人工智能控制器

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

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）。

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)。