人工智能控制器

通过适当调整（根据响应时间、下降时间、鲁棒性能等）它们能提。例如：模糊逻辑控制器的上升时间比优PID控制器快1.5倍，下降时间.5倍，过冲更小。它们比古典控制器的调节容易。在没有必须知识时，通过响应数据也能设计它们。运用语言和响应信息可能设计它们。们有相当好的一致性（当使用一些新的未知输入数据就能得到好的估计）

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，收敛快速。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。

运用常规反向传播学习算法。该系统由两个子系统构成，一个系统通过电气动态参数的辩识自适应控制定子电流，另一个系统通过对机电系统参数的辩识自适应控制转子速度。后值得指出的是现在发表的大多数有关ANN对各种电机参数估计的，一个共同的特点是，它们都是用多层前馈ANNS，用常规反向传播算法，只是学习算法的模型不同或被估计的参数不同。

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。，随着现代控制理论的发展，控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术所替代。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。