Интеллектуальное управление - это класс методов управления , в которых используются различные вычислительные подходы искусственного интеллекта, такие как нейронные сети , байесовская вероятность , нечеткая логика , машинное обучение , обучение с подкреплением , эволюционные вычисления и генетические алгоритмы . [1]
Обзор
Интеллектуальное управление можно разделить на следующие основные поддомены:
- Управление нейронной сетью
- Управление машинным обучением
- Обучение с подкреплением
- Байесовский контроль
- Нечеткое управление
- Нейро-нечеткое управление
- Экспертные системы
- Генетический контроль
Новые методы управления создаются постоянно по мере создания новых моделей интеллектуального поведения и разработки вычислительных методов для их поддержки.
Контроллер нейронной сети
Нейронные сети используются для решения задач практически во всех сферах науки и технологий. Управление нейронной сетью в основном состоит из двух этапов:
- Идентификация системы
- Контроль
Было показано, что сеть прямого распространения с нелинейными, непрерывными и дифференцируемыми функциями активации обладает универсальной аппроксимационной способностью. Рекуррентные сети также использовались для идентификации системы. Учитывая набор пар данных ввода-вывода, идентификация системы направлена на формирование отображения между этими парами данных. Такая сеть должна улавливать динамику системы. Что касается управления, то глубокое обучение с подкреплением показало свою способность управлять сложными системами.
Байесовские контроллеры
Байесовская вероятность привела к появлению ряда алгоритмов, которые обычно используются во многих усовершенствованных системах управления, служащих в качестве оценщиков пространства состояний некоторых переменных, которые используются в контроллере.
Фильтр Калмана и фильтр частиц являются двумя примерами популярных байесовских компонентов управления. Байесовский подход к проектированию контроллера часто требует значительных усилий для получения так называемой модели системы и модели измерения, которые представляют собой математические отношения, связывающие переменные состояния с измерениями датчиков, доступными в управляемой системе. В этом отношении он очень тесно связан с теоретико-системным подходом к проектированию управления .
Смотрите также
- Списки
Рекомендации
- Стенгель, РФ (1991). «Интеллектуальный отказоустойчивый контроль» (PDF) . Журнал IEEE Control Systems . 11 (4): 14–23. DOI : 10.1109 / 37.88586 . ЛВП : 2060/19920008758 .
- Стенгель, РФ (1993). «К интеллектуальному управлению полетом» (PDF) . IEEE Trans. Системы, человек и кибернетика . 23 (6): 1699–1717. DOI : 10.1109 / 21.257764 .
- Анцаклис, П.Дж. (1993). Пассино, КМ (ред.). Введение в интеллектуальное и автономное управление . Kluwer Academic Publishers. ISBN 0-7923-9267-1. Архивировано из оригинального 10 апреля 2009 года.
- Liu, J .; Wang, W .; Golnaraghi, F .; Кубица, Э. (2010). «Новая нечеткая структура для управления нелинейными системами». Нечеткие множества и системы . 161 (21): 2746–2759. DOI : 10.1016 / j.fss.2010.04.009 .
дальнейшее чтение
- Джеффри Т. Спунер, Манфреди Маджоре, Рауль Ордонез и Кевин М. Пассино, Стабильное адаптивное управление и оценка для нелинейных систем: методы нейронного и нечеткого приближения , John Wiley & Sons, Нью-Йорк;
- Фаррелл, Дж. А., Поликарпу, М. М. (2006). Управление на основе адаптивного приближения: объединение нейронного, нечеткого и традиционного подходов адаптивного приближения . Вайли. ISBN 978-0-471-72788-0.CS1 maint: несколько имен: список авторов ( ссылка )
- Шрамм, Г. (1998). Интеллектуальное управление полетом - подход с нечеткой логикой . TU Delft Press. ISBN 90-901192-4-8.