人工智能控制器

通過適當(dāng)調(diào)整（根據(jù)響應(yīng)時間、下降時間、魯棒性能等）它們能提。例如：模糊邏輯控制器的上升時間比優(yōu)PID控制器快1.5倍，下降時間.5倍，過沖更小。它們比古典控制器的調(diào)節(jié)容易。在沒有必須知識時，通過響應(yīng)數(shù)據(jù)也能設(shè)計它們。運用語言和響應(yīng)信息可能設(shè)計它們。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）

與驅(qū)動器的特性無關(guān)。現(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，因此對必須具體對象具體設(shè)計。它們對新數(shù)據(jù)或新信息具有很好的適應(yīng)性。它們能解決常規(guī)方法不能解決的問題。它們具有很好的抗噪聲干擾能力。它們的實現(xiàn)十分便宜，特別是使用小配置時。 它們很容易擴展和修改。

誤差反向傳播技術(shù)是多層前聵ANN常用的學(xué)習(xí)技術(shù)。如果網(wǎng)絡(luò)有足夠多的隱藏層和隱藏結(jié)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(shù)選擇優(yōu)隱藏層、結(jié)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(xùn)練算法是基本的快下降法，輸出結(jié)點的誤差反饋回網(wǎng)絡(luò)，用于權(quán)重調(diào)整，搜索優(yōu)。

有很多方法來實現(xiàn)這個過程，但主要的目標是使用系統(tǒng)技術(shù)實現(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，知識庫由數(shù)據(jù)庫和語言控制規(guī)則庫組成。開發(fā)規(guī)則庫的主要方法是：把的知識和經(jīng)歷用于應(yīng)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(yīng)模糊控制器和人工神經(jīng)網(wǎng)絡(luò)推理機制。推理機是模糊控制器的核心