人工智能控制器

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。

使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進(jìn)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(fù)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(xué)習(xí)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(fù)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。

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫和隸屬函數(shù)在模糊化和反模糊化過程中能夠自動地實時確定。，隨著現(xiàn)代控制理論的發(fā)展，控制器設(shè)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。