کنترل هوشمند به مجموعه‌ای از روش‌ها و الگوریتم‌ها اطلاق می‌شود که با بهره گیری از توان محاسباتی بالا و قابلیت‌های تطبیقی قادرند حتی بدون در اختیار داشتن مدل ریاضی کامل سیستم عملکردی مطلوب ارائه کنند. این شیوه‌ها با تأکید بر بهینه‌سازی خودکار پارامترها یادگیری از داده‌های تجربی و تعامل با محیط به ویژه در شرایطی که مدل ریاضی دقیق موجود نیست یا پارامترهای سیستم در طول زمان تغییر می‌کند، می‌توانند عملکردی پایدار و قابل اطمینان به دست دهند.

کتاب کنترل هوشمند در سیستم‌های مکانیکی و رباتیک نوشته حمیدرضا رحمانی، زهرا جهان‌بخشی و محمود صمدی در انتشارات مهراب منتشر شده است. این کتاب در چهار فصل مبانی کنترل هوشمند در رباتیک، حسگرها و ادراک در سیستم‌های مکانیکی و رباتیک، مسیریابی و حرکت بهینه در محیط‌های پیچیده، استراتژی‌های کنترل هوشمند در رباتیک تنظیم شده است.

گزیده کتاب کنترل هوشمند در سیستم‌های مکانیکی و رباتیک

رویکرد عصبی - فازی (Neuro-Fuzzy) ترکیبی از شبکه‌های عصبی مصنوعی و سیستم‌های فازی است که نقاط قوت هر دو روش را در کنار هم به کار می‌گیرد. در این روش ساختار فازی اولیه ممکن است توسط کارشناس تعریف شود و سپس پارامترهای توابع عضویت و وزن‌های شبکه عصبی با استفاده از داده‌های آموزشی بهینه‌سازی می‌شوند.

به عنوان نمونه ژوانگ و همکاران منطق استنتاج فازی را با شبکه‌های عصبی تقویتی تلفیق کردند تا کنترل چند هدفه ربات پروتز پزشکی را به صورت بلادرنگ بهینه کنند. در این روش شبکه عصبی پس از دریافت بازخورد عملکرد سیستم پارامترهای توابع عضویت را طوری تنظیم می‌کند که معیارهایی مانند دقت ردیابی و مصرف توان بهبود یابند.