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(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）。

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫和隸屬函數(shù)在模糊化和反模糊化過程中能夠自動(dòng)地實(shí)時(shí)確定。有很多方法來實(shí)現(xiàn)這個(gè)過程，但主要的目標(biāo)是使用系統(tǒng)技術(shù)實(shí)現(xiàn)穩(wěn)定的解，并且找到的拓樸結(jié)構(gòu)配置，自學(xué)習(xí)迅速，收斂快速。模糊邏輯控制應(yīng)用 主要有兩類模糊控制器，Mamdani和Sugeno型。到目前為止只有Mamdani模糊控制器用于調(diào)速控制系統(tǒng)中。

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。