人工智能控制器
但是,还有很多研究工作要做,现在还只有少数实际应用的例子(学术研究组实现少,工业运用的就更少了),大多数研究只给出了理论或结果,因此,常规控制器在将来仍要使用相当长一段时间。为此,本文论述了人工智能在电气传动领域中的应用。将PID控制和模糊控制相结合,控制直流电动机.首先对直流电动 机的PID控制进行,鉴于其参数变化范围大,整定过程繁锁
人工智能公司
人工智能控制器
但是,还有很多研究工作要做,现在还只有少数实际应用的例子(学术研究组实现少,工业运用的就更少了),大多数研究只给出了理论或结果,因此,常规控制器在将来仍要使用相当长一段时间。为此,本文论述了人工智能在电气传动领域中的应用。将PID控制和模糊控制相结合,控制直流电动机.首先对直流电动 机的PID控制进行,鉴于其参数变化范围大,整定过程繁锁
不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如：神经、模糊、模糊神经，以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，它们的设计不需要控制对象的模型（在许多场合，很难得到实际控制对象的动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如：参数变化，非线性时，往往不知道）。
总而言之，当采用自适应模糊神经控制器，规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程，但主要的目标是使用系统技术实现稳定的解，并且找到的拓朴结构配置，自学习迅速，收敛。模糊逻辑控制应用 主要有两类模糊控制器，Mamdani和Sugeno型。到目前为止只有Mamdani模糊控制器用于调速控制系统中。
能模仿人的决策和推理模糊控制行为。反模糊化实现量化和反模糊化。有很多反模糊化技术，例如，大化反模糊化，中间平均技术等。输出结点的权重调整迭代不同于隐藏结点的权重调整迭代。通过使用反向传播技术，能得到需要的非线性函数近似值，该算法包括有学习速率参数，对网络的特性有很大影响。些模糊控制器不仅用来取代常规的PI或PID控制器，同时也用于其他任务
（作者： 来源：）
