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動產品,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元控制器在性能傳動產品中將得到廣泛應用

也有一些的文章論述運用模糊邏輯控制感應電機的磁通和力矩。它的輸入標定因子是變化的。實驗結果也驗證了所提方案的有效性。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來補償可能的慣性和負載轉矩的擾動。神經網絡的應用 現(xiàn)如今，有大量文章討論神經網絡在交流電機和驅動系統(tǒng)的條件監(jiān)測和診斷中的運用。

運用常規(guī)反向傳播學習算法。該系統(tǒng)由兩個子系統(tǒng)構成，一個系統(tǒng)通過電氣動態(tài)參數(shù)的辯識自適應控制定子電流，另一個系統(tǒng)通過對機電系統(tǒng)參數(shù)的辯識自適應控制轉子速度。后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關ANN對各種電機參數(shù)估計的，一個共同的特點是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學習算法的模型不同或被估計的參數(shù)不同。

人工智能技術控制器

 誤差反向傳播技術性是雙層前聵ANN常見的學技術。假如互聯(lián)網有充足多的隱藏層和隱藏結點及其適合的激勵函數(shù)，雙層ANN只有完成必須的投射，沒有立即的技術性挑選佳隱藏層、結點數(shù)和激勵函數(shù)，一般用嘗試法處理這個問題，反向傳播訓煉優(yōu)化算法是基本上的更快降低法，輸出結點的誤差意見反饋回互聯(lián)網，用以權重值調節(jié)，檢索佳。