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)估計器具有更多的優(yōu)勢，它們的設(shè)計不需要控制對象的模型（在許多場合，很難得到實際控制對象的動態(tài)方程，實際控制對象的模型在控制器設(shè)計時往往有很多不確實性因素，例如：參數(shù)變化，非線性時，往往不知道）。

也有一些的文章論述運用模糊邏輯控制感應(yīng)電機的磁通和力矩。它的輸入標定因子是變化的。實驗結(jié)果也驗證了所提方案的有效性。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來補償可能的慣性和負載轉(zhuǎn)矩的擾動。神經(jīng)網(wǎng)絡(luò)的應(yīng)用 現(xiàn)如今，有大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機和驅(qū)動系統(tǒng)的條件監(jiān)測和診斷中的運用。

人工智能技術(shù)控制器

 誤差反向傳播技術(shù)性是雙層前聵ANN常見的學(xué)技術(shù)。假如互聯(lián)網(wǎng)有充足多的隱藏層和隱藏結(jié)點及其適合的激勵函數(shù)，雙層ANN只有完成必須的投射，沒有立即的技術(shù)性挑選佳隱藏層、結(jié)點數(shù)和激勵函數(shù)，一般用嘗試法處理這個問題，反向傳播訓(xùn)煉優(yōu)化算法是基本上的更快降低法，輸出結(jié)點的誤差意見反饋回互聯(lián)網(wǎng)，用以權(quán)重值調(diào)節(jié)，檢索佳。

有很多方法來實現(xiàn)這個過程，但主要的目標是使用系統(tǒng)技術(shù)實現(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，知識庫由數(shù)據(jù)庫和語言控制規(guī)則庫組成。開發(fā)規(guī)則庫的主要方法是：把的知識和經(jīng)歷用于應(yīng)用和控制目標；建模操作器的控制行動；建模過程；使用自適應(yīng)模糊控制器和人工神經(jīng)網(wǎng)絡(luò)推理機制。推理機是模糊控制器的核心