人工智能控制器

決策機(jī)TMAI模型可以處理大量實(shí)時(shí)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(yàn)的控制模式，可進(jìn)一步精細(xì)調(diào)控，即使到了深寒期，依然實(shí)現(xiàn)節(jié)能運(yùn)行。1、以“室”為終：以室溫為控制目標(biāo)，穩(wěn)定室溫，平抑波動(dòng)；快速調(diào)整、穩(wěn)定室溫，回到供熱的初衷：滿足用戶(hù)的室溫舒適。即使到了深寒期，依然實(shí)現(xiàn)節(jié)能運(yùn)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(lèi)非線性函數(shù)近似器。這樣的分類(lèi)就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開(kāi)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(shì)，它們的設(shè)計(jì)不需要控制對(duì)象的模型（在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的動(dòng)態(tài)方程，實(shí)際控制對(duì)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）。

在各種出版物中，介紹了許多被模糊化的控制器，但這應(yīng)與“充分模糊”控制器完全區(qū)分開(kāi)來(lái)，“充分模糊”控制器才是完全意義上的模糊控制器，被模糊化的控制器易于實(shí)現(xiàn)，往往通過(guò)改造現(xiàn)有古典控制器得以實(shí)現(xiàn)，如被模糊化的PI控制器（FPIC）使用模糊邏輯改變控制器的比例、積分參數(shù)，從而使系統(tǒng)的性能得到提高

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(diǎn)以及適宜的激勵(lì)函數(shù)，多層ANN只能實(shí)現(xiàn)需要的映射，沒(méi)有直接的技術(shù)選擇優(yōu)隱藏層、結(jié)點(diǎn)數(shù)和激勵(lì)函數(shù)，通常用嘗試法解決這個(gè)問(wèn)題，反向傳播訓(xùn)練算法是基本的快下降法，輸出結(jié)點(diǎn)的誤差反饋回網(wǎng)絡(luò)，用于權(quán)重調(diào)整，搜索優(yōu)。