| 人工智能控制技术在电气传动中的应用研究 |
|
|
|
|
论文联盟*编辑。 人工智能控制技术在电气传动中的应用研究
【摘 要】阐述了人工智能控制技术的发展概况，介绍了该控制技术的优势，从模糊控制、神经网络和遗传算法等方面探讨了该技术的应用特点及发展前景。
【关键词】人工智能；神经网络控制；模糊神经元控制；自适应神经网络
论文联盟Www.LWlm.com
0 引 言
随着现代控制理论的发展，控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术（人工神经网络、模糊控制、模糊神经网络、遗传算法等）所替代。这些方法的共同特点是，需要不同数量和类型的必须描述系统和特性的“a-priori”知识。该系统具有实现简单、性能优异等优势。
1 人工智能控制技术的优势
不同人工智能控制通常采用完全不同的方法，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。这些AI函数近似器比常规的函数估计器具有更多的优势。
（1）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精确动态方程，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。
（2）通过适当调整（根据响应时间、下降时间、鲁棒性能等）它们能提高性能。例如模糊逻辑控制器的上升时间比最优PID控制器快1.5倍，下降时间快3.5倍，过冲更小。
人工智能控制器可分为监督、非监督或增强学习型三种。常规的监督学习型神经网络控制器的拓朴结构和学习算法已经定型，这就给这种结构的控制器增加了限制，使得计算时间过长，常规非人工智能学习算法的应用效果不好。采用自适应神经网络和试探法就能克服这些困难，加快学习过程的收敛速度。常规模糊控制器的规则初值和模糊规则表是既定“a-priori”型，这就使得调整困难，当系统得不到“a－priori”（既定）信息时，整个系统就不能正常工作。而应用自适应AI控制器，如使用自适应模糊神经控制器就能克服这些困难，并且用DSP比较容易实现这些控制器。
2 人工智能在电气传动控制中的运用
2.1 人工智能在直流传动中的运用
2.1. [1] [2] [3] [4] [5] 下一页 |
|
|
| |
|
上一个论文： 人工智能方法在信号处理中的应用
下一个论文： 开启人工智能时代 |
|
用户登录 
新用户注册 