人工智能控制器

建立相匹配的控制模型，同時根據(jù)數(shù)據(jù)實(shí)時反饋選擇控制方案，持續(xù)進(jìn)化，給出優(yōu)控制參數(shù)值。品投運(yùn)后云端一鍵操作，的簡單背后是強(qiáng)大的算法支持：決策機(jī)TMAI可根據(jù)用戶設(shè)置的室溫目標(biāo)數(shù)據(jù)，完成復(fù)雜運(yùn)算后直接給出控制目標(biāo)參數(shù)，如供水溫度等。決策機(jī)TMAI模型可以解決傳統(tǒng)控制模型中室溫數(shù)據(jù)滯后性問題，結(jié)合氣候參數(shù)提前預(yù)測、預(yù)知合理控制目標(biāo)值，提前干預(yù)，平抑室溫波動。

由于控制簡單,直流傳動在過去得到了廣泛的使用。但由于它們眾所周知的限制以及DSP技術(shù)的進(jìn)步,直流傳動正逐漸被的交流傳動所取代。但近,許多廠商也推出了一些改進(jìn)的直流驅(qū)動產(chǎn)品,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(jìn)一步的提高。智能技術(shù)在電氣傳動技術(shù)中占相當(dāng)重要的地位,特別是自適應(yīng)模糊神經(jīng)元控制器在性能傳動產(chǎn)品中將得到廣泛應(yīng)用

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(shè)計不需要控制對象的模型（在許多場合，很難得到實(shí)際控制對象的動態(tài)方程，實(shí)際控制對象的模型在控制器設(shè)計時往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時，往往不知道）。