سیستم های درایو برای انواع ماشین های القائی دارای پیچیدگی های خاص خود به دلیل درایورهای مختلف ، تغییرات پارامتری ، مدل بار و روش های کلیدزنی دارند ، سیستم های کنترل متداول در کلیدزنی این ماشین ها معمولا از روش های مرسوم از جمله PI ، PID برای کاهش خطا و تنظیم پریود زمانی کلیدزنی ها استفاده می کنند ، حال آنکه این روش ها در عمل تحت شرایط خاص قابل انجام می باشند و در نتیجه گیری نیز از لحاظ نتایج کار آنچنان توفیقی ندارند .

  • بالا بودن میزان اورشوت 
  • بالا بودن زمان نشست سیستم 
  • وجود نوسانات حالت ماندگار 
  • نوسانات بالای حالت گذرا
  • خطای حالت ماندگار

از جمله کیفیت های نامطلوب استفاده از سیستم های کنترل متداول می باشند .

در کنار این مسائل در استفاده از سیستم های کنترل محدودیت های اساسی در دینامیک سیستم نادیده گرفته می شود ، تمامی سیستم های استفاده شده در مدار کنترلر تا خود ماشین و علی الخصوص سیستم درایو دارای نامعینی می باشند ، این نامعینی ها در عمل وجود دارند و بهتر است در تئوری کار در نظر گرفته شوند که در این صورت سیستم های کنترل مرسوم قادر به پایدارسازی سیستم نخواهند بود .

در این حالت ما ناچار به استفاده از دو روش هستیم :

  1. به کارگیری مدل دقیق غیرخطی سیستم استفاده شده
  2. استفاده از کنترلرهای تطبیق پذیر نظیر شبکه های عصبی ، منطق فازی و یا ترکیب این دو بصورت بهینه

در مورد اول مسلما کار سختی پیش رو خواهیم داشت چرا که یک اینورتر در شبکه های قدرت در تجزیه مُدال با 3 متغیر حالت تعریف می شود حال محاسبه کنید کاربرد این روش برای سیستم دو پل سه فاز با 6 IGBT .

در مورد دوم شناسایی دقیق سیستم بکار رفته از لحاظ رفتار در شرایط گوناگون سیستم نظیر سرعت های پایین ، سرعت بالا ، بی باری ، گشتاور بالا یا پایین ، شرایط خطا و ... و تعریف سیستم کنترلی به صورت ترکیبی از روش های هوشمند و متداول می توانیم بهبود رفتار سیستم در شرایط مختلف را داشته باشیم .

در الگوریتم فازی با انتخاب متغیرهای تاثیرگار به صورت مناسب و ارائه خروجی های مناسب در کنترلر اصلی و یا در سیستم کلیدزنی و ایجاد قوانین براساس منطق فازی (نوع اول یا دوم) نسبت به کنترل کلی آن اقدام کرد .

در شبکه های عصبی نیز بایستی روش را از روی جداسازی و الگوسازی انجام دهیم ، در این حالت بایستی سیستم را تحت شرایط گوناگون مورد آزمایش قرار داده و در تقسیم بندی از آن بهره ببریم .