人工智能在自動化學科中的應用(參考版)
2025-06-18 20:35本頁面
【正文】 中國論文聯(lián)盟5。人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學?！ ∽詈笾档弥赋龅氖乾F(xiàn)在發(fā)表的大多數(shù)有關ANN 對各種電機參數(shù)估計的論文，一個共同的特點是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學習算法的模型不同或被估計的參數(shù)不同。ANNS 的結構是多層前饋型，運用常規(guī)反向傳播學習算法。這就需要ANN 學習三維圖形映射。介紹了使用常規(guī)反向轉波算法的ANN 用于步進電機控制算法的最優(yōu)化。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，它往往用來補償可能的慣性和負載轉矩的擾動。它的輸入標定因子是變化的。該大學還把模糊神經(jīng)控制器用于各種全數(shù)字高動態(tài)性能傳動系統(tǒng)開發(fā)中。通過使用反向傳播技術，能得到需要的非線性函數(shù)近似值，該算法包括有學習速率參數(shù)，對網(wǎng)絡的特性有很大影響。如果網(wǎng)絡有足夠多的隱藏層和隱藏結點以及適宜的激勵函數(shù)，多層ANN 只能實現(xiàn)需要的映射，沒有直接的技術選擇最優(yōu)隱藏層、結點數(shù)和激勵函數(shù)，通常用嘗試法解決這個問題，反向傳播訓練算法是基本的最快下降法，輸出結點的誤差反饋回網(wǎng)絡，用于權重調整，搜索最優(yōu)。另外，由于ANNS 的并行結構，它很適合多傳感器輸入運用，比如在條件監(jiān)控、診斷系統(tǒng)中能增強決策的可靠性，當然，最近電氣傳動朝著最小化傳感器數(shù)量方向發(fā)展，但有時，多傳感器可以減少系統(tǒng)對特殊傳感器缺陷的敏感性，不需要過高的精度，也不需要復雜的信號處理?！ 。?）ANNS 的應用 過去二十年，人工神經(jīng)網(wǎng)絡（ANNS）在模式識別和信號處理中得到廣泛運用?！ 、?反模糊化實現(xiàn)量化和反模糊化。開發(fā)規(guī)則庫的主要方法是：把專家的知識和經(jīng)歷用于應用和控制目標；建模操作器的控制行動；建模過程；使用自適應模糊控制器和人工神經(jīng)網(wǎng)絡推理機制。隸屬函數(shù)有多種形式。當f 是常數(shù)，就是零階Sugeno 模型，因此Sugeno 是Mamdani 控制器的特例。但Sugeno 控制器的典型規(guī)則是“如果x 是A，并且y 是B，那么Z=f（x,y）”。限于篇幅這里不詳細討論其中的原因?！ 《?、人工智能在電氣傳動控制中的運用 人工智能在直流傳動中的運用 ?。?）模糊邏輯控制應用 主要有兩類模糊控制器，Mamdani 和Sugeno型。 總而言之，當采用自適應模糊神經(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時確定。 ?。?0）它們的實現(xiàn)十分便宜，特別是使用最小配置時?！ 。?）它們能解決常規(guī)方法不能解決的問題?，F(xiàn)在沒有使用人工智能的控制算法對特定對象控制效果十分好，但對其他控制對象效果就不會一致性地好，因此對具體對象必須具體設計。 ?。?）運用語言和響應信息可能設計它們。
教學教案相關推薦
鄂ICP備17016276號-1