人工智能控制器

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、模糊、模糊神經，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）。

在各種出版物中，介紹了許多被模糊化的控制器，但這應與“充分模糊”控制器完全區(qū)分開來，“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現(xiàn)，往往通過改造現(xiàn)有古典控制器得以實現(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

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現(xiàn)，往往通過改造現(xiàn)有古典控制器得以實現(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

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。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果