智能控制

智能控制是一类使用神经网络、贝叶斯概率、模糊逻辑、机器学习、强化学习、进化计算和遗传算法等多种人工智能计算方法的控制技术。

智能控制可分为以下主要子域：

• 神经网络控制
• 机器学习控制
• 强化学习
• 贝叶斯控制
• 模糊控制
• 神经模糊控制
• 专家系统
• 基因控制

随着新的智能行为模型的创建和支持它们的计算方法的开发，新的控制技术不断被创建。

神经网络已被用于解决几乎所有科学技术领域的问题。 神经网络控制基本上包括两个步骤：

• 系统标识
• 控制

已经表明，具有非线性、连续和可微分激活函数的前馈网络具有通用逼近能力。 循环网络也被用于系统识别。 给定一组输入输出数据对，系统识别旨在形成这些数据对之间的映射。 这样的网络应该捕捉系统的动态。 对于控制部分，深度强化学习已经显示出其控制复杂系统的能力。

贝叶斯概率产生了许多在许多高级控制系统中常用的算法，用作控制器中使用的某些变量的状态空间估计器。

卡尔曼滤波器和粒子滤波器是流行的贝叶斯控制组件的两个示例。 控制器设计的贝叶斯方法通常需要在推导所谓的系统模型和测量模型方面做出重要努力，这些模型是将状态变量与受控系统中可用的传感器测量值联系起来的数学关系。 在这方面，它与控制设计的系统论方法密切相关。