人工智能控制器

運(yùn)用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個(gè)子系統(tǒng)構(gòu)成，一個(gè)系統(tǒng)通過(guò)電氣動(dòng)態(tài)參數(shù)的辯識(shí)自適應(yīng)控制定子電流，另一個(gè)系統(tǒng)通過(guò)對(duì)機(jī)電系統(tǒng)參數(shù)的辯識(shí)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(duì)各種電機(jī)參數(shù)估計(jì)的，一個(gè)共同的特點(diǎn)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(jì)的參數(shù)不同。

但都沒(méi)有使用人工智能技術(shù)。相信使用人工智能的直流傳動(dòng)技術(shù)能得到進(jìn)一步的提高。智能技術(shù)在電氣傳動(dòng)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(dòng)產(chǎn)品中將得到廣泛應(yīng)用。但是，還有很多研究工作要做，現(xiàn)在還只有少數(shù)實(shí)際應(yīng)用的例子（學(xué)術(shù)研究組實(shí)現(xiàn)少，工業(yè)運(yùn)用的就更少了），大多數(shù)研究只給出了理論或結(jié)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(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。，隨著現(xiàn)代控制理論的發(fā)展，控制器設(shè)計(jì)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(lèi)非線性函數(shù)近似器。

能模仿人的決策和推理模糊控制行為。反模糊化實(shí)現(xiàn)量化和反模糊化。有很多反模糊化技術(shù)，例如，大化反模糊化，中間平均技術(shù)等。輸出結(jié)點(diǎn)的權(quán)重調(diào)整迭代不同于隱藏結(jié)點(diǎn)的權(quán)重調(diào)整迭代。通過(guò)使用反向傳播技術(shù)，能得到需要的非線性函數(shù)近似值，該算法包括有學(xué)習(xí)速率參數(shù)，對(duì)網(wǎng)絡(luò)的特性有很大影響。些模糊控制器不僅用來(lái)取代常規(guī)的PI或PID控制器，同時(shí)也用于其他任務(wù)