人工智能控制器

人工智能一直都處于計(jì)算機(jī)技術(shù)的前沿，經(jīng)歷了幾起幾落，長(zhǎng)久以來(lái)，人工智能對(duì)于普通人來(lái)說(shuō)是那樣的可望而不可及，然而它卻吸引了無(wú)數(shù)研究人員為之奉獻(xiàn)才智，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

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。

使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進(jìn)電機(jī)控制算法的優(yōu)化。該方案使用實(shí)驗(yàn)數(shù)據(jù)，根據(jù)負(fù)載轉(zhuǎn)矩和初始速度來(lái)確定大可觀測(cè)速度增量。這就需要ANN學(xué)習(xí)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(shí)間，對(duì)負(fù)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(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。，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。