人工智能控制器

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫和隸屬函數(shù)在模糊化和反模糊化過程中能夠自動地實(shí)時確定。有很多方法來實(shí)現(xiàn)這個過程，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。

運(yùn)用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個子系統(tǒng)構(gòu)成，一個系統(tǒng)通過電氣動態(tài)參數(shù)的辯識自適應(yīng)控制定子電流，另一個系統(tǒng)通過對機(jī)電系統(tǒng)參數(shù)的辯識自適應(yīng)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(guān)ANN對各種電機(jī)參數(shù)估計(jì)的，一個共同的特點(diǎn)是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計(jì)的參數(shù)不同。

能模仿人的決策和推理模糊控制行為。反模糊化實(shí)現(xiàn)量化和反模糊化。有很多反模糊化技術(shù)，例如，大化反模糊化，中間平均技術(shù)等。輸出結(jié)點(diǎn)的權(quán)重調(diào)整迭代不同于隱藏結(jié)點(diǎn)的權(quán)重調(diào)整迭代。通過使用反向傳播技術(shù)，能得到需要的非線性函數(shù)近似值，該算法包括有學(xué)習(xí)速率參數(shù)，對網(wǎng)絡(luò)的特性有很大影響。些模糊控制器不僅用來取代常規(guī)的PI或PID控制器，同時也用于其他任務(wù)