复杂系统建模与控制智能控制方法

---

复杂的系统可以定义为具有大量交互组件的任何系统，其聚合活动是非线性的，因此不导向各个组件的活动的总和。由于控制方法通常应用于动态系统，我们对复杂的动态系统感兴趣。The rising complexity of man-made engineering systems (e.g., power networks, aircraft, autonomous vehicles, and communication networks) causes us increasing difficulties to understand their behaviour and to obtain accurate first-principle dynamical models to describe them, which reduces our capability to control those systems and make them behave in the way we want.

智能控制是指控制使用人工智能技术的系统设计，建模，识别和操作的方法，例如模糊逻辑，神经网络，机器学习，进化计算和遗传算法。智能控制技术往往能够控制动态系统，因为它们的复杂性是非常难以通过其他技术控制的。智能控制系统的特点是尝试模拟生物智能的重要方面。这些方面包括，例如，适应和学习，在不确定性下规划，以及决策。智能控制本质上是跨学科，它寻求生物学的灵感，它结合并扩展了控制理论，数学和计算机科学等领域的理论和方法。

这一特殊问题的目的是将智能控制应用于复杂系统的建模和控制的应用中，共同选择了一系列最新的进展和趋势。这个特殊问题包括12个贡献，其中描述了该地区活跃研究人员的最新工作。

H. Ce等。为非专门轮式移动机器人（NWMR）的轨迹跟踪控制提供了连续的有限时间鲁棒控制方法。该方法涉及由传统的滑动模式控制器和具有改进的交换的二阶滑动模式控制器的外环组成的内环。实验在QBOT系统上进行。J. Zambrano等。提出了维也纳 - Hammerstein系统识别的进化方法，其可以在单个步骤中识别该非线性模型结构的线性和非线性部分，而不是先前方法所需的两个步骤。使用用于非线性建模的众所周知的基准数据来评估所提出的方法。

J. M. Lozano Domínguez and T. D. Mateo Sanguino describe their work on the development of a fuzzy controller for an intelligent road signalling system consisting of a set of autonomous, intelligent, and low-cost devices that are employed to alert drivers when approaching zebra crossings if a pedestrian is traversing. The results of successful tests of the proposed signalling system on laboratory and real environments are described. C. González-Gutiérrez et al。本发明的基于神经网络的基于网络的重构，适用于适用于多GPU系统设计。

V. San Juan等。提出了一种模糊逻辑的智能无人机（UAV）地图生成和路径规划，用于搜索和救援操作。该方法是在西班牙La Palma的森林火灾期间获得的真正空中图像的模拟搜索和救援场景。A. Parra等。提供一篇关于电动汽车智能扭矩矢量型方法的文章。该系统包括一个神经线垂直轮胎力估计器和模糊偏航力矩控制器。A. Arroyo等。提出一种在空气质量数据集中丢失臭氧数据归责的神经模型的发展方法。他们的方法是使用基于Castilla YLeón，西班牙Castilla YLeón的空气质量站的数据进行了成功测试。

T. D. Mateo Sanguino和J.C.Mendoza Betancourt描述了一种基于多目标遗传算法的方法，用于无线局域网（WLAN）的最佳建模。他们的方法允许调查关于基于IEEE 802.11的WLAN设计的各种复杂问题。

M.Marcano等。为自动车辆提供低速纵向控制算法。它们为自动化驾驶提供了一个完整的框架，包括使用神经舒缩技术来纵向控制，并在虚拟和真实车辆中实现。Z. Zhou等。描述用于使用Markovian切换拓扑的多个无人机的基于事件的时变形控件。该方法的有效性是通过在形成中飞行的六个四轮车无人机的模拟来评估。

J. M. Gonzalez-Cava等。提出了一种模糊算法在药物供应决策过程中引入新的变量，并通过使用镇痛Nociicalinti指数（ANI）作为手术干预期间镇痛过程的引导变量测试其提出的方法。最后，J. M. Torres和R. M. Aguilar描述了一种利用深度学习来预测复杂系统的未来行为的方法，以及在风电场上使用发电预测作为案例研究。

这些作者突出了使用智能控制方法的承诺，应用程序所带来的优势，在复杂系统的建模和控制中，以及工程师和科学家在开发和应用这些技术方面所面临的挑战。总之，本特刊提供了对复杂系统建模和控制的智能控制方法非常有趣和最近的工作快照。

JoséM.Andújar.
Eloy Irigoyen.
Victor M. Becerra.

版权

版权所有©2018JoséM.和újar等。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。