人工智能控制器

建立相匹配的控制模型，同時(shí)根據(jù)數(shù)據(jù)實(shí)時(shí)反饋選擇控制方案，持續(xù)進(jìn)化，給出優(yōu)控制參數(shù)值。品投運(yùn)后云端一鍵操作，的簡(jiǎn)單背后是強(qiáng)大的算法支持：決策機(jī)TMAI可根據(jù)用戶設(shè)置的室溫目標(biāo)數(shù)據(jù)，完成復(fù)雜運(yùn)算后直接給出控制目標(biāo)參數(shù)，如供水溫度等。決策機(jī)TMAI模型可以解決傳統(tǒng)控制模型中室溫?cái)?shù)據(jù)滯后性問(wèn)題，結(jié)合氣候參數(shù)提前預(yù)測(cè)、預(yù)知合理控制目標(biāo)值，提前干預(yù)，平抑室溫波動(dòng)。

由于控制簡(jiǎn)單,直流傳動(dòng)在過(guò)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(jìn)步,直流傳動(dòng)正逐漸被的交流傳動(dòng)所取代。但近,許多廠商也推出了一些改進(jìn)的直流驅(qū)動(dòng)產(chǎn)品,但都沒(méi)有使用人工智能技術(shù)。相信使用人工智能的直流傳動(dòng)技術(shù)能得到進(jìn)一步的提高。智能技術(shù)在電氣傳動(dòng)技術(shù)中占相當(dāng)重要的地位,特別是自適應(yīng)模糊神經(jīng)元控制器在性能傳動(dòng)產(chǎn)品中將得到廣泛應(yīng)用

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(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）。