Inteligentna kontrola - Intelligent control

Inteligentne sterowanie jest klasa kontroli techniki, które wykorzystują różne sztuczna inteligencja zbliża jak komputerowych sieciach neuronowych , prawdopodobieństwo subiektywne , logika rozmyta , uczenia maszynowego , uczenia się zbrojenie , ewolucyjny obliczeń i algorytmów genetycznych .

Przegląd

Inteligentne sterowanie można podzielić na następujące główne poddziedziny:

W miarę tworzenia nowych modeli inteligentnych zachowań i opracowywania metod obliczeniowych, które mają je wspierać, stale tworzone są nowe techniki sterowania.

Kontroler sieci neuronowej

Sieci neuronowe są wykorzystywane do rozwiązywania problemów w niemal wszystkich sferach nauki i technologii. Sterowanie siecią neuronową składa się zasadniczo z dwóch etapów:

  • Identyfikacja systemu
  • Kontrola

Wykazano, że sieć ze sprzężeniem do przodu z nieliniowymi, ciągłymi i różniczkowalnymi funkcjami aktywacji ma uniwersalną zdolność aproksymacji . Sieci rekurencyjne zostały również wykorzystane do identyfikacji systemu. Biorąc pod uwagę zestaw par danych wejściowych i wyjściowych, identyfikacja systemu ma na celu utworzenie mapowania między tymi parami danych. Taka sieć ma uchwycić dynamikę systemu. W części kontrolnej uczenie się przez głębokie wzmocnienie wykazało swoją zdolność do kontrolowania złożonych systemów.

Sterowniki bayesowskie

Prawdopodobieństwo bayesowskie stworzyło szereg algorytmów, które są powszechnie używane w wielu zaawansowanych systemach sterowania, służąc jako estymatory przestrzeni stanów niektórych zmiennych wykorzystywanych w sterowniku.

Filtr Kalmana oraz filtr cząstek stałych są dwa przykłady popularnych Bayesa elementów sterujących. Bayesowskie podejście do projektowania regulatorów często wymaga dużego wysiłku w wyprowadzeniu tzw. modelu systemu i modelu pomiarowego, które są matematycznymi zależnościami łączącymi zmienne stanu z pomiarami czujnika dostępnymi w sterowanym systemie. Pod tym względem jest to bardzo ściśle powiązane z podejściem teoretycznym do projektowania sterowania .

Zobacz też

Listy

Bibliografia

  • Liu, J.; Wang, W.; Golnaraghi, F.; Kubica E. (2010). „Novel Fuzzy Framework dla nieliniowej kontroli systemu”. Zbiory i systemy rozmyte . 161 (21): 2746-2759. doi : 10.1016/j.fss.2010.04.09 .

Dalsza lektura

  • Jeffrey T. Spooner, Manfredi Maggiore, Raul Ord onez i Kevin M. Passino, Stabilna kontrola adaptacyjna i szacowanie dla systemów nieliniowych: techniki przybliżania neuronowego i rozmytego , John Wiley & Sons, NY;
  • Farrell, JA, Polycarpou, MM (2006). Adaptacyjna kontrola oparta na aproksymacji: ujednolicenie podejścia neuronowego, rozmytego i tradycyjnego podejścia do aproksymacji adaptacyjnej . Wileya. Numer ISBN 978-0-471-72788-0.CS1 maint: wiele nazwisk: lista autorów ( link )
  • Schramm, G. (1998). Inteligentne sterowanie lotem — podejście oparte na logice rozmytej . TU Delft Naciśnij. Numer ISBN 90-901192-4-8.