您好,歡迎來到易龍商務網!
發布時間:2021-09-16 20:31  
【廣告】





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、模糊、模糊神經,以及遺傳算法都可看成一類非線性函數近似器。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一開發。這些AI函數近似器比常規的函數估計器具有更多的優勢,它們的設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方程,實際控制對象的模型在控制器設計時往往有很多不確實性因素,例如:參數變化,非線性時,往往不知道)。
使用常規反向轉波算法的ANN用于步進電機控制算法的優化。該方案使用實驗數據,根據負載轉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。該系統與常規控制算法(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。
運用常規反向傳播學習算法。該系統由兩個子系統構成,一個系統通過電氣動態參數的辯識自適應控制定子電流,另一個系統通過對機電系統參數的辯識自適應控制轉子速度。后值得指出的是現在發表的大多數有關ANN對各種電機參數估計的,一個共同的特點是,它們都是用多層前饋ANNS,用常規反向傳播算法,只是學習算法的模型不同或被估計的參數不同。