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。

专家控制原理：专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家式控制系统，或叫做专家控制系统它已广泛应用于故障诊断、工业设计和过程控制，为解决工业控制难题提供一种新的方法，是实现工业过程控制的重要技术。

自适应模糊控制原理：模糊自适应控制器同时结合自适应控制和模糊控制，形成具有自适应的功能的控制系统。模糊自适应控制不要求控制对象具有精确的数学模型，并且还巧妙的引入了自适应律以方便实时的去学习被控对象所具有的各种动态特性，然后再根据动态特性的实时变化来自动更新和修改以及在线实时调整对应的模糊控制器，这样就使得系统在出现各种各样的不确定因素的时候，控制器的控制效果仍然可以保持一致以及具有良好的鲁棒性。

模糊控制系统的设计步骤：1、模糊控制系统分类按信号的时变特性分类：恒值模糊控制系统、随动模糊控制系统。按静态误差是否存分类：有差模糊控制系统、无差模糊控制系统。按系统控制输入变量分类：控制输入个数为1的系统为单变量模糊控制系统，控制输入个数>1的系统为多变量模糊控制系统。2、模糊控制器模糊控制器：也称为模糊逻辑控制器,由于所采用的模糊控制规则是由模糊理论中模糊条件语句来描述的，因此模糊控制器是一种语言型控制器，故也称为模糊语言控制器。1）模糊化接口：是将真实的确定量输入转换为一个模糊矢量。2）知识库：由数据库和规则库两部分构成。3）推理与解模糊接口：推理是模糊控制器中，根据输入模糊量，由模糊控制规则完成模糊推理来求解模糊关系方程，并获得模糊控制量的功能部分。在模糊控制中，考虑到推理时间，通常采用运算较简单的推理方法。

模糊控制原理：模糊控制的核心是模糊控制器，它的控制规律是由计算机程序来实现的。首先需要将所有监测出的精确量转换成为适应模糊计算的模糊量，将得到的模糊量，通过模糊控制器进行计算，然后再将这些经模糊控制器计算得到的模糊量再次转换为精确量，这样就完成了一级模糊控制。然后等待下一次采样，再进行上述过程，如此循环，实现对被控对象的模糊控制。

模糊推理方法：模糊控制方法是一种在模糊集合论、模糊语言变量及模糊逻辑推理基础上形成的计算机数字控制方法。模糊控制是一种智能的、非线性的控制方法。与传统的控制方式相比，模糊控制有着很多的优势，它更加适用于复杂的、动态的系统，模糊控制逐渐成为了一种重要而且有效的控制方法。

自动控制系统的分类：自动控制的研究对象具备以下的一些特点：1、不确定性的模型自动控制的研究对象通常存在严重的不确定性。这里所说的模型不确定性包含两层意思：一是模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。2、高度的非线性对于具有高度非线性的控制对象，采用智能控制的方法往往可以较好地解决非线性系统的控制问题。3、复杂的任务要求对于自动控制系统，任务的要求往往比较复杂。

自动控制系统的组成与工作原理：智能控制的相关技术与控制方式结合、或综合交叉结合，构成风格和功能各异的智能控制系统和智能控制器，这也是智能控制技术方法的一个主要特点。自动控制系统主要由：控制器，被控对象，执行机构和变送器四个环节组成。

自动控制系统的概念：自动控制是具有智能信息处理、智能信息反馈和自动控制决策的控制方式，是控制理论发展的高级阶段，主要用来解决那些用传统方法难以解决的复杂系统的控制问题。自动控制研究对象的主要特点是具有不确定性的数学模型、高度的非线性和复杂的任务要求。

词义消歧的基本思路：自然语言中一个词具有多种含义的现象非常普遍。如何自动获悉某个词的多种含义；或者已知某个词有多种含义，如何根据上下文确认其含义，是词义消歧研究的内容。1、基于词典的词义消歧​基于词典的词义消歧方法研究的早期代表工作是M.Lesk于1986提出的。给定某个待消解词及其上下文，该工作的思想是计算语义词典中各个词义的定义与上下文之间的覆盖度，选择覆盖度最大的作为待消解词在其上下文下的正确词义。如果一个词没有语义范畴信息，我们可以求助于它的一般语义描述。基于词典的消歧方法一般有三种：（1）基于语义定义的消歧认为词典中词条本身的定义就可以作为判断其语义的一个很好的依据条件。（2）基于类义词典的消歧上下文词汇的语义范畴大体上确定了这个上下文的语义范畴，并且上下文的语义范畴可以反过来确定词汇的哪一个语义被使用。（3）基于双语词典的消歧利用双语对照词典帮助消歧。指的是第二语言语料库翻译基础上的消歧。2、有监督词义消歧（1）基于朴素贝叶斯分类器的词义消歧方法朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。（2）基于最大熵的词义消歧方法基于最大熵的词义消歧方法基本思路是这样的：每个词表达不同含意时其上下文（语境）往往不同，即不同的词义对应不同的上下文。因此，可以将词的上下文作为特征信息利用最大熵模型对词的语义进行分类。3、无监督和半监督词义消歧虽然有监督的消歧方法能够取得较好的消歧性能，但需要大量的人工标注语料，费时费力。为了克服对大规模语料的需要，半监督或无监督方法仅需要少量或不需要人工标注语料。一般说来，虽然半监督或无监督方法不需要大量的人工标注数据，但依赖于一个大规模的未标注语料，以及在该语料上的句法分析结果。另一方面，待消解词的覆盖度可能会受影响。