人工智能控制器

決策機TMAI模型可以處理大量實時性數(shù)據(jù)，從數(shù)據(jù)中挖掘系統(tǒng)能耗潛力，給出超出傳統(tǒng)經(jīng)驗的控制模式，可進(jìn)一步精細(xì)調(diào)控，即使到了深寒期，依然實現(xiàn)節(jié)能運行。1、以“室”為終：以室溫為控制目標(biāo)，穩(wěn)定室溫，平抑波動；快速調(diào)整、穩(wěn)定室溫，回到供熱的初衷：滿足用戶的室溫舒適。即使到了深寒期，依然實現(xiàn)節(jié)能運行。

但是,還有很多研究工作要做,現(xiàn)在還只有少數(shù)實際應(yīng)用的例子(學(xué)術(shù)研究組實現(xiàn)少,工業(yè)運用的就更少了),大多數(shù)研究只給出了理論或結(jié)果,因此,常規(guī)控制器在將來仍要使用相當(dāng)長一段時間。為此,本文論述了人工智能在電氣傳動領(lǐng)域中的應(yīng)用。將PID控制和模糊控制相結(jié)合,控制直流電動機.首先對直流電動 機的PID控制進(jìn)行,鑒于其參數(shù)變化范圍大,整定過程繁鎖

模糊邏輯的應(yīng)用 在大多數(shù)討論模糊邏輯在交流傳動中運用的文章中，都介紹的是用模糊控制器取代常規(guī)的速度調(diào)節(jié)器，可英國Aberdeen大學(xué)開發(fā)的全數(shù)字傳動系統(tǒng)中有多個模糊控制器，這些模糊控制器不僅用來取代常規(guī)的PI或PID控制器，同時也用于其他任務(wù)。該大學(xué)還把模糊神經(jīng)控制器用于各種全數(shù)字高動態(tài)性能傳動系統(tǒng)開發(fā)中。

運用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個子系統(tǒng)構(gòu)成，一個系統(tǒng)通過電氣動態(tài)參數(shù)的辯識自適應(yīng)控制定子電流，另一個系統(tǒng)通過對機電系統(tǒng)參數(shù)的辯識自適應(yīng)控制轉(zhuǎn)子速度。后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關(guān)ANN對各種電機參數(shù)估計的，一個共同的特點是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計的參數(shù)不同。