人工智能控制器

決策機TMAI模型可以處理大量實時性數(shù)據(jù)，從數(shù)據(jù)中挖掘系統(tǒng)能耗潛力，給出超出傳統(tǒng)經(jīng)驗的控制模式，可進一步精細調控，即使到了深寒期，依然實現(xiàn)節(jié)能運行。1、以“室”為終：以室溫為控制目標，穩(wěn)定室溫，平抑波動；快速調整、穩(wěn)定室溫，回到供熱的初衷：滿足用戶的室溫舒適。即使到了深寒期，依然實現(xiàn)節(jié)能運行。

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)估計器具有更多的優(yōu)勢，它們的設計不需要控制對象的模型（在許多場合，很難得到實際控制對象的動態(tài)方程，實際控制對象的模型在控制器設計時往往有很多不確實性因素，例如：參數(shù)變化，非線性時，往往不知道）。

與驅動器的特性無關?，F(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計。它們對新數(shù)據(jù)或新信息具有很好的適應性。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。

也有一些的文章論述運用模糊邏輯控制感應電機的磁通和力矩。它的輸入標定因子是變化的。實驗結果也驗證了所提方案的有效性。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來補償可能的慣性和負載轉矩的擾動。神經(jīng)網(wǎng)絡的應用 現(xiàn)如今，有大量文章討論神經(jīng)網(wǎng)絡在交流電機和驅動系統(tǒng)的條件監(jiān)測和診斷中的運用。