8、机电一体化中人工智能可行性综述

机电一体化中人工智能可行性综述

1. 引言

从自动化的角度来看，智能控制策略具有很强的灵活性。当系统执行关键功能时，这一概念能够实时动态地实现，与传统反馈有所不同。如果控制规律不断更新，那么经典的自适应控制也可被视为智能控制。从分类的角度来看，这类系统可被视为处于边界状态。

在机电一体化分析中追溯智能控制方法的源头，会涉及到大数据的分析与处理、基于数学方法的演变以及编程等方面。该研究领域在 21 世纪初达到指数增长阶段，且至今仍未停止发展。

在机电一体化和机器人技术中，多种人工智能方法和领域得到了应用，包括人工神经网络（ANNs）、机器学习、进化计算算法和模糊逻辑等。机器学习又涵盖深度学习、强化学习、经典学习（无监督和有监督）、神经网络（NN）和集成方法等。智能控制算法通过运用各种概率、统计和优化方法，对大型数据集进行分析，并从所采取的行动中挖掘有益模式。在自动控制领域，强化学习具有实用性；集成策略和经典学习可用于对数据集进行分类和处理，以对抗神经网络；而神经网络则在处理未标记特征和复杂数据方面表现出色。

在与现实世界交互的自主系统中，使用智能控制方法面临的一个关键挑战是安全性和可靠性。

本文将探讨机电一体化中的现代智能控制方法，以识别智能控制中的开放性问题和趋势。

2. 智能控制方法

智能控制是一个独立的学科，但需要将新的概念（如神经网络）应用于控制回路，并运用基于自动控制理论构建的不同科学方法。因此，智能控制作为一种综合方法，能够通过从以往经验中学习，不断提高其性能。

2.1 自适应控制方法

与最优控制类似，自适应控制建立在完善的数学和理论基础之上。