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(jìn)一步精細(xì)調(diào)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(biāo)，穩(wěn)定室溫，平抑波動；快速調(diào)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(shè)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(shè)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）。

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)分開來，“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現(xiàn)，往往通過改造現(xiàn)有古典控制器得以實現(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)。