人工智能控制器

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,因此,常規(guī)控制器在將來(lái)仍要使用相當(dāng)長(zhǎng)一段時(shí)間。為此,本文論述了人工智能在電氣傳動(dòng)領(lǐng)域中的應(yīng)用。將PID控制和模糊控制相結(jié)合,控制直流電動(dòng)機(jī).首先對(duì)直流電動(dòng) 機(jī)的PID控制進(jìn)行,鑒于其參數(shù)變化范圍大,整定過(guò)程繁鎖

人工智能一直都處于計(jì)算機(jī)技術(shù)的前沿，經(jīng)歷了幾起幾落，長(zhǎng)久以來(lái)，人工智能對(duì)于普通人來(lái)說(shuō)是那樣的可望而不可及，然而它卻吸引了無(wú)數(shù)研究人員為之奉獻(xiàn)才智，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

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。這樣的分類(lèi)就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開(kāi)發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)，它們的設(shè)計(jì)不需要控制對(duì)象的模型（在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道）。

在各種出版物中，介紹了許多被模糊化的控制器，但這應(yīng)與“充分模糊”控制器完全區(qū)分開(kāi)來(lái)，“充分模糊”控制器才是完全意義上的模糊控制器，被模糊化的控制器易于實(shí)現(xiàn)，往往通過(guò)改造現(xiàn)有古典控制器得以實(shí)現(xiàn)，如被模糊化的PI控制器（FPIC）使用模糊邏輯改變控制器的比例、積分參數(shù)，從而使系統(tǒng)的性能得到提高