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)控制器在將來仍要使用相當(dāng)長一段時(shí)間。為此,本文論述了人工智能在電氣傳動領(lǐng)域中的應(yīng)用。將PID控制和模糊控制相結(jié)合,控制直流電動機(jī).首先對直流電動 機(jī)的PID控制進(jìn)行,鑒于其參數(shù)變化范圍大,整定過程繁鎖

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，它們的設(shè)計(jì)不需要控制對象的模型（在許多場合，很難得到實(shí)際控制對象的動態(tài)方程，實(shí)際控制對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，過沖更小。它們比古典控制器的調(diào)節(jié)容易。在沒有必須知識時(shí)，通過響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。運(yùn)用語言和響應(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)則庫和隸屬函數(shù)在模糊化和反模糊化過程中能夠自動地實(shí)時(shí)確定。，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非線性函數(shù)近似器。