Contrôle intelligent - Intelligent control
Commande intelligente est une classe de contrôle des techniques qui utilisent divers intelligence artificielle approches informatique comme les réseaux de neurones , la probabilité Bayésienne , logique floue , apprentissage automatique , apprentissage par renforcement , calcul évolutif et les algorithmes génétiques .
Aperçu
Le contrôle intelligent peut être divisé en les principaux sous-domaines suivants :
- Contrôle du réseau de neurones
- Contrôle de l'apprentissage automatique
- Apprentissage par renforcement
- Contrôle bayésien
- Contrôle flou
- Contrôle neuro-flou
- Systèmes experts
- Contrôle génétique
De nouvelles techniques de contrôle sont créées en permanence à mesure que de nouveaux modèles de comportement intelligent sont créés et des méthodes de calcul développées pour les prendre en charge.
Contrôleur de réseau de neurones
Les réseaux de neurones ont été utilisés pour résoudre des problèmes dans presque toutes les sphères de la science et de la technologie. Le contrôle du réseau de neurones comporte essentiellement deux étapes :
- Identification du système
- Contrôler
Il a été montré qu'un réseau feedforward avec des fonctions d'activation non linéaires, continues et différentiables a une capacité d' approximation universelle . Des réseaux récurrents ont également été utilisés pour l'identification du système. Étant donné un ensemble de paires de données d'entrée-sortie, l'identification du système vise à former une correspondance entre ces paires de données. Un tel réseau est censé capter la dynamique d'un système. Pour la partie contrôle, l' apprentissage par renforcement profond a montré sa capacité à contrôler des systèmes complexes.
contrôleurs bayésiens
La probabilité bayésienne a produit un certain nombre d'algorithmes qui sont couramment utilisés dans de nombreux systèmes de contrôle avancés, servant d' estimateurs d' espace d'état de certaines variables utilisées dans le contrôleur.
Le filtre de Kalman et le filtre de particules sont deux exemples de composants de contrôle bayésiens populaires. L'approche bayésienne de la conception du contrôleur nécessite souvent un effort important pour dériver le modèle de système et le modèle de mesure, qui sont les relations mathématiques liant les variables d'état aux mesures des capteurs disponibles dans le système contrôlé. À cet égard, elle est très étroitement liée à l' approche de la théorie des systèmes pour la conception des commandes .
Voir également
- Listes
Les références
- Antsaklis, PJ (1993). Passino, KM (éd.). Une introduction au contrôle intelligent et autonome . Éditeurs académiques Kluwer. ISBN 0-7923-9267-1. Archivé de l'original le 10 avril 2009.
- Liu, J.; Wang, W. ; Golnaraghi, F.; Kubica, E. (2010). « Un nouveau cadre flou pour le contrôle de système non linéaire ». Ensembles et systèmes flous . 161 (21) : 2746–2759. doi : 10.1016/j.fss.200.04.009 .
Lectures complémentaires
- Jeffrey T. Spooner, Manfredi Maggiore, Raul Ord onez et Kevin M. Passino, Stable Adaptive Control and Estimation for Nonlinear Systems: Neural and Fuzzy Approximator Techniques , John Wiley & Sons, NY ;
- Farrell, JA, Polycarpou, MM (2006). Contrôle basé sur l'approximation adaptative : unification des approches d'approximation adaptative neuronale, floue et traditionnelle . Wiley. ISBN 978-0-471-72788-0.CS1 maint : plusieurs noms : liste des auteurs ( lien )
- Schramm, G. (1998). Contrôle de vol intelligent - Une approche de logique floue . Presse TU Delft. ISBN 90-901192-4-8.