人工智能控制器

但是,還有很多研究工作要做,現(xiàn)在還只有少數(shù)實(shí)際應(yīng)用的例子(學(xué)術(shù)研究組實(shí)現(xiàn)少,工業(yè)運(yùn)用的就更少了),大多數(shù)研究只給出了理論或結(jié)果,因此,常規(guī)控制器在將來(lái)仍要使用相當(dāng)長(zhǎng)一段時(shí)間。為此,本文論述了人工智能在電氣傳動(dòng)領(lǐng)域中的應(yīng)用。將PID控制和模糊控制相結(jié)合,控制直流電動(dòng)機(jī).首先對(duì)直流電動(dòng) 機(jī)的PID控制進(jìn)行,鑒于其參數(shù)變化范圍大,整定過(guò)程繁鎖

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。這樣的分類(lèi)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）。

通過(guò)適當(dāng)調(diào)整（根據(jù)響應(yīng)時(shí)間、下降時(shí)間、魯棒性能等）它們能提。例如：模糊邏輯控制器的上升時(shí)間比優(yōu)PID控制器快1.5倍，下降時(shí)間.5倍，過(guò)沖更小。它們比古典控制器的調(diào)節(jié)容易。在沒(méi)有必須知識(shí)時(shí)，通過(guò)響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。運(yùn)用語(yǔ)言和響應(yīng)信息可能設(shè)計(jì)它們。們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計(jì)）

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。有很多方法來(lái)實(shí)現(xiàn)這個(gè)過(guò)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(lèi)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。