人工智能控制器

以用戶綜合室溫為控制目標，直接指導現(xiàn)場換熱站、燃氣鍋爐的供水溫度控制，實現(xiàn)供熱系統(tǒng)智能化升級。智能決策機TM通過通訊系統(tǒng)及云端獲取一次、二次側流量、壓力、溫度、抽樣室溫、氣候參數(shù)等數(shù)據(jù)。決策機TM內(nèi)置的人工智能AI具備邏輯推演、規(guī)律識別并自動尋優(yōu)能力，可在2~3周時間內(nèi)完成大數(shù)據(jù)深度學習

建立相匹配的控制模型，同時根據(jù)數(shù)據(jù)實時反饋選擇控制方案，持續(xù)進化，給出優(yōu)控制參數(shù)值。品投運后云端一鍵操作，的簡單背后是強大的算法支持：決策機TMAI可根據(jù)用戶設置的室溫目標數(shù)據(jù)，完成復雜運算后直接給出控制目標參數(shù)，如供水溫度等。決策機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，結合氣候參數(shù)提前預測、預知合理控制目標值，提前干預，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技術的進步,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的直流驅(qū)動產(chǎn)品,但都沒有使用人工智能技術。相信使用人工智能的直流傳動技術能得到進一步的提高。智能技術在電氣傳動技術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

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，輸出結點的誤差反饋回網(wǎng)絡，用于權重調(diào)整，搜索優(yōu)。