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(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(shè)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(shè)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）。

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(jié)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(zhuǎn)矩的擾動。神經(jīng)網(wǎng)絡(luò)的應用 現(xiàn)如今，有大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機和驅(qū)動系統(tǒng)的條件監(jiān)測和診斷中的運用。

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(shù)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(qū)動產(chǎn)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

能模仿人的決策和推理模糊控制行為。反模糊化實現(xiàn)量化和反模糊化。有很多反模糊化技術(shù)，例如，大化反模糊化，中間平均技術(shù)等。輸出結(jié)點的權(quán)重調(diào)整迭代不同于隱藏結(jié)點的權(quán)重調(diào)整迭代。通過使用反向傳播技術(shù)，能得到需要的非線性函數(shù)近似值，該算法包括有學習速率參數(shù)，對網(wǎng)絡(luò)的特性有很大影響。些模糊控制器不僅用來取代常規(guī)的PI或PID控制器，同時也用于其他任務