人工智能控制器

建立相匹配的控制模型，同時(shí)根據(jù)數(shù)據(jù)實(shí)時(shí)反饋選擇控制方案，持續(xù)進(jìn)化，給出優(yōu)控制參數(shù)值。品投運(yùn)后云端一鍵操作，的簡單背后是強(qiáng)大的算法支持：決策機(jī)TMAI可根據(jù)用戶設(shè)置的室溫目標(biāo)數(shù)據(jù)，完成復(fù)雜運(yùn)算后直接給出控制目標(biāo)參數(shù)，如供水溫度等。決策機(jī)TMAI模型可以解決傳統(tǒng)控制模型中室溫?cái)?shù)據(jù)滯后性問題，結(jié)合氣候參數(shù)提前預(yù)測、預(yù)知合理控制目標(biāo)值，提前干預(yù)，平抑室溫波動(dòng)。

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，它們的設(shè)計(jì)不需要控制對象的模型（在許多場合，很難得到實(shí)際控制對象的動(dòng)態(tài)方程，實(shí)際控制對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）。

通過適當(dāng)調(diào)整（根據(jù)響應(yīng)時(shí)間、下降時(shí)間、魯棒性能等）它們能提。例如：模糊邏輯控制器的上升時(shí)間比優(yōu)PID控制器快1.5倍，下降時(shí)間.5倍，過沖更小。它們比古典控制器的調(diào)節(jié)容易。在沒有必須知識(shí)時(shí)，通過響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。運(yùn)用語言和響應(yīng)信息可能設(shè)計(jì)它們。們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計(jì)）

模糊邏輯的應(yīng)用 在大多數(shù)討論模糊邏輯在交流傳動(dòng)中運(yùn)用的文章中，都介紹的是用模糊控制器取代常規(guī)的速度調(diào)節(jié)器，可英國Aberdeen大學(xué)開發(fā)的全數(shù)字傳動(dòng)系統(tǒng)中有多個(gè)模糊控制器，這些模糊控制器不僅用來取代常規(guī)的PI或PID控制器，同時(shí)也用于其他任務(wù)。該大學(xué)還把模糊神經(jīng)控制器用于各種全數(shù)字高動(dòng)態(tài)性能傳動(dòng)系統(tǒng)開發(fā)中。