谈电气自动化控制中的人工智能技术

《谈电气自动化控制中的人工智能技术》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、谈电气自动化控制中的人工智能技术谈电气自动化控制中的人工智能技术　　引言　　人类智能的特殊性在于它拥有感知能力，思维能力和行为能力三种能力，因此发展潜力巨大。而人工智能是指由人类制造出来的机器所表现出来的智能。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。电气自动化是电气信息领域的一门新兴学科，它主要运用运动控制、工业过程控制、电力电子技术、检测与自动化仪表、电子与计算机技术、信息处理、管理与决策等领域。人工智能技术的运用极大地促进了电气自动化学科特别是自动控制领域的发展，提高了电气设

2、备运行的智能化，增强了控制系统的稳定性，是对生产技术的又一次巨大革新。　　一、人工智能应用理论分析　　人工智能(ArtificialIntelligence)，英文缩写为AI。人工智能也称机器智能，是一门边沿学科，属于自然科学和社会科学的交叉。自从1956年人工智能一词在Dartmouth学会上提出以后，人工智能研究得到了飞速发展。二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。人工智能是研究使计算机来模拟人的某些思维

3、过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能是包括十分广泛的科学，它由不同的领域组成，它是哲学，认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学等多种学科互相渗透而发展起来的一门综合性学科。主要应用于智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂等。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。人工智能不是人的智能，更不会

4、超过人的智能。　　目前，随着科技的进步和计算机技术的广泛使用，传统的劳动密集型生产也不能满足社会生产的需要，效率更高的技术密集型生产也扮演着越来越重要的角色，目前，劳动密集型产业仍是我国产业经营的主要形式，与西方发达国家相比生产力还比较落后，生产线的自动化水平还比较低，生产效率不高。随着社会经济发展水平的不断提高，劳动密集型产业逐步向技术密集型产业转变已是经济发展的客观要求，生产自动化已成为大势所趋。人工智能应用于电气自动化控制领域，能模拟人脑的机能对信息进行收集、分析、交换、处理、回馈，拥有对生产判断、处理的能力，能

5、大大提高生产效率，实现生产的自动化，调整和优化产业结构。　　二、人工智能控制器的优势　　不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如:神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下。　　2.1它们的设计不需要控.L.制对象的模型（在许多场合，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，往往

6、不知道。　　2.2通过适当调整（根据响应时间、下降时间、鲁棒性能等)它们能提高性能。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。　　2.3它们比古典控制器的调节容易。　　2.4在没有必须专家知识时，通过响应数据也能设计它们。　　2.5运用语言和响应信息可能设计它们。　　2.6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非常好，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、　三、人工智能的应用　　随着人工智能技术的发展。人工智能控制的应用领域也越来越广阔，包括人工智能用于电气产品优化设计、故障预测及诊断、控制与保护等。　　3.1优化设计。电气产品的优化设计是一项复杂的工作，集中了理论学科知识和经验知识两方面的内容。在传统的电气产品设计中，主要采用的方法是设计经验结合大量的实验手段验证，缺乏足够的技术支持，工作量庞大，效率低下，难以得到合理最优的设计方案。随着计算机技术的突飞猛进，加上人工智能技术的运用，电器产品的设计从手工逐渐转向计算机辅助设计，极大地减少了产品从构思到设计到生产的时间，

8、设计越来越优质化、高效化、智能化。遗传算法和专家系统是人工智能技术用于优化设计的两种主要的方法。遗传算法的特点是直接对结构对象进行操作，具有内在的隐并行性和更好的全局寻优能力；能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质非常适合于产品优化设计，因此广泛应用于电气产品的人工智能优化设计。