人工智能在现代控制系统中的应用
人工智能技术在工业控制中的应用
人工智能技术在工业控制中的应用近年来，人工智能技术得到了广泛的应用，尤其是在工业控制领域。
随着制造业的发展与技术的不断进步，各种机器设备和工业流程正以惊人的速度智能化。
人工智能的应用，给工业控制带来了更多的创新和可能性。
本文将从以下几个方面探讨人工智能技术在工业控制领域的应用。
一、机器视觉机器视觉可以在工业控制中起到重要作用。
它能够识别图像、形态和颜色等信息，实现机器视觉监测和图像识别。
将机器视觉应用于工业控制中，可以提高自动化、智能化水平，提高生产效率，减少人力成本。
例如，在自动化工厂中，机器视觉技术在检测装配和质量控制等领域具有不可替代的作用。
而在交通行业，机器视觉技术的应用则能够实现智能的自动驾驶功能。
二、机器学习机器学习可以让机器自己学习一些算法和模式，从而实现更加准确的数据处理和分析。
在工业控制中，机器学习可以为生产和流程优化提供更精细、更智能的方法。
工业控制领域的常见应用包括预测维修、故障检测和预防性维护。
为减少系统停机时间和保障生产质量，人工智能的应用能够实现对机器设备的预测性维护。
三、自适应控制自适应控制是人工智能应用的重要领域之一，它的核心在于结合传感器的反馈信息和机器学习算法，实现控制参数的自适应变化。
在工业控制中，自适应控制能够实现对复杂的生产流程和设备进行更加准确的控制和调节。
例如，对于印刷机器的控制，自适应控制技术能够实时监测机器的运作状态，调节压力、温度等参数，以减少误差和损失。
四、智能化控制智能化控制是人工智能技术应用的最高水平，它将人工智能技术与自动控制技术结合，实现对整个生产流程的自动化和智能化控制。
智能化控制能够优化整个生产过程，提高生产效率，降低成本。
在现代工业生产中，智能化控制无处不在，运用人工智能控制技术在生产流程中实现零缺陷、零故障、零延迟等生产目标。
总之，人工智能技术在工业控制领域具有广泛的应用前景，成为工业现代化的重要工具。
人工智能技术的快速发展为工业控制带来了机遇，同时也提出了不少挑战。
人工智能在控制领域的理论与应用
施肥对盐化土壤油葵养分吸收及产量和品质的影响党柯柯;张骞;何文寿;曹哲;赵小霞【期刊名称】《江苏农业科学》【年(卷),期】2017(45)10【摘要】为探讨盐化土壤氮、磷、钾肥对油葵养分吸收、产量和籽实品质的影响,在宁夏灵武农场中度盐化土壤(盐化度≥0.5％)设置油葵肥效试验,测定油葵(S606)生长状况、干物质累积量、养分吸收利用、产量及品质的影响.结果表明:(1)不同处理整个生育期株高、茎粗变化均符合Logistics生长曲线,且各处理间差异显著,主要表现为N2P2 K2处理的植株株高最高,各肥料对植株增高效果表现为氮肥＞磷肥＞钾肥＞生物有机肥,对茎粗贡献为生物有机肥＞氮肥＞钾肥＞磷肥.(2)干物质累积量随生育期变化符合Logistics曲线,氮肥及磷肥对油葵植株干物质的累积量有显著促进作用,钾肥对干物质累积作用贡献较小;氮肥对干物质向籽实累积有促进作用,而磷肥对干物质向籽实累积有抑制作用.(3)总体上施用氮、磷、钾肥分别显著提高植株氮总吸收量(TNA)、磷总吸收量(TPA)、钾总吸收量(TKA)以及100 kg籽实需氮、磷、钾量,但是显著降低其对应干物质生产效率及收获指数.N2P2K2处理油葵N、P2O5、K2O吸收累积量最高,分别为3.75、1.18、15.20 g/株.平均每生产100kg籽实吸收N 4.18kg、P2O5 1.48 kg、K2O 25.34 kg.整个生育期中36.17％的养分由花期形成,灌浆期的养分累积仅次于花期(23.44％).(4)氮、磷、钾肥均能够提高油葵产量,且3种肥料配施的增产效果优于任2种肥料配施,经分析单株叶干质量及株高对产量起到主要正效应.N2P2K2处理产量与其他施肥处理相比差异显著,为4 558.8 kg/hm2,比对照提高23.19％.(5)氮、磷、钾肥的施用可以改善部分油籽品质.经分析,氮肥促进粗蛋白、粗脂肪、棕榈酸、油酸在籽实中的积累,降低硬脂酸、亚油酸在籽实中的含量;磷肥促进油酸在籽实中积累,降低粗蛋白、棕榈酸、硬脂酸、亚油酸在籽实中积累;钾肥促进粗蛋白、硬脂酸、亚油酸在籽实中积累,降低粗脂肪、棕榈酸、油酸在籽实中的含量.【总页数】7页(P70-76)【作者】党柯柯;张骞;何文寿;曹哲;赵小霞【作者单位】宁夏大学农学院,宁夏银川750021;灵武现代农业发展公司,宁夏灵武751400;宁夏大学农学院,宁夏银川750021;宁夏大学农学院,宁夏银川750021;宁夏大学农学院,宁夏银川750021【正文语种】中文【中图分类】S565.506【相关文献】1.平衡施肥对马铃薯养分吸收、品质、产量及施肥效益的影响2.碱化土壤施肥对油葵养分与品质的影响3.施肥对宁夏盐化土壤油用向日葵产量与品质的影响4.减量施肥对葡萄产量、养分吸收及土壤养分残留的影响5.不同施肥结构对茄子产量、养分吸收及土壤有效养分动态变化的影响因版权原因，仅展示原文概要，查看原文内容请购买。
人工智能技术在电子工程自动化控制中的应用
人工智能技术在电子工程自动化控制中的应用随着科技的发展和人工智能技术的不断完善，电子工程自动化控制系统已经成为现代工业生产中的不可或缺的重要组成部分。
人工智能技术与传统的控制方法相比，具有更高的智能化程度和更强的自适应能力，能够提高生产效率和产品质量，降低制造成本，深受广大生产企业的欢迎。
本文将从五个方面探讨人工智能技术在电子工程自动化控制中的应用。
一、神经网络在自动化控制中的应用神经网络是一种人工智能技术，是模拟生物神经网络构造的一种计算模型。
神经网络模型的特点是容错性好，具有非线性映射能力，能够完成一系列复杂的非线性运算，是一种非常适用于问题求解的技术。
在电子工程自动化控制中，神经网络可以用于建模、预测、优化等方面，是一种十分有效的方法。
例如，在自动化控制系统中，我们可以使用神经网络模型来预测系统的状态和行为，从而帮助我们优化系统的运行。
模糊控制是一种基于模糊逻辑理论的控制方法，它能够有效地处理系统存在的不确定性和难以量化的信息，具有非常广泛的应用前景。
在电子工程自动化控制中，模糊控制可以用于控制系统的优化和智能化。
例如，在电子制造业中，我们可以使用模糊控制来处理生产过程中产生的数据和信息，从而帮助我们优化制造过程，提高生产效率和产品质量。
遗传算法是一种基于生物进化算法的优化算法，可以模拟生物遗传进化机制，并通过模拟进化算子的选择、交叉和变异等操作实现优化过程。
在电子工程自动化控制中，遗传算法可以用于寻找最优解和优化设计。
例如，在控制系统优化中，我们可以运用遗传算法选择不同的参数组合，从而寻找最优解。
同时，在电路设计中，我们可以使用遗传算法为电路的参数分配确定合理的值，以达到优化设计的目的。
智能控制技术是人工智能技术中的一种，它可以通过对控制对象的学习和分析，自主调整控制策略，进而达到自适应控制的目的。
在电子工程自动化控制中，智能控制技术可以用于实现自适应控制和智能决策等方面。
例如，在智能制造中，我们可以使用智能控制技术将设备数据和生产工艺进行分析和学习，从而实现自适应调节和优化工艺的功能。
人工智能与控制工程的关系
人工智能与控制工程的关系人工智能（Artificial Intelligence，简称AI）和控制工程（Control Engineering）是两个不同领域的学科，但它们之间存在着密切的联系和相互影响。
人工智能是一门致力于研究和开发智能机器和智能系统的学科，而控制工程则是研究如何设计和实现能够控制和调节系统行为的技术和方法。
在过去的几十年里，人工智能和控制工程都取得了重大的进展和突破，为现代科技的发展做出了巨大贡献。
人工智能技术的应用领域非常广泛，例如机器学习、深度学习、模式识别等，这些技术可以被应用于图像和语音识别、自动驾驶、智能机器人等方面。
而控制工程则主要关注如何设计和实现能够控制和调节系统行为的技术和方法，例如自动控制系统、反馈控制系统等，这些技术被广泛应用于工业自动化、航空航天、交通运输等领域。
人工智能和控制工程之间的联系主要体现在以下几个方面：1.人工智能在控制工程中的应用：人工智能技术可以被应用于控制工程中，用于改进控制系统的性能和效果。
例如，可以利用机器学习算法来设计和优化控制器，以实现更好的控制效果。
此外，人工智能技术还可以用于故障检测和诊断，提高系统的可靠性和安全性。
2.控制工程在人工智能中的应用：控制工程的理论和方法可以为人工智能技术提供支持和指导。
例如，控制理论中的反馈控制思想可以被应用于强化学习算法中，用于指导智能系统的学习和优化过程。
此外，控制工程中的系统建模和辨识方法也可以为人工智能技术提供数据分析和处理的工具。
3.人工智能和控制工程的融合：随着人工智能和控制工程的不断发展，两者之间的融合也越来越紧密。
例如，智能控制系统可以结合人工智能技术，实现对系统行为的智能化控制和调节。
另外，强化学习和深度学习等人工智能技术也可以用于控制工程中，实现对复杂系统的自主控制和优化。
总的来说，人工智能和控制工程是两个相互依存、相互促进的学科。
人工智能技术为控制工程提供了新的思路和方法，使得控制系统的性能和效果得到了显著提升。
基于人工智能的智能机器人控制系统设计与应用
基于人工智能的智能机器人控制系统设计与应用智能机器人在现代社会的发展中扮演着重要的角色。
为了实现机器人的智能化，人工智能技术的应用至关重要。
本文将探讨基于人工智能的智能机器人控制系统的设计与应用。
人工智能（Artificial Intelligence，AI）是当前科技领域的热门研究方向之一。
它致力于模拟人类的智能思维过程，运用计算机技术实现感知、理解、学习和决策的能力。
智能机器人是人工智能技术的一种应用，是将人工智能技术用于机器人领域的产物。
在智能机器人的控制系统中，人工智能技术起到了关键的作用。
首先，智能机器人需要具备感知能力。
通过传感器获取环境信息，如视觉传感器、声音传感器等，将环境转化为计算机可以处理的数据。
然后，利用图像处理、声音识别等技术，使机器人能够感知环境和对象。
接下来，智能机器人需要具备理解能力。
通过自然语言处理、语音识别等技术，机器人可以理解人类的语言表达和指令。
基于机器学习技术，机器人还可以从环境中学习，不断提升自身的智能水平。
例如，通过强化学习算法，机器人可以从试错中不断调整策略，优化行为。
在智能机器人的控制系统中，还需要考虑机器人的决策能力。
通过利用人工智能算法和规划技术，机器人能够根据当前环境和任务需求，做出相应的决策。
例如，在一个拾取物品的任务中，机器人可以通过路径规划算法找到最短的路径，实现高效的物品拾取。
此外，人工智能技术还赋予了智能机器人的自主性。
智能机器人能够在没有人类干预的情况下，自主完成一系列任务。
例如，在车辆自动驾驶领域，智能机器人可以根据传感器的反馈，自主地感知交通环境和路况，做出相应的行驶决策。
基于人工智能的智能机器人控制系统在许多领域有着广泛的应用。
在制造业中，智能机器人可以实现自动化生产线，提高生产效率和质量。
在医疗领域，智能机器人可以辅助医生进行手术操作，提高手术成功率。
在家庭中，智能机器人可以承担家务劳动，为人类提供便利和舒适。
然而，在智能机器人的设计和应用中，仍然存在一些挑战和问题。
基于人工智能的自动化控制系统优化方法
基于人工智能的自动化控制系统优化方法自动化控制系统在现代工业中扮演着重要的角色，其优化对于提高生产效率和降低成本具有重要意义。
随着人工智能的快速发展，将其应用于自动化控制系统优化已成为一种趋势。
本文将探讨基于人工智能的自动化控制系统优化方法，以及其在工业生产中的应用。
一、人工智能在自动化控制系统中的应用人工智能是一种模拟人类智能的技术，能够通过模式识别、学习和推理来解决各种问题。
在自动化控制系统中，人工智能可以应用于优化控制、故障诊断、智能感知等方面。
通过引入人工智能技术，可以使自动化控制系统更加智能化、自适应和高效。
二、基于人工智能的自动化控制系统优化方法1. 神经网络优化方法神经网络是一种模拟人脑神经元网络的计算模型，其可以通过学习和优化来拟合复杂的非线性系统。
在自动化控制系统中，可以利用神经网络进行模型辨识和控制优化。
通过训练神经网络，可以得到更加准确的系统模型，并实现对控制算法的优化。
2. 遗传算法优化方法遗传算法是一种模拟自然优化过程的算法，通过模拟进化过程中的选择、交叉和变异等操作来搜索最优解。
在自动化控制系统中，可以利用遗传算法进行参数优化和系统优化。
通过不断迭代和进化，可以找到最优的控制参数，提高系统的性能和效率。
3. 模糊控制优化方法模糊控制是一种基于模糊逻辑推理的控制方法，能够处理一些模糊性和不确定性的问题。
在自动化控制系统中，可以利用模糊控制进行系统优化。
通过构建模糊控制规则和调整模糊集合，可以实现对系统的自适应调节和优化控制。
三、基于人工智能的自动化控制系统优化在工业生产中的应用1. 生产过程优化基于人工智能的自动化控制系统优化方法可以应用于生产过程的优化。
通过优化控制策略和参数，可以提高生产效率，降低能耗，减少废品率，实现生产过程的最优化。
2. 故障诊断与预防基于人工智能的自动化控制系统优化方法可以应用于故障诊断与预防。
通过监测和分析系统的运行状态，利用人工智能技术进行故障诊断和预测，可以提前发现并解决可能出现的故障，减少生产中断和维修成本。
智能控制与人工智能技术的结合
智能控制与人工智能技术的结合智能控制技术在现代社会起到了至关重要的作用，能够提高生产、生活的效率和质量。
随着人工智能技术的快速发展，智能控制与人工智能技术的结合愈发紧密，为各个领域的发展带来了新的机遇和挑战。
本文将探讨智能控制与人工智能技术的结合所带来的影响和应用领域。
一、智能控制与人工智能技术的结合在工业领域的应用在工业领域，智能控制与人工智能技术的结合已经取得了显著的成果。
例如，智能机器人能够通过感知、决策和执行来完成各种复杂的任务，提高生产线的效率和产量。
此外，智能化的传感器和监控系统能够实时获取生产环境的信息并作出相应的调整，提高生产工艺的稳定性和可靠性。
二、智能控制与人工智能技术的结合在农业领域的应用智能控制与人工智能技术的结合也在农业领域发挥着积极的作用。
农业机器人使用人工智能技术进行智能化的农田作业和精确施肥，提高了农业生产的效益和质量。
通过感知和分析大量的农田数据，智能控制系统可以根据实际情况调整作物的生长条件，提高农作物的产量和品质。
三、智能控制与人工智能技术的结合在城市管理中的应用智能控制与人工智能技术的结合不仅在工业和农业领域有应用，也在城市管理中发挥着重要作用。
智能交通系统通过人工智能算法对交通流量进行预测和优化，提高了道路交通的效率和安全性。
智能控制系统还能够根据城市公共设施的使用情况进行智能调度，提高城市资源的利用效率。
四、智能控制与人工智能技术的结合在医疗领域的应用在医疗领域，智能控制与人工智能技术的结合为医疗诊断和治疗提供了强有力的支持。
医疗机器人通过智能感知和运动控制帮助医生进行手术操作，提高手术的精确性和安全性。
人工智能算法可以通过分析大量的医疗数据来进行疾病诊断和治疗决策，为医生提供参考意见。
结论智能控制与人工智能技术的结合为各个领域带来了新的机遇和挑战。
随着技术的不断发展和创新，智能控制与人工智能技术的结合将在更多的领域发挥作用。
然而，在应用智能控制与人工智能技术时，也需要注意相关的法律法规和伦理道德问题，确保技术的合理和负责应用。
人工智能在现代生活中的应用与影响
人工智能在现代生活中的应用与影响引言人工智能（Artificial Intelligence，简称AI）是指计算机系统能够模拟人类智能的行为，如学习、推理、问题解决和决策。
近年来，随着计算机技术和大数据的发展，人工智能在各个领域取得了显著的进展，并逐渐渗透到我们的日常生活中。
本文将探讨人工智能在现代生活中的应用及其带来的影响。
一、人工智能在日常生活中的应用1. 智能家居智能家居是人工智能在家庭环境中的一个重要应用。
通过连接各种智能设备，用户可以远程控制和监控家中的电器、照明、安防系统等。
智能音箱如Amazon Echo和Google Home不仅可以播放音乐、回答问题，还能通过语音命令控制其他智能设备。
此外，智能恒温器、智能门锁、智能照明系统等设备的广泛应用，使得家庭生活更加便利和舒适。
2. 智能助手智能助手，如苹果的Siri、谷歌的Assistant、微软的Cortana和亚马逊的Alexa，已经成为许多人生活中不可或缺的工具。
它们可以帮助用户管理日程、设置提醒、发送信息、提供导航服务等。
这些智能助手通过自然语言处理技术理解用户的需求，并迅速提供相应的解决方案，极大地提升了用户的生活效率。
3. 自动驾驶自动驾驶技术是人工智能在交通领域的重要应用。
通过搭载各种传感器和摄像头，自动驾驶汽车能够实时感知周围环境，并通过复杂的算法进行路径规划和决策。
目前，特斯拉、Waymo、Uber等公司都在积极研发和测试自动驾驶汽车。
虽然完全无人驾驶尚未普及，但部分自动驾驶功能，如自动泊车和高速公路驾驶辅助，已经在量产车型中得到应用。
4. 医疗健康在医疗健康领域，人工智能的应用也日益广泛。
AI 可以通过分析大量医疗数据，帮助医生进行疾病诊断和治疗方案的制定。
例如，IBM的Watson for Oncology 能够快速分析海量医学文献和患者数据，为肿瘤医生提供个性化的治疗建议。
此外，智能穿戴设备如智能手表、健身手环等，可以实时监测用户的健康数据，如心率、步数、睡眠质量等，帮助用户更好地管理健康。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能在现代控制系统中的应用摘要:现如今，计算机技术已经成为全球最普及的信息技术，人类的大脑是最为发达的机器，计算机所有的编程都是效仿人类的电脑，对其信息进行采集、分析、处理、反馈等，所以计算机程序以效仿人类大脑为主要目的来实现我们自动化发展。
对于电气自动化的整个控制流程都是通过自动化设备来完成整个生产、分配等过程，这样就从很大的程度上降低了成本，工作效率也相应提高。
随着信息技术的发展，不断有新技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进智能理论在控制技术中的应用，以解决用传统的方法难以解决的问题。
关键词:人工智能计算机自动化应用1．研究背景人工智能(Artificial Intelligence)，英文缩写为AI。
它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
“人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(DarEmouth)学会上提出的。
自此，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。
由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。
著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。
”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。
诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。
即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
尽管对于人工智能控制的定义，学术界有许多种说法和定义方式，但他们的本质都是一致的。
人工智能控制就是研究怎么样利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动，解决迄今认为需要由专家才能处理好的复杂问题[1]。
人工智能是一个大科学的通称，它所覆盖的研究领域非常广，涉及到研究内容非常丰富。
从实用观点看，人工智能是一门知识工程学，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。
智能化的电气自动控制系统主要就是为了加强整个劳动分配过程，实现了计算机智能化，这样一来大大的减少了人为劳动过程，加强了工作效率，譬如:铝电解生产中的模糊自适应控制技术，就是大量使用了人工智能技术。
在我们国家主要是通过廉价输出的劳动力来得出的经济数值但是远远没有达到其他较发达的国家经济水平。
在我们电气自动化控制中加强人工化智能的使用，研制出一个能类似于人类判断系统、处理功能的控制系统，加强我们生产的能力，推动我们国家的经济发展。
2．人工智能的优势经典控制理论的方法，是针对研究的对象系统，先建立一定的数学描述——即模型。
它能够反映出被控制系统的全部主要特征，并能定量的确定下来，同时在数学上或物理上易于分析处理。
这样确定下来的控制系统的数学模型，是描述系统输入、输出物理量(或变量) ，以及内部各物理量(或变量)之间关系的数学表达式。
合理的数学模型应以最简化的形式，正确代表被控制对象或系统的动态特性。
通常，忽略了一些对系统特征影响较小的次要因素后，即可得一个简化的数学模型(对于自动控制系统，通常是线性微分方程) 。
线性控制系统的研究有重要的使用价值，因为线性微分方程的求解较易，一般都有标准的方法。
特别是，可以用拉氏变换求解线性微分方程。
线性系统满足叠加原理，这使对线性系统的研究更加方便。
用拉氏变换解线性常微分方程，可将数学中的微积分运算转化为代数运算，并能单独地表明初始条件的影响，是一种简单易行的工程数学方法。
有了微分方程的拉氏变换后，即可以得到非常有用的传递函数。
传递函数定义为系统输入量的拉氏变换式与输出量的拉氏变换式之比，它是复变量 S的函数。
传递函数的形式只决定于系统的结构和参数，与输入量的大小和形式无关。
它是一种高度抽象的数学模型。
因此，对于具有同样传递函数的系统，输入输出的物理量不同，则代表的物理意义不同(比如具有同样传递函数的两个完全不同的系统——一个是机械系统，一个是电子系统)。
这就是人们在实验室通过电子系统做模拟实际动力机械系统实验的理论基础。
对于一个自动控制系统，建立了数学模型——即系统的传递函数以后，就可以运用一定的方法对系统的控制性能进行全面的分析和计算。
对于线性定常系统，常用的工程方法有时域分析法、根轨迹法和频率法。
所谓时域分析法，即控制系统以时间作为独立变量，研究分析系统的输出。
通过对系统外施一给定的输入信号，研究系统的时间响应来评价系统的性能。
在时域分析法中，根据系统的微分方程，以拉氏变换作为数学工具，直接解出控制系统的时间响应，然后根据响应的表达式及其描述曲线来分析系统的控制性能，诸如稳定性、快速性、稳定精度等。
把人工智能的方法引入控制系统，将控制理论的分析和理论的洞察力与人工智能的灵活框架结合起来，才有可能得到新的认识上的突破。
智能控制系统具有拟人的智能或仿人的智能，即人工智能。
这种智能主要表现在智能决策上，能够有效地解决复杂性和不确定性的控制问题。
模糊控制就是在研究人的控制行为特点的基础上发展起来的。
对于无法构造数学模型的被控制对象，让计算机模仿人的思维方式，进行控制决策。
人的控制可以用语言加以描述，总结成一系列的条件语句，即控制规则。
运用微机的程序来实现这些控制规则，这样就很像是人的思考行为了。
总之，模糊控制是基于专家经验和专业领域的知识，总结出若干条模糊控制规则，构成描述具有不确定性复杂对象的模糊关系，通过被控系统输出误差和模糊关系的推理合成来获得控制量，从而对系统进行控制。
模拟人类大脑的机能，人们又创造出了人工神经网络(可以通过计算机软件实现或通过大规模集成化硬件电路实现) ，并且进一步实现了神经网络控制系统。
即在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模或充当控制器，或优化计算，或进行推理，故障诊断等。
神经网络控制具有很强的逼近非线性函数的能力，即非线性映射能力.神经网络还具有自学能力、自适应能力.可以实现最优化的决策控制，神经网络学习控制，自组织控制，将神经网络控制与模糊控制相结合，可以实现更加复杂高效的神经网络模糊控制系统。
在人工智能的新技术不断出现及智能控制的应用不断深化的过程中，神经网络必将在和其他的新技术相融合中，发挥出更大的作用。
多种的人工智能化系统的控制功能用不相同的方法研究。
但AI控制器例如:神经、模糊、模糊神经以及遗传算法都是一类非线性函数近似器。
分别对它们进行分类研究，有助于制定统一的开发策略。
这些AI函数近似器比常规的函数估计器有明显的优势。
(1)通过适当调整(根据响应时间、下降时间、鲁棒性能等)可提高性能。
例如:模糊逻辑控制器的上升时间比最优PID控制器快1.5倍，下降时间快3.5倍，过冲更小。
(2)它们的设计不需要控制对象的模型(很多时候，很难得到实际控制对象的精确动态方程，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，非线性时等)。
(3)它们比古典控制器容易调节。
(4)在没有必须专家知识时，通过响应数据也能设计它们。
(5)运用语言和响应信息能设计它们。
(6)它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)，与驱动器的特性无关。
现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。
(7)对于常规方法不能解决的问题可利用它们解决。
(8)能很好的适应新数据或新信息。
(9)抗噪声干扰能力非常好。
(10)它们很容易扩展和修改。
(11)它们的实现十分便宜，特别是使用最小配置时。
总之，在我们利用规则库、模糊神经控制器以及和隶属函数能够自动的在反模糊化和模糊化的过程中自行确定。
运用多方面的方式将整个过程表达出来，在过程中通过系统技术来完成整体解的过程，在过程中寻找出简易化的结构配置，达到收敛迅速，学习快速。
3.目前人工智能发展中所面临的难题人工智能(AI)学科自1956年诞生至今已走过50多个年头。
就研究解释和模拟人类智能、智能行为及其规律这一总目标来说，已经迈出了可喜的一步，某些领域已取得了相当的进展。
但从整个发展的过程来看，人工智能发展曲折，而且还面临不少难题，主要有以下几个方面：3.1计算机博弈的困难博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。
博弈不仅存在于下棋之中，而且存在于政治、经济、军事和生物的斗智和竞争之中。
尽管西洋跳棋和国际象棋的计算机程序已经达到了相当高的水平，然而计算机博弈依然面临着巨大的困难。
这主要表现在以下两个方面的问题：其一是组合爆炸问题，状态空间法是人工智能中基本的形式化方法。
若用博弈树来表示状态空间，对于几种常见的棋类，其状态空间都大得惊人。
其二是现在的博弈程序往往是针对二人对弈、棋局公开、有确定走步的一类棋类进行研制的。
而对于多人对弈、随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。
3.2 理论不够成熟人工智能理论从诞生发展到现在，已经从最初的“经典控制论”发展到现今的反馈控制、最优控制、模糊逻辑控制、专家智能控制理论等若干分支理论，但是除了“经典控制论”建构了详尽而规范的理论体系之外，其他后发展起来的智能控制理论，或多或少都是依据一定的工程背景或特殊的应用场合才逐步发展起来的，因此，人工智能控制理论的发展呈现出不同的理论算法只适用于特点的领域或工程背景、理论的通用性和可移植性较弱的特点；另一方面，人工智能理论的发展与人工智能技术的实现是相辅相成的，有的人工智能理论的发展先于技术的实现，有的理论算法是在特定的工程应用领域内的研究才获得或提出的，因此，人工智能技术的实现对于理论的发展也存在了一定程度的影响，而且很多人工智能的理论的提出或算法的分析研究都是以相关的技术实现为假设前提的，这就决定了很多人工智能的理论在某些特定的方面必然存在一定的局限性[6]，因此，到目前为止，人工智能理论的发展还尚未形成一个完整而系统的理论结构框架。
3.3模式识别的困惑虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制是全然不同的[7]。
人的识别手段、形象思维能力，是任何最先进的计算机识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它们永远不会，而是说目前不会。
4．人工智能的应用表现在人工智能化发展突飞猛进的今天，在很多的高等学府都开设了人工智能化电气专业以及很多的科研机构也对其开展了全面的研究工作，譬如，故障的诊断、设计的优化、智能控制等领域都在使用人工智能化。