شاخۀ کنترل یکی از گرایشهای رشتههای مهندسی برق و مکانیک بوده و در مکانیک، مباحث دینامیک و رباتیک نیز با آن ارتباط زیادی دارند. مهندسی کنترل در انواع زمینههای مهندسی از جمله مهندسی خودرو، مهندسی هوافضا، مهندسی شیمی و حتی اقتصاد و زیستشناسی نیز کاربرد دارد. ارتباط تنگاتنگ این رشته با مهندسی برق و مهندسی کامپیوتر از آنجا نشئت میگیرد که عموماً بسیاری از مدارهای الکترونیکی توسط مدلهای ریاضیاتی تفسیر و کنترل میشوند و پیادهسازی و بررسی این مدلها با استفاده از تکنیکها و روشهای برنامهنویسی صورت میگیرد. در مهندسی مکانیک، کنترل سیستمها با استفاده از فیدبک مکانیکی در روشهای هیدرولیکی و نیوماتیکی انجام میشود. در مهندسی هوافضا نیز گرایش دینامیک پرواز و کنترل به پیادهسازی روشهای کنترلی در صنایع مربوطه میپردازد. یک مهندس کنترل، سیستمهای مختلف را از لحاظ دینامیکی، الکترونیکی، حرارتی و ... بررسی و آنها را به شکل ریاضیاتی مدلسازی میکند. در نهایت، با تسلط بر روشهای کنترل این سیستمها و شبیهسازی متناسب آنها، برایشان کنترلرهایی طراحی میکند.
مهندسی کنترل نیز مانند دیگر شاخههای مهندسی از ابزارهای روز دنیا برای دستیابی به اهداف خود بهره میبرد. امروزه هوش مصنوعی (Artificial Intelligence) و علم داده (Data Science) به دو مورد از مهمترین و پرکاربردترین علومی تبدیل شدهاند که در تمامی شاخههای پزشکی، مهندسی، اقتصاد، جامعهشناسی و ... نقش پررنگی ایفا میکنند. در این متن بهطور خلاصه کاربرد این دو علم را در مهندسی کنترل بررسی خواهیم کرد.
اصلاً هوش مصنوعی چیست و علم داده یعنی چه؟
احتمالاً این روزها اسم «ChatGPT» به گوشتان خورده است و شاید تجربۀ استفاده از آن را هم داشته باشید. ChatGPT که چند وقتی است جای خود را در سرخط خبرها باز کرده، نمونۀ بارز هوش مصنوعی و کاربرد آن بهشمار میرود. این برنامه، یک «چتبات» (ChatBot) مبتنی بر هوش مصنوعی است که بهگونهای طراحی شده که بتواند با انسان مکالمه کند و سؤالات روزمره، علمی، پزشکی و ... او را پاسخ دهد. هدف اصلی هوش مصنوعی نیز همین است؛ طراحی ماشینها و برنامههایی که توانایی انجام وظایفی را داشته باشند که نیازمند هوش انسانی است.
علم داده بهطور کلی علم جمعآوری، طبقهبندی، بررسی و تحلیل دادهها و تصمیمگیری بر مبنای آنهاست. هدف این حیطه از مطالعات، شناسایی آماری الگوها و استخراج اطلاعات معنادار از دادههای حجیم است و انواع دادههای خام، دادههای ساختاریافته و دادههای غیر ساختاریافته در این حوزه مورد بررسی قرار میگیرند. علم داده این امکان را فراهم میکند تا با کمک الگوریتمها، فناوریها و روشهای علمی مختلف، از انواع گوناگون دادهها، اطلاعاتی ارزشمند استخراج شود و در راستای این هدف، از مفاهیم برنامهنویسی، هوش مصنوعی (Artificial Intelligence - AI)، یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) نیز بهره میگیرد.
کاربرد هوش مصنوعی و علم داده در حوزۀ سیستمهای کنترل و رباتیک
کنترلرهای مبتنی بر هوش مصنوعی که از آنها به عنوان کنترلرهای یادگیری تقویتی عمیق (Deep Reinforcement Learning) یا DRL نیز یاد میشود، نسبت به کنترلرهای دیگر از ویژگیهای خاصی برخوردار هستند. این کنترلرها قادر به یادگیریاند؛ به این معنی که میتوانند با بهرهگیری از شبیهسازیهای مداوم و بسیار زیاد، اشکالات و جزئياتی را شناسایی کنند که کنترلشان در حالت عادی کار سادهای نیست. همچنین، در حالت متداول، دادههایی که به کنترلر وارد میشوند، از سمت یک سیستم یا دستگاه هستند. اما در کنترلرهای DRL، تعداد بسیار زیاد شبیهسازیهای انجامشده، حجم عظیمی از داده را به کنترلر منتقل کرده و کنترلر با استفاده از الگوریتمهای هوش مصنوعی و علم داده به خود یاد میدهد که در کنترل یک سیستم بهخصوص، از کدام رفتارها جلوگیری کند و رفتارهای دیگر را به صورت بهینهتر و کارآمدتری پیش ببرد.
ویژگی دیگر این نوع از کنترلر، رفتاری است که به «Delayed Gratification» شهرت دارد. این کنترلر در کوتاهمدت، رفتارهای غیربهینۀ سیستم را تشخیص میدهد و از آن برای بهینهسازی دادههای سیستم در طولانیمدت استفاده میکند. این کنترلرها همچنین قادر به دریافت و بررسی دادههایی هستند که سیستمهای اتوماسیون متداول از آن بیبهرهاند؛ برای مثال، یک کنترلر که با هوش مصنوعی کار میکند، قابلیت پردازش تصویر (Image Processing) خواهد داشت و میتواند از دادههای تصویری برای کنترل کیفیت محصولات و یا وضعیت ابزارها استفاده کند. این کنترلرها همچنین میتوانند از دادۀ سنسورهای ارتعاشی و صوتی برای تصمیمگیری بهره ببرند.
اینترنت اشیا (Internet of Things - IoT) نیز از شاخههای پرطرفدار برنامهنویسی هوش مصنوعی بهشمار میرود و در صنعت، بازار داغی دارد. در این حوزه، دستگاههای فیزیکی از سراسر دنیا به یک سیستم کنترل متصل میشوند و سیستم با جمعآوری دادههای دستگاهها و بررسی و تحلیل آنها، برای نحوۀ رفتار آنها در شرایط مختلف تصمیمگیری و دستورهایشان را به آنها ارسال میکند.
کاربردهای این سیستمها و کنترلرها در صنعت امروزۀ دنیا بسیار وسیع است و این علوم با سرعت بسیار زیادی در حال پیشروی هستند. از انواع کاربردهای این سیستمهای کنترلی میتوان به توسعۀ کنترلرهای رباتها، سیستمهای هوشمند کنترل خودرو، سیستمهای کنترلی لوازم خانگی هوشمند، سنسورهای مورد استفاده در مراقبتهای پزشکی و بهداشتی، نگهداری و تعمیرات ابزارها و دستگاهها و ... اشاره کرد.