人工智能控制器

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(shù)。相信使用人工智能的直流傳動技術(shù)能得到進一步的提高。智能技術(shù)在電氣傳動技術(shù)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

但是,還有很多研究工作要做,現(xiàn)在還只有少數(shù)實際應用的例子(學術(shù)研究組實現(xiàn)少,工業(yè)運用的就更少了),大多數(shù)研究只給出了理論或結(jié)果,因此,常規(guī)控制器在將來仍要使用相當長一段時間。為此,本文論述了人工智能在電氣傳動領域中的應用。將PID控制和模糊控制相結(jié)合,控制直流電動機.首先對直流電動 機的PID控制進行,鑒于其參數(shù)變化范圍大,整定過程繁鎖

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

誤差反向傳播技術(shù)是多層前聵ANN常用的學習技術(shù)。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(shù)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(quán)重調(diào)整，搜索優(yōu)。