人工智能控制器

決策機(jī)TMAI模型可以處理大量實(shí)時(shí)性數(shù)據(jù)，從數(shù)據(jù)中挖掘系統(tǒng)能耗潛力，給出超出傳統(tǒng)經(jīng)驗(yàn)的控制模式，可進(jìn)一步精細(xì)調(diào)控，即使到了深寒期，依然實(shí)現(xiàn)節(jié)能運(yùn)行。1、以“室”為終：以室溫為控制目標(biāo)，穩(wěn)定室溫，平抑波動(dòng)；快速調(diào)整、穩(wěn)定室溫，回到供熱的初衷：滿足用戶的室溫舒適。即使到了深寒期，依然實(shí)現(xiàn)節(jié)能運(yùn)行。

在各種出版物中，介紹了許多被模糊化的控制器，但這應(yīng)與“充分模糊”控制器完全區(qū)分開來，“充分模糊”控制器才是完全意義上的模糊控制器，被模糊化的控制器易于實(shí)現(xiàn)，往往通過改造現(xiàn)有古典控制器得以實(shí)現(xiàn)，如被模糊化的PI控制器（FPIC）使用模糊邏輯改變控制器的比例、積分參數(shù)，從而使系統(tǒng)的性能得到提高

也有一些的文章論述運(yùn)用模糊邏輯控制感應(yīng)電機(jī)的磁通和力矩。它的輸入標(biāo)定因子是變化的。實(shí)驗(yàn)結(jié)果也驗(yàn)證了所提方案的有效性。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來補(bǔ)償可能的慣性和負(fù)載轉(zhuǎn)矩的擾動(dòng)。神經(jīng)網(wǎng)絡(luò)的應(yīng)用 現(xiàn)如今，有大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機(jī)和驅(qū)動(dòng)系統(tǒng)的條件監(jiān)測(cè)和診斷中的運(yùn)用。

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。