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討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)，以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開(kāi)發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)，它們的設(shè)計(jì)不需要控制對(duì)象的模型（在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道）。

與驅(qū)動(dòng)器的特性無(wú)關(guān)?，F(xiàn)在沒(méi)有使用人工智能的控制算法對(duì)特定對(duì)象控制效果十分好，但對(duì)其他控制對(duì)象效果就不會(huì)一致性地好，因此對(duì)必須具體對(duì)象具體設(shè)計(jì)。它們對(duì)新數(shù)據(jù)或新信息具有很好的適應(yīng)性。它們能解決常規(guī)方法不能解決的問(wèn)題。它們具有很好的抗噪聲干擾能力。它們的實(shí)現(xiàn)十分便宜，特別是使用小配置時(shí)。 它們很容易擴(kuò)展和修改。

總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。，隨著現(xiàn)代控制理論的發(fā)展，控制器設(shè)計(jì)的常規(guī)技術(shù)正逐漸被廣泛使用的人工智能軟件技術(shù)所替代。不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)，以及遺傳算法都可看成一類非線性函數(shù)近似器。

有很多方法來(lái)實(shí)現(xiàn)這個(gè)過(guò)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，知識(shí)庫(kù)由數(shù)據(jù)庫(kù)和語(yǔ)言控制規(guī)則庫(kù)組成。開(kāi)發(fā)規(guī)則庫(kù)的主要方法是：把的知識(shí)和經(jīng)歷用于應(yīng)用和控制目標(biāo)；建模操作器的控制行動(dòng)；建模過(guò)程；使用自適應(yīng)模糊控制器和人工神經(jīng)網(wǎng)絡(luò)推理機(jī)制。推理機(jī)是模糊控制器的核心