Control inteligente

Control inteligente es una clase de técnicas de control que utilizan varios enfoques informáticos de inteligencia artificial, como redes neuronales, probabilidad bayesiana, lógica difusa, aprendizaje automático, aprendizaje por refuerzo, computación evolutiva y algoritmos genéticos.

Descripción general

El control inteligente se puede dividir en los siguientes subdominios principales:

• Control de red neuronal
• Control de aprendizaje automático
• Reforzamiento del aprendizaje
• Control bayesiano
• Control borroso
• Control neuro-fuzzy
• Sistemas de expertos
• Control genético

Continuamente se crean nuevas técnicas de control a medida que se crean nuevos modelos de comportamiento inteligente y se desarrollan métodos computacionales para respaldarlos.

Controlador de red neuronal

Las redes neuronales se han utilizado para resolver problemas en casi todas las esferas de la ciencia y la tecnología. El control de la red neuronal implica básicamente dos pasos:

• Identificación del sistema
• Control

Se ha demostrado que una red de alimentación con funciones de activación no lineales, continuas y diferenciables tienen capacidad de aproximación universal. También se han utilizado redes periódicas para la identificación del sistema. Dado, un conjunto de pares de datos de salida de entrada, la identificación del sistema tiene como objetivo formar una asignación entre estos pares de datos. Tal red se supone que capta la dinámica de un sistema. Para la parte de control, el aprendizaje de refuerzo profundo ha mostrado su capacidad de controlar sistemas complejos.

Controladores bayesianos

La probabilidad bayesiana ha producido una serie de algoritmos que se utilizan comúnmente en muchos sistemas de control avanzados y sirven como estimadores del espacio de estados de algunas variables que se utilizan en el controlador.

El filtro de Kalman y el filtro de partículas son dos ejemplos de componentes de control bayesiano populares. El enfoque bayesiano para el diseño de controladores a menudo requiere un esfuerzo importante para derivar el llamado modelo de sistema y modelo de medición, que son las relaciones matemáticas que vinculan las variables de estado con las mediciones de los sensores disponibles en el sistema controlado. En este sentido, está muy ligado a la Enfoque teórico de sistemas para el diseño de control.