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)非線性函數(shù)近似器

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

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)。

運(yùn)用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個(gè)子系統(tǒng)構(gòu)成，一個(gè)系統(tǒng)通過(guò)電氣動(dòng)態(tài)參數(shù)的辯識(shí)自適應(yīng)控制定子電流，另一個(gè)系統(tǒng)通過(guò)對(duì)機(jī)電系統(tǒng)參數(shù)的辯識(shí)自適應(yīng)控制轉(zhuǎn)子速度。后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關(guān)ANN對(duì)各種電機(jī)參數(shù)估計(jì)的，一個(gè)共同的特點(diǎn)是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計(jì)的參數(shù)不同。