人工智能控制器

誤差反向傳播技術是多層前聵ANN常用的學習技術。如果網(wǎng)絡有足夠多的隱藏層和隱藏結點以及適宜的激勵函數(shù)，多層ANN只能實現(xiàn)需要的映射，沒有直接的技術選擇優(yōu)隱藏層、結點數(shù)和激勵函數(shù)，通常用嘗試法解決這個問題，反向傳播訓練算法是基本的快下降法，輸出結點的誤差反饋回網(wǎng)絡，用于權重調(diào)整，搜索優(yōu)。

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。

運用常規(guī)反向傳播學習算法。該系統(tǒng)由兩個子系統(tǒng)構成，一個系統(tǒng)通過電氣動態(tài)參數(shù)的辯識自適應控制定子電流，另一個系統(tǒng)通過對機電系統(tǒng)參數(shù)的辯識自適應控制轉(zhuǎn)子速度。后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關ANN對各種電機參數(shù)估計的，一個共同的特點是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學習算法的模型不同或被估計的參數(shù)不同。

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，并且找到的拓樸結構配置，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