人工智能在电气自动化控制中应用探究

《人工智能在电气自动化控制中应用探究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、人工智能在电气自动化控制中应用探究人工智能在电气自动化控制中应用探究　　一、对人工智能理论的具体分析　　人工智能研究了自然科学和社会科学，所涉及的知识面非常广，不仅包括哲学、计算机科学、数学，除此之外，还包括控制学、心理学和不定性论等。我们由此可以看出，对于这种技术的研究，内容是较为复杂的。但是这种主要在遗传编程、智能控制和机器人学等领域中有所运用。而在电气自动化控制中的应用则没有很好地开展。因而我们要进行持续的探索，让这门技术在电气领域得到广泛应用，促进电气领域的发展。　　二、人工智能控制器的特点　　

2、在以往的电气自动化实践中中，我们应用大多数是人工智能控制器，其中主要利用的是是非线性函数近似器，如：神经算法、模糊理论、模糊神经算法和遗传算法等。目前较先进的是采用ＡＩ函数近似器拥有比常规函数估计器更多优良的特点，例如：　　1．在进行人工智能电气设计时不需要得到实际控制对象精确的动态模型，也不需要知道参数变化、非线性等具体因素；　　2．人工智能控制器拥有良好的一致性，本文由.L.收集整理即使在输入新的未知数据时也能得到很好的预测结果；　　3．人工智能控制器可以应用语言和响应时间进行设计，且调节更容易，对

3、数据和信息的适应性更好，易于扩展和修改，抗干扰性能好，并且便于实现。　　三、人工智能在电气自动化中的应用　　１．人工智能在电气设备设计中的应用。　　在实践中我们都知道，电气设备的设计是一个复杂过程，其中会涉及到电气自动化专业中电路、电机、变压器、电力电子技术、电磁场等多门学科内容；对设计者的实际工作经验要求很高，需要大量的人力、物力和财力。而借助于人工智能技术，可以解决很多人脑难以快速解决的繁琐计算和模拟过程，大大地提高了设计中的工作效率和精度。电气设备设计中应该注意不同的算法使用与不同的实际情况，要进

4、行高效率、高质量的设计工作，要求工作人员具有高水平的人工智能软件应用能力和丰富的工作经验。　　２．人工智能在电气控制中的应用。　　在我们的生产生活中，提高自动化水平，就能够减少人力、物力、财力投入，提高系统的运作效率和质量。人工智能技术在电气设备控制中的应用主要包括模糊控制、专家系统控制和神经网络控制。在实际应用中，用得最多的是模糊控制。下面以人工智能控制在电气传动控制中的应用为例进行介绍。　　在电气传动控制中，模糊控制的应用主要分为在直流传动和交流传动中的应用。直流传动控制中模糊逻辑控制主要应用于模糊

5、控制器中，包括Ｍａｍｄａｎｉ和Ｓｕｇｅｎｏ。Ｍａｍｄａｎｉ用于调速控制，其规则库是一个ｉｆ－ｔｈｅｎ模糊规则集；而Ｓｕｇｅｎｏ控制器实际上是Ｍａｍｄａｎｉ控制器的特例，其典型的规则是：如果ｘ隶属于Ａ，且ｙ隶属于Ｂ，则Ｚ＝ｆ（ｘ，ｙ）。　　这里，Ａ和Ｂ是两个模糊集。在交流传动控制中模糊控制器主要用于取代常规的ＰＩ或者ＰＩＤ控制器，另外最新研究中，还将模糊神经控制器用于各种全数字的高动态性能传动系统中，得到了一些新的研究成果。　　３．人工智能在电力系统中的应用。　　在实际生产中，人工智能技术在电力系统中的应

6、用主要有4个方面其中包括了专家系统、神经网络、模糊集理论和启发式搜索。专家系统ＥＳ是一个集大量规则、经验和专业知识于一身的复杂程序系统，该系统主要是依靠某个特定领域的专家的经验和知识，进行推理判断，并模拟专家的决策过程，对各种需要专家进行决策的难题进行处理。专家系统由６个部分组成，即知识库、数据库、推理机、咨询解释、知识获取和人机接口。　　除此之外，现有许多种神经网络和训练算法在电力系统中得到广泛应用。神经网络具有灵活的学习方式和完全分布式的存储方式，在大规模信息处理中得到广泛应用；并且其识别能力和复杂

7、状态分类能力都很强大。在电力系统的短期负荷预测中，ＢＰ神经网路能够在足够的驯良样本中，对模型急怒攻心合理分类，对输入进行选择，构建不同季节的周预测和日预测模型；将元件关联分析和人工神经网络相结合进行复杂电力系统故障诊断，采用ＡＮＮ面向元件的模型，可以对每类元件进行故障报警和定位操作，还可以对同一跳闸区域中的不同故障进行识别。模糊理论在电力系统的潮流计算、系统规划和模糊控制等方面的应用得到了飞速发展，因为模糊逻辑能够完成高难度的数学近似计算，对负荷变化和电力生产等不确定因素建立隶属函数，以构建电力系统的最

8、优化潮流模型。　　４．人工智能在故障诊断中的应用。　　人工智能技术中的模糊理论、专家系统和神经网络在电气设备故障诊断中应用较广泛，特别是在变压器故障诊断、发电机和电动机故障诊断中。传统的故障诊断方法无法针对设备故障的不确定性、非线性和复杂性等特点进行诊断，诊断效率较低。而人工智能方法的应用提高了诊断准确率。人工智能技术主要使用模糊逻辑、神经网络和专家系统三种故障诊断方法。如在电动机和发动机的故障诊断中使用人工智能化的故障诊断技术，结合了神经