深度学习在控制系统感知与决策中的应用困境及对策

肖 懿
西京学院

摘要


现代控制系统面对日趋复杂的作业场景，传统依靠机理建模的处理方、逐渐显现局限，难以充分应对高维
度非结构化环境信息。深度学习具备强大的特征提取与策略拟合能力，为控制系统感知与决策环节的升级提供新的
发展可能。众多研究尝试将深度学习引入控制系统，以此强化环境状态获取能力，拓展复杂条件下的决策能力。深
度学习与控制系统源自两套不同的理论体系，技术落地过程中会产生多方面的适配问题。充分认识各类应用模式，
理清融合过程中的客观约束，探索可行的优化路径，能够助力智能控制系统理论层面的发展，也能够为相关技术落
地提供理论层面的参考。

关键词


深度学习;控制系统;感知;决策

全文:

PDF


参考


[1]宋燕，袁佳，李岑泽，等.非线性大时滞系统的数据驱动预测控制：一种融合残差校正的时频域深度学习方法[J/OL].控制与决策，1-13[2026-09-06].

[2]

[2]王曰英，吴浩，庆雨豪，等.深度学习驱动的海上无人船智能感知与决策技术进展[J].中国图象图形学报，2026，31（5）：1394-1424.

[3]宋光涛.基于深度学习的农业机械自动化控制系统设计[J].南方农机，2024，55（21）：60-62.

[4]黄达，陈薇薇.基于深度学习的工业机器人智能控制系统设计与实现[J].信息记录材料，2024，25（7）： 131-133+137.

[5]樊芮锋，尹逊和，赵柱，等.深度学习在指挥控制系统中的应用综述及挑战[J].新型工业化，2020，10 （8）：114-118.


Refbacks

  • 当前没有refback。