将人工智能技术与方法应用于控制系统。

从70年代初开始，傅京孙、Gloriso和Saridis等人从控制论角度进一步总结了人工智能技术与自适应、自组织自学习控制的关系，正式提出了智能控制就是人工智能技术与控制理论的交叉，并创立了人-机交互式分级递阶智能控制的系统结构。

在70年代中期前后，已模糊集合论为基础，从模仿人的控制决策思想出发，智能控制在另一个方向——规则控制（rule-basedcontrol）上也取得了重要的进展。70年代可以看作是智能控制的形成期。

进入80年代以来，由于危机的迅速发展以及专家系统逐渐成熟，使得智能控制和决策的研究及应用领域逐步扩大，并取得了一批应用成果。

应该特别指出，80年代中后期，由于神经网络的研究获得了重要进展，于是这一领域吸引了众多学科的科学家、学者。

如今在控制、计算机、神经生理学等学科的密切配合下，在“智能控制论”的旗帜下，又在寻求新的合作，神经网络理论和应用研究为智能控制的研究起到了重要的促进作用。进入90年代以来，智能控制的研究势头异常迅猛。

1994年6月，在美国奥兰多召开了’94IEEE全球计算智能大会，将模糊系统、神经网络，进化计算三方面内容综合在一起召开，引起国际学术界的广泛关注，因为这三个新学科已成为研究智能控制的重要基础。

近年来，智能控制技术在国内外已有了较大的发展，己进入工程化、实用化的阶段。但作为一门新兴的理论技术，它还处在一个发展时期。然而，随着人工智能技术、计算机技术的迅速发展，智能控制必将迎来它的发展新时期。

总之，智能控制是自动控制理论发展的必然趋势，人工智能为智能控制的产生提供了机遇。

控制理论都包括哪些内容？应该怎样进行学习

控制理论（包括经典控制理论和现代控制理论）控制理论是讲述系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中，特别是高科技领域中的应用研究成果，但是在民用领域即实际生活中有很严重的脱节。

首先，必须明确它是理论性较强的工程学科课程。《自动控制理论》是一门主要研究自动控制系统基础理论、系统分析和设计本技术的专业基础课程，也是自动控制相关专业的一门重要的基础理论课程，与工程实践密不可分。

课程目的和任务是使自动化专业的本科生学习《自动控制理论》的基础理论、控制系统的基本分析和设计方法，为今后的学习奠定扎实的基础。

继续学习相关课程后，能够及从事国民经济、国防和科研各部门的运动控制、过程控制、机器人智能控制、导航制导与控制、现代集成制造系统、模式识别与智能系统、生物信息学、人工智能及神经网络、系统工程理论与实践、新型传感器、电子与自动检测系统、复杂网络与计算机应用系统等领域的科学研究、技术开发、教学及管理工作。

其次，针对该课程的特点，学习方法建议如下：1．根据课程进程表顺序安排学习内容《自动控制理论》课程是一门内容庞杂、信息量大的课程，因此，应该按照课程进程顺序进行学习，由浅入深，注重基础知识，包括基本概念、基本定理等都是非常必要的。

否则，不重视前面基础内容的学习，将会给后续内容学习带来困难。2．结合实验，加深对理论知识的理解，加强工程实际设计能力《自动控制理论》课程另配有《自动控制理论实验》实验课程。

必作实验内容有：控制系统的数学模型；典型二阶系统的欠阻尼响应；控制系统稳定性分析；控制系统频率特性；连续系统串联校正；典型非线性环节；随动系统模拟PID校正环节的研究与设计；随动系统数字PID校正环节的研究与设计；倒立摆演示实验。

实验前要认真阅读实验指导书，实验时认真操作，实验后认真完成实验报告，及时分析、总结实验结果。

实验过程中，学生可以通过验证、设计和调试程序等实验环节，达到进一步巩固和理解课堂上讲授的知识，提高学生动手实践能力和工程实际设计能力。

通过实践环节，使学生能够在观察现象、提出问题、分析问题和解决问题方面得到能力上的培养和锻炼。3．学习中注意归纳总结《自动控制理论》课程内容庞杂、知识点多，概念多，各部分内容相互交叉，工程实践性强。

所以在学习过程的对每一阶段学习都应进行归纳总结。这不仅可以帮助学好《自动控制理论》课程，更可以培养良好的学习习惯。

4．课堂上积极参与讨论《自动控制理论》课程以课堂教学为主，辅以多媒体图形或曲线，帮助学生加深理解。同时，包含重点例题重点讲解环节。为启发学生解决综合性习题的能力，课堂上必要时会采用讨论方式。

学生应认真对待和参与课堂讨论，在勇于表达自己观点的同时，实际上这也是努力思考的过程。同时，要倾听其他同学的观点，开阔思路，学会从不同角度考虑问题，这样对所学的的知识掌握得更牢固更深入。

控制理论与控制工程就业怎么样？

控制理论与控制工程近几年在信息领域专业中的发展成效尤为突出，其在智能控制、人工神经网络、模糊控制、非线性系统及其控制、生物信息学等研究领域都有广泛的应用。

由于控制理论与控制工程始终站在经济建设和技术革命的前沿，并且某程度上直接推动工农业的自动化和现代化进程，所以近些年控制理论与控制工程一直属于比较热门的专业。

控制理论与控制工程专业的就业前景在所有专业中排行第341位，并且在所有控制理论与控制工程专业毕业的同学中经过智联招聘的数据分析得知。

其月平均工资约10319元，最低工资约2517元，最高工资为85000元以上，其中16.7%的同学选择在北京发展。

控制理论与控制工程专业就业前景行业分布：自动化专业的另一个名称叫控制科学与工程，这个一级学科下设控制理论与控制工程、模式识别与智能系统、检测与自动化装置、导航制导与控制、系统工程共五个二级学科。

大多数学校控制科学与工程专业的考研专业课科目都是《自动控制理论》，也有一些是《电路》、《信号与系统》，或在这几门中选择。

可以说自动化专业是在融合了数学和计算机学科的一些技术和理论之后加上控制的一些思想而形成的学科，研究生阶段需要一定的数学和计算机功底。

你学的是信息与计算科学，具备数学和计算机的基础，所以报考控制科学与工程的研究生是完全没有问题的。

控制专业属于信息领域，近些年一直属于比较热门的专业，就业范围比较广，从工厂企业到科研院所都可以，但前提是一定要有真才实学，抱着拿到硕士文凭就能找到好工作的心态是不可取的，尤其是在工科领域。

参考资料控制理论与控制工程专业就业前景.智联招聘[引用时间2018-1-14]。

自组织神经网络与模糊控制有什么优点

(2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。

(3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。

(4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。

(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。|||什么是模糊控制？与传统控制理论相比有什么优点？

模糊控制是近代控制理论中建立在模糊集合轮上基础上的一种基于语言规则与模糊推理的控制理论，它是智能控制的一个重要分支。

与传统控制理论相比，模糊控制有两大不可比拟的优点：第一，模糊控制在许多应用中可以有效且便捷的实现人的控制策略和经验，这一优点自从模糊控制诞生以来就一直受到人们密切的关注；第二，模糊控制不需要被控对象的数学模型即可实现较好的控制，这是因为被控对象的动态特性已隐含在模糊控制器输入、输出模糊集及模糊规则中。

所以模糊控制被越来越多的应用于各个领域，尤其是被广泛应用于家电系列中，基于模糊控制的洗衣机就是其中的一个典型实例。|||模糊控制实质上是一种非线性控制，从属于智能控制的范畴。

模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。|||优点：对于难于建立模型的控制对象不失为一种良好的控制方法。