人工智能控制器

人工智能一直都處于計算機技術的前沿，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)技術正逐漸被廣泛使用的人工智能軟件技術所替代。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

誤差反向傳播技術是多層前聵ANN常用的學習技術。如果網(wǎng)絡有足夠多的隱藏層和隱藏結(jié)點以及適宜的激勵函數(shù)，多層ANN只能實現(xiàn)需要的映射，沒有直接的技術選擇優(yōu)隱藏層、結(jié)點數(shù)和激勵函數(shù)，通常用嘗試法解決這個問題，反向傳播訓練算法是基本的快下降法，輸出結(jié)點的誤差反饋回網(wǎng)絡，用于權重調(diào)整，搜索優(yōu)。

使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進電機控制算法的優(yōu)化。該方案使用實驗數(shù)據(jù)，根據(jù)負載轉(zhuǎn)矩和初始速度來確定大可觀測速度增量。這就需要ANN學習三維圖形映射。該系統(tǒng)與常規(guī)控制算法(梯形控制法)相比具有更好的性能，并且大大減少了定位時間，對負載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿意的控制效果。