人工智能控制器
不同的人工智能控制通常用完全不同的方法去讨论。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。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，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动态方程，实际控制对象的模型在控制器设计时往往有
人工智能价格
人工智能控制器
不同的人工智能控制通常用完全不同的方法去讨论。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。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，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，例如：参数变化，非线性时，往往不知道）。
总而言之，当采用自适应模糊神经控制器，规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程，但主要的目标是使用系统技术实现稳定的解，并且找到的拓朴结构配置，自学习迅速，收敛。模糊逻辑控制应用 主要有两类模糊控制器，Mamdani和Sugeno型。到目前为止只有Mamdani模糊控制器用于调速控制系统中。
模糊逻辑的应用 在大多数讨论模糊逻辑在交流传动中运用的文章中，都介绍的是用模糊控制器取代常规的速度调节器，可英国Aberdeen大学开发的全数字传动系统中有多个模糊控制器，这些模糊控制器不仅用来取代常规的PI或PID控制器，同时也用于其他任务。该大学还把模糊神经控制器用于各种全数字高动态性能传动系统开发中。
能模仿人的决策和推理模糊控制行为。反模糊化实现量化和反模糊化。有很多反模糊化技术，例如，大化反模糊化，中间平均技术等。输出结点的权重调整迭代不同于隐藏结点的权重调整迭代。通过使用反向传播技术，能得到需要的非线性函数近似值，该算法包括有学习速率参数，对网络的特性有很大影响。些模糊控制器不仅用来取代常规的PI或PID控制器，同时也用于其他任务
（作者： 来源：）
