人工智能控制器

與驅(qū)動器的特性無關?，F(xiàn)在沒有使用人工智能的控制算法對特定對象控制效果十分好，但對其他控制對象效果就不會一致性地好，因此對必須具體對象具體設計。它們對新數(shù)據(jù)或新信息具有很好的適應性。它們能解決常規(guī)方法不能解決的問題。它們具有很好的抗噪聲干擾能力。它們的實現(xiàn)十分便宜，特別是使用小配置時。 它們很容易擴展和修改。

使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進電機控制算法的優(yōu)化。該方案使用實驗數(shù)據(jù)，根據(jù)負載轉(zhuǎn)矩和初始速度來確定大可觀測速度增量。這就需要ANN學習三維圖形映射。該系統(tǒng)與常規(guī)控制算法(梯形控制法)相比具有更好的性能，并且大大減少了定位時間，對負載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿意的控制效果。

總而言之，當采用自適應模糊神經(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時確定。，隨著現(xiàn)代控制理論的發(fā)展，控制器設計的常規(guī)技術正逐漸被廣泛使用的人工智能軟件技術所替代。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。

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)技術實現(xiàn)穩(wěn)定的解，并且找到的拓樸結(jié)構(gòu)配置，自學習迅速，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；使用自適應模糊控制器和人工神經(jīng)網(wǎng)絡推理機制。推理機是模糊控制器的核心