人工智能控制器

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(xiàn)性函數(shù)近似器

誤差反向傳播技術(shù)是多層前聵ANN常用的學(xué)習(xí)技術(shù)。如果網(wǎng)絡(luò)有足夠多的隱藏層和隱藏結(jié)點(diǎn)以及適宜的激勵(lì)函數(shù)，多層ANN只能實(shí)現(xiàn)需要的映射，沒(méi)有直接的技術(shù)選擇優(yōu)隱藏層、結(jié)點(diǎn)數(shù)和激勵(lì)函數(shù)，通常用嘗試法解決這個(gè)問(wèn)題，反向傳播訓(xùn)練算法是基本的快下降法，輸出結(jié)點(diǎn)的誤差反饋回網(wǎng)絡(luò)，用于權(quán)重調(diào)整，搜索優(yōu)。

使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進(jìn)電機(jī)控制算法的優(yōu)化。該方案使用實(shí)驗(yàn)數(shù)據(jù)，根據(jù)負(fù)載轉(zhuǎn)矩和初始速度來(lái)確定大可觀測(cè)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(shí)間，對(duì)負(fù)載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿(mǎn)意的控制效果。