专家控制典型结构：

1、一般控制理论知识和经验知识相结合

   基于一般控制理论知识（解析算法）和经验知识（专家系统）的结合，扩展了传统控制算法的范围[3].这种控制方法是以应用专家知识、知识模型、知识库、知识推理、控制决策和控制策略等技术为基础的，知识模型与常规数学模型相结合，知识信息处理技术与控制技术的结合，模拟人的智能行为等。此方法能够解决时变大规模系统和复杂系统以及非线性和多扰动实时控制过程的控制问题。

2、模糊逻辑与专家控制相结合

   将模糊集和模糊推理引入专家控制系统中，就产生了基于模糊规则的专家控制系统，也称模糊专家控制系统。它运用模糊逻辑和人的经验知识及求解控制问题时的启发式规则来构造控制策略。对于难以用准确的数字模型描述，也难以完全依靠确定性数据进行控制的情况，可使用模糊语言变量来表示规则，并进行模糊推理，更能模拟操作人员凭经验和直觉对受控过程进行的手动控制，从而具有更高的智能。

3、神经网络与专家控制相结合

   将神经网络和专家系统技术结合起来，即神经网络专家系统的研究已经起步。神经网络基于数值和算法，而专家系统则基于符号和启发式推理。神经网络具有联想、容错、记忆、自适应、自学习和并行处理等优点；不足之处是不能对自身的推理方法进行解释，对未在训练样本中出现过的故障不能给出正确的诊断结论。

专家系统具有显式的知识表达形式，知识容易维护，能对推理行为进行解释，并可利用深层知识来诊断新故障；缺点是不能从经验中进行学习，当知识库庞大时难以维护，在进行深层诊断时需要过多的计算时间。因此，将神经网络和专家系统结合起来，充分发挥专家系统"高层"推理的优势和神经网络"低层"处理的长处，可以收到更好的控制效果。