人工智能控制器

人工智能一直都處于計算機技術(shù)的前沿，經(jīng)歷了幾起幾落，長久以來，人工智能對于普通人來說是那樣的可望而不可及，然而它卻吸引了無數(shù)研究人員為之奉獻才智，隨著現(xiàn)代控制理論的發(fā)展，控制器設計的常規(guī)技術(shù)正逐漸被廣泛使用的人工智能軟件技術(shù)所替代。不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)，以及遺傳算法都可看成一類非線性函數(shù)近似器

不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)，以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計器具有更多的優(yōu)勢，它們的設計不需要控制對象的模型（在許多場合，很難得到實際控制對象的動態(tài)方程，實際控制對象的模型在控制器設計時往往有很多不確實性因素，例如：參數(shù)變化，非線性時，往往不知道）。

人工智能技術(shù)控制器

 誤差反向傳播技術(shù)性是雙層前聵ANN常見的學技術(shù)。假如互聯(lián)網(wǎng)有充足多的隱藏層和隱藏結(jié)點及其適合的激勵函數(shù)，雙層ANN只有完成必須的投射，沒有立即的技術(shù)性挑選佳隱藏層、結(jié)點數(shù)和激勵函數(shù)，一般用嘗試法處理這個問題，反向傳播訓煉優(yōu)化算法是基本上的更快降低法，輸出結(jié)點的誤差意見反饋回互聯(lián)網(wǎng)，用以權(quán)重值調(diào)節(jié)，檢索佳。

但都沒有使用人工智能技術(shù)。相信使用人工智能的直流傳動技術(shù)能得到進一步的提高。智能技術(shù)在電氣傳動技術(shù)中占相當重要的地位，特別是自適應模糊神經(jīng)元控制器在性能傳動產(chǎn)品中將得到廣泛應用。但是，還有很多研究工作要做，現(xiàn)在還只有少數(shù)實際應用的例子（學術(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