??? 2.2.將智能控制應用于機械制造領域
??? 機械制造是機電一體化系統的重要構成，故其采用智能控制技術也是必然選擇，如此一來，其便可以通過改善機械設備的故障自我診斷能力，以提高工作效率和質量。具體的講，就是依托于計算機、信息等技術工具，動態模擬制造過程，此時可借助神經網絡、模糊數學等智能理論經傳感器對采集的信息進行預處理，結合Then-If逆向推理用于優化控制參數和模式，針對殘缺不全的數據信息，可基于模糊理論借助外環決策制定合理的控制動作，如神經網絡系統便可憑借較強的學習功能對其加以科學處理，進而提高機械制造控制活動的效率和精度。目前監控、預報、故障診斷、自我維護以及機械操作、控制與管理的集成是機械制造智能控制的研究熱點。
? ? 2.3.將智能控制應用于工業生產工程 ???
? ? 將智能控制應用于工業生產過程管理中也有其自身的意義所在，那便是有效解決傳統控制模式的復雜問題，確保工業生產過程有序開展，但其應用一般分為局限級和全局級。其中智能控制的局限級側重的是神經網絡和專家兩類控制器的智能控制，通常限于為工業生產過程中局部單元的控制器進行調整和控制，如參數整定、自適應調整、處理復雜的控制問題等；而全局級則是相對于整個工業生產過程而言的，主要用于處理操作異常、診斷控制過程存在的故障等，以便于提高操作工藝的效率和質量。
? ? 2.4.將智能控制應用于數控相關領域
? ? 信息技術在蓬勃發展的同時，也推進了數控領域與智能控制的相互融合，因為機電一體化的持續發展需要更高水平的數控技術為基礎，而引入智能控制技術可進一步為其提供重要保障。如在模具制造、機械加工等數控技術領域中，加工環境的感知、網絡通信制造的實現、加工運動的推理等相關能力是對數控技術的高新要求，而融入智能控制技術，可使其智能編程、監控、數據庫構建等目標變為現實，其中借助模糊控制處理模糊問題用于優化機械的加工過程，以及借助專家系統可用于解決不明確的結構問題等已初見成效。
? ? 2.5.將智能控制應用于機器人系統
?? ?機器人是一個充滿不確定性、非線性且十分復雜的系統，這顯然與智能控制特點相符，故將其應用于機器人領域利于其自身優勢的彰顯，但從某種意義上說，機器人更是驗證智能控制技術是否可行的試金石。其應用主要體現為：機器人軌跡規劃的智能控制策略主要采用了專家系統、模糊系統和神經網絡系統，用于控制其傳感信息的融合、視覺處理、手臂姿態、主要動作等，其中在環境建模、自我定位、監控檢測等方面已得到驗證，日后的研究重點在于使其速度、位置、等狀態變量趨于理想軌跡。
? ? 機電一體化中智能控制的發展趨勢
? ? 由上可知，專家系統、模糊控制、神經網絡等智能控制技術的應用在機電一體化自身性能的完善、工作效率以及安全可靠程度的提高中發揮了不容忽視的效用，這是毋庸置疑的。但是在科技力量的推動下，機電一體化會不斷進步和發展，到時其面臨的環境會隨之復雜，遇到的問題也會更多，若智能控制技術停滯不前。必將會慘遭淘汰，制約機電一體化的順利發展，這就要求我們切實做好下述工作。
? ? 3.1.探索更為科學的理論框架
??? 現行的智能控制技術還存在亟待解決的難題，如局部與整體的隔開、微觀與宏觀的分離、應用與理論的脫節等，可見人工智能控制研究所面臨的實際困難遠遠大于預期設想，因此我們應積極探索更新的理論架構，如規范描述控制知識和系統的標準，系統、完整的研究智能控制的動態性、魯棒性、穩定性等，以此為大力發展智能控制技術奠定有力基礎。
? ? 3.2.尋求更為廣闊的發展空間
??? 智能控制技術若要取得質的突破，就必須找到技術集成的新方法和新途徑，除了結合信息、控制、系統等理論外，還應進一步加大與計算機圖形學、過程控制、認知科學、并行處理、機器人學等知識的融合力度，唯有如此，才會擁有更高的應用價值；在此基礎上，研發更加完備、成熟、高效的應用方法，其中軟件系統尤為關鍵，要求其可以科學合理的描述不同的控制過程，設計的程序語言既通用又具有獨立的任務等，而應用方法則要注重強化對環境和傳感信息的解釋性能，改善模塊轉換、信息識別和處理能力，提高控制的實時性和運行的高效性等。

??? 總之，智能控制在機電一體化中的應用有效解決了機械自動化運行這一傳統模式的缺陷和問題，促使控制水平、性能、效率均有顯著提高。雖然如此，其依然具有較大的提升空間，這就要求我們基于不斷的創新和實踐，積極尋求更為有效的智能控制技術和方法，以期使其性能更可靠、應用更廣泛，進而為機電一體化健康發展提供有力支持。
?