Jun, 2023

AI 增强控制工程方法

PDF
TL;DR本文探讨了如何利用 AI 工具在控制应用中，其中核心工具是自动微分，包括使用自动微分来线性化系统动态以进行局部稳定性分析，或用于坎曼滤波器的状态估计。我们还探讨了其他用途，例如将微分 - 代数方程转换为普通微分方程，以进行控制设计。此外，我们还研究了在模型预测控制应用程序中全局参数化状态向量和控制输入的机器学习模型的使用。对于每种考虑的用例，我们给出了示例和结果。
aimachine learningcontrol engineeringautomatic differentiationmodel predictive control
发现论文，激发创造
  • 构建可靠的深度学习系统

    介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。

    Oct, 2019

  • 闭环控制系统的人工智能 —— 建模、设计和优化控制系统的新机遇

    控制系统工程中引入人工智能的潜在机会和研究方向，重点讨论人工智能在闭环控制系统中的设计、优化和调整过程，并分析其优缺点以及在功能安全方面的适用性。该文章探讨了可被人工智能替代的标准闭环控制系统框图中的构建模块，如人工神经网络。

    Jan, 2022

  • 学习准确可线性化的深度动力学模型

    基于机器学习方法的控制研究现已过渡到实际工程阶段。本文提出了一种学习方法，用于确保系统的稳定性、可靠性等方面，为各种控制理论提供了高度的自由度，以实现高性能和理论上的安全性。通过将简单线性控制与控制屏障函数相结合，展示了一个设计示例，并将其应用于汽车发动机的实时控制，实验结果表明具有良好的预测性能和稳定的控制能力。

    Nov, 2023

  • 为基于模型的 AI 工程开启自动化机器学习

    本文提出了一种新方法，支持自动化机器学习，帮助软件工程师在不需要深入了解人工智能的情况下，选择适当的机器学习模型、算法和技术以及适当的超参数来开发人工智能密集型系统，并进行智能能源领域的案例研究。

    Mar, 2022

  • 从自整定调节器到强化学习再回归

    本文介绍了机器学习和强化学习在控制和规划自主系统行为方面的应用，同时强调在安全关键的环境下要特别注意算法的可靠性和安全性，为控制理论家们提供一个学习该领域的起点。

    Jun, 2019

  • 面向安全感知的电子设计自动化中的人工智能综述和展望

    本文总结了当前硬件设计中人工智能和机器学习技术的应用现状以及挑战，针对电路设计存在的安全问题，提出了安全意识 CAD/EDA 的研究方向和需求。

    Apr, 2022

  • 自主车辆控制的深度学习应用调查

    这篇论文调查了应用深度学习方法控制汽车的研究进展和存在的挑战，研究重点在于车辆控制而非感知问题，涵盖计算、架构、目标、泛化、验证和安全方面的探讨，为智能交通系统相关的领域提供及时有效的信息。

    Dec, 2019

  • 在控制室中分析操作员状态和 AI 增强决策支持的影响：一种人为参与的专项强化学习框架的干预策略

    评估了基于人工智能决策支持系统与改进的人机界面的影响和应用，利用动态影响图、隐藏马尔可夫模型和深度强化学习，在复杂工业和化学过程控制室中减轻操作员负担、提高情景感知以及提供不同干预策略的功能。

    Feb, 2024

  • 工业感知与控制的机器学习：调查与实践视角

    利用深度学习技术，本研究旨在探索数据驱动感知、优化和控制在工艺产业中的应用及相关挑战，并提出基于统计和机器学习的混合建模方法与领域知识相结合的数据驱动方案。

    Jan, 2024

  • AI 工程实践案例研究：开发自主股票交易系统

    本文通过开发一种使用机器学习功能投资股票的自主股票交易系统的案例研究，系统地应用了文献中提出的 10 种 AI 工程实践方法，记录了经过，总结了挑战与解决方案，并评估了每种方法的应用效果。结果证明多数方法能提高系统的效能，并提供了实践经验和在该领域的可应用性和有效性的证据。

    Mar, 2023