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）。

也有一些的文章论述运用模糊逻辑控制感应电机的磁通和力矩。它的输入标定因子是变化的。实验结果也验证了所提方案的有效性。该系统中模糊速度控制器与常规的PI速度控制器和CRPWM塑变器一起使用，它往往用来补偿可能的惯性和负载转矩的扰动。神经网络的应用 现如今，有大量文章讨论神经网络在交流电机和驱动系统的条件监测和诊断中的运用。

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