人工智能（Artificial Intelligence,AI）是根据人类智能活动的规律，构造具有一定智能的人工系统，让计算机完成需要人的智力才能胜任的工作。人工智能研究的内容包括应用计算机的软、硬件来模拟人类某些智能行为的基本理论、方法和技术等，是计算机学科的一个独立分支。从实用观点来看，人工智能是一门知识工程学，即以知识为对象，研究知识的获取、知识的表示方法和知识的使用。在电器智能化应用中，人工智能技术主要体现在模糊控制、神经网络和专家系统等方面。
     模糊控制（Fuzzy Control）是20世纪90年代初期兴起的一种计算机控制方法，是一种基于规则的控制。其最大的特点是不需要对控制对象的控制过程建立精确的数学模型，而是应用人的思维和逻辑推理方法，直接采用语言型控制规则进行"直观"的控制。这些规则来自现场操作人员的控制经验或相关专家的知识，因而控制机理和策略易于接受与理解，设计简单，采用当前流行的MPU和MCU，就可以方便地进行模糊 控制器的设计。对于那些数学模型难以获取、动态特性不易掌握或变化非常显著的被控对象，模糊控制技术具有特殊的优越性。模糊控制算法的实现以启发性的知识及语言为决策规则，很适于模拟人工控制，有利于提高控制系统的适应能力，并使之具有一定的智能水平。但是，应用单纯模糊控制的控制器，自身无法对模糊变量的论域划分和控制规则的选用进行优化，难以适应不同的运行状态，在许多应用中，直接影响了控制效果。为了提高模糊控制系统的智能水平与适应能力，人们把模糊控制与专家系统或神经网络结合起来，提出了专家模糊控制和基于神经网络的模糊控制。前者利用专家系统具有的能够表达和利用控制复杂对象所需的启发性知识，更重视知识的多层次和分类需要的特点，弥补了模糊控制器结构过于简单、规则比较单一的缺陷，有效地提高了模糊控制的智能水平，使系统拥有对复杂对象控制的知识，并能在各种情况下对这些知识加以有效利用。后者根据神经网络能够实现局部或全部的模糊逻辑控制的性能，利用神经网络的学习机制作为模型辨识或直接用于模糊控制器，构建出自适应神经网络模糊控制系统。这些技术已在各种控制应用中取得了显著的成效。