专家控制系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。也就是说，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。
专家控制系统（expertcontrolsystem,ECS）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。专家系统的基本功能取决于它所含有的知识，因此，有时也把专家系统称为基于知识的系统（knowledge-based system）
由于专家式控制器在模型的描述上采用多种形式，就必然导致其实现方法的多样性。虽然构造专家式控制器的具体方法各不相同，但归结起来，其实现方法可分为两类：一类是保留控制专家系统的结构特征，但其知识库的规模小，推理机构简单；另一类是以某种控制算法（例如PID算法）为基础，引入专家系统技术，以提高原控制器的决策水平。专家式控制器虽然功能不如专家系统完善，但结构较简单，研制周期短，实时性好，具有广阔的应用前景。
专家控制系统作为一个人工智能和控制理论的交叉学科，即是人工智能领域专家系统（ES）的一个典型应用，也是智能控制理论的一个分支。专家控制既可包括高层控制（决策与规划），又可涉及低层控制（动作与实现）。
1 专家控制系统的基本结构
人工智能领域中发展起来的专家系统是一种基于知识的、智能的计算机程序。其内部含有大量的特定领域中专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
将专家系统技术引入控制领域，首先必须把控制系统看作是一个基于知识的系统，而作为系统核心部件的控制器则要体现知识推理的机制和结构。虽然因应用场合和控制要求的不同，专家控制系统的结构可能不一样，但是几乎所有的专家控制系统都包含知识库、推理机、控制规则集和控制算法等。
下图所示为专家控制系统的基本结构
与专家系统相似，整个控制问题领域的知识库和一个体现知识决策的推理机构成了专家控制系统的主体。
知识库内部的组织结构可采用人工智能中知识表示的合适方法。其中，一部分知识可称为数据，例如先验知识、动态信息、由事实及证据推得的中间状态和性能目标等。数据常常用一种框架结构组织在一起，形成数据库。另一部分知识可称为规则，即定性的推理知识，每条规则都代表着与受控系统有关的经验知识，它们往往以产生式规则（if……then……）表示。所有的规则组成规则库。在专家控制系统中，定量知识，即各种有关的解析算法，一般都独立编码，按常规的程序设计方法组织。
推理机的基本功能在于按某种控制策略，针对当前的问题信息，识别和选取知识库中对解决当前问题有用的知识进行推理，直至最终得出问题的推理结果。
2 专家控制系统的研究重点及其应用领域
在智能控制领域中，专家系统控制、神经网络控制、模糊逻辑控制等方法各自有着不同的优势及适用领域。因而将几种方法相融合，成为设计更高智能的控制系统的可取方案。而通过引进其他智能方法来实现更有效的专家控制系统业已成为近年来研究的热点。根据它们结合的方式，专家控制系统可以分为以下三种。
（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。
Astrom等把有关自调整和自适应的启发知识编入知识基系统，以克服现有自适应控制系统的不足。这类研究典型地体现了专家控制原理的本质，也是研究最多的一种策略。文献[4]首次提出了分工况智能PID专家控制系统，克服了传统的液压挖掘机控制中单纯的转速控制和压力控制的不足，近似地实现了无级调速，并实现了节能的效果。文献[5]提出用专家控制理论和方法，与传统的PID控制方式结合起来，分析计算并判断各种运行状态，给出适当的晶闸管触发角相位信号，使得直流调速装置能快速无超调起动和制动，并在进入稳态后保持要求的静态精度，满足了调速系统快速性、实时的要求。
（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（FEC）。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。
模糊专家控制全部或部分地采用模糊技术来进行知识获取、知识表示和运用。其核心是模糊推理机，它根据模糊知识库中的不确定性知识，按不确定性推理、策略，解决系统问题域中的问题，给出较为合理的控制命令。
这种控制方法适用于模型不充分、不精确，甚至不存在的复杂过程（对象）。
与模糊控制（FLC）相比，模糊专家控制系统有更高的智能：它拥有关于过程控制的更复杂的知识，能以更复杂的方式利用这些知识。模糊集仍被用于模拟不确定性，但模糊专家控制系统在范围上更具一般性，能处理广泛种类的问题。
利用模糊数学的基本思想和理论的控制方法。在传统的控制领域里，控制系统动态模式的精确与否是影响控制优劣的最主要关键，系统动态的信息越详细，则越能达到精确控制的目的。然而，对于复杂的系统，由于变量太多，往往难以正确的描述系统的动态，于是工程师便利用各种方法来简化系统动态，以达成控制的目的，但却不尽理想。换言之，传统的控制理论对于明确系统有强而有力的控制能力，但对于过于复杂或难以精确描述的系统，则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。
（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。
目前，由于对神经网络本身的研究还有很多未解的难题，因而应用神经网络的专家控制系统还不是很多：文献[8]提出一种神经网络专家控制策略，使用基于BP网络和规则模型的专家控制器及单回控制器，实现了高质量和低成本的控制目标，成功地对电解过程进行最优控制。文献[9]提出了一种基于神经网络的SMT焊点质量专家控制系统，能够对焊点质量进行实时评价和控制，提高了生产率和产品的可靠性。
3 专家控制系统所面临的主要问题
对于各类专家控制系统，它们要共同面对下列发展中的难点和挑战。
（1）专家经验知识的获取问题。如何获取专家知识，并将知识构造成可用的形式（即知识表示），成为研究专家系统的主要"瓶颈"之一[10].
（2）知识库的自动更新与规则自动生成。受知识获取方法的限制，专家控制系统不可能具有控制专家的全部知识。专家控制系统应能通过在线获取的信息以及人机接口不断学习新的知识，更新知识库的内容，根据出现的新情况自动产生出新规则。否则，当系统出现超出专家系统知识范围的异常情况时，系统就可能出现失控。
（3）专家控制系统需要建立实时操作知识库，以解决结构的复杂性、功能的完备性与控制的实时性之间的矛盾。
实时性涉及到的难题有：非单调推理、异步事件、按时间推理、推理时间约束等。
（4）专家控制系统的稳定性分析是另一个研究难题。由于涉及的对象具有不确定性或非线性，它实现的控制基于知识模型，采用启发式逻辑和模糊逻辑，专家控制系统的本质也是非线性的，因此目前的稳定性分析方法很难直接用于专家控制系统。
（5）如何实现数据和信息的并行处理，如何设计系统的解释机构，如何建立良好的用户接口等都是专家系统有待解决的问题。
对于前述的采用不同技术的专家控制系统，它们也分别面临着各自不同的问题。对于模糊专家控制系统，需要进一步深入研究的课题有：模糊控制规则设计方法的研究；模糊控制参数的最优调整理论及修正推理规则学习方式；模糊控制动态模型的辨识；模糊预测系统的设计方法和提高计算速度的算法等。
将神经网络和专家系统技术结合起来用于控制中的技术还很不成熟，尤其是ES和NN之间的相互通信问题，定性知识和定量知识的处理技术与整个智能控制系统有机集成的问题等，都是需要重点突破的关键问题。
4 专家控制系统展望
专家控制是基于知识的智能控制技术，它为控制技术的发展开辟了新思路，即用人工智能中专家系统的机制决定控制方法的灵活选用，实现了解析规律与启发式逻辑的结合，从而使控制作用的描述更完整，使控制性能的满意实现成为可能。
但也应该看到，专家控制系统作为智能控制的一个分支，是一门新兴的、尚不完善的技术，它的发展与人工智能相关技术的发展是密切相关的。因此，如何利用人工智能领域的新兴技术，并加强不同智能技术的融合，无疑是专家控制系统乃至智能控制研究和发展的一条有效的途径。