淺析人工智能在電氣自動化控制中的應用

丁大為

濰坊工程職業學院

淺析人工智能在電氣自動化控制中的應用

丁大為

濰坊工程職業學院

智能控制作為電氣自動化生產中不可或缺的一步，也是提高我國電氣工程技術水平的前提步驟，為電氣領域的機械性能與外形質量提供了保障。因此，在追求高性能、高質量的要求下，針對電氣工程及其自動化的智能識別與控制研究顯得尤為重要。

人工智能；電氣自動化；應用；識別

1.電氣自動化中的人工智能方法分析

1.1 模糊分類方法

采用模糊分類方法可以通過加權系數來抵消可預測干擾帶來的影響，提高了電流識別的抗干擾能力。在電氣設備的配置限制以內，理論上可以滿足任意精度的缺陷識別。且此類智能算法簡單易懂，現在也已經成為板形缺陷模式識別的一種重要方法。

1.2 BP人工神經網絡方法

通常電氣自動化設備的行波識別其實是非線性映射屬性的估計問題，這正是人工神經網絡擅長處理的問題。先確定行波缺陷識別的BP網絡的拓撲結構，再進行訓練學習，學習以后，輸入樣本，計算輸出。由于人工神經網絡的抗干擾、容錯能力的特點，具有高度的魯棒性，經過大量的試驗研究，表明基于人工神經網絡的行波缺陷模式識別方法的準確率是極高的，此方法也是目前重點研究的識別方法。

1.3 小波分析方法

經過大量的試驗研究，將小波分析應用于電氣故障的模式識別中，發現此方法是極為有效的。結果顯示與實測情況接近，精確度高，并且能夠分辨行波的各基本缺陷類型的缺陷程度。并且由于其出色的抗干擾能力，即使輸入信號不完整或是含有噪聲數據，仍然能較好的做出正確的缺陷識別。

1.4 遺傳算法

根據遺傳算法的特點，將其應用于電氣設備運行模式識別中，可以不固定標準板形模式，它可以適應不同的設備智能控制策略。并且我們都不需要采用歸一化處理，而直接進行識別。設計算法時，罰函數的設置是一個重點。

1.5 遺傳優化神經網絡（GA-BP）模型

該模型結合了遺傳算法和神經網絡兩者的優點，使用遺傳算法優化神經網絡，能更好的達到全局最優，不至于陷入局部極小點。并且，其結構簡單，物理意義明確，不僅能智能控制電氣設備模式，還能識別每種基本行波分量的比列。是一種全局優化、高效率的算法，識別精度也優于普通神經網絡和遺傳算法。

1.6 基于數據挖掘技術的智能控制方法

數據挖掘作為一種在大量數據中發現知識的新技術，利用先進的人工智能和統計分析，以及其多交叉性的性質，結合豐富的算法，給電氣自動化領域帶來了極大的方便，不僅提高了識別精度，更提高了效率。

2.人工智能在電氣自動化中的發展與應用

20世紀50年代初，英國鋼鐵協會（BISRA）建立了電氣設備彈跳方程和設備剛度的概念，將機器運行理論從單純以經典力學知識為基礎研究其變形規律轉化為力學和自動控制理論相結合的統一研究，并建立了電氣自動控制系統的數學模型，使得電氣自動化控制研究從人工手動調節和電機壓下階段進入了自動控制階段，實現了電氣自動化控制史的一次重大突破。由于該自動控制系統的推廣，使得制作出的產品在幾何精度上有了極大的提高，并在一段時間內被廣泛使用。而后隨著計算機技術的飛速發展以及廣泛應用，將計算機技術引入到電氣自動化控制中，再一次實現了自動化水平的飛躍，從此進入了計算機控制階段。如今AGC在電氣自動化生產中已非常成熟。如基于模型參考自適應Smith預估器的反饋式AGC智能控制系統，該方法很好的將出電氣設備波動現象給消除了，從而提升了響應速度。還有學者將傳統的PI控制與嵌入式重復控制相結合，所提出的新型復合控制方案，也在電氣自動化領域取得了很好的效果。

隨著電氣自動化控制系統的日臻完善以及板厚精度的不斷提高，人工智能控制作為電氣自動化控制的另一重要方面，面臨著巨大的挑戰。以工業軋機為例，上世紀60年代，學者們以M.D.Stone的理論為基礎，不斷研究彈性基礎理論及軋機液壓彎輥技術，建立了板形自動控制系統（AFC），板形控制技術迅速發展起來。70年代，日本研制出的HC軋機，以其優異的控制能力，廣泛應用于冷軋領域中。同時，板形控制的研究還依賴于板形測量手段，這就需要先進的板形測量儀，目前我國所自主研發的板形測量儀也已經達到了國際領先水平。近年來，也有眾多學者對板形控制進行了深入研究。如張秀玲等人提出的板形模式識別的GA-BP模型和改進的最小二乘法，便很好的將遺傳算法的優點和神經網絡結合，克服了傳統的最小二乘法的缺點。劉宏民等人提出的板形曲線的理論計算方法，實驗結果表明該方法對于消除板凸度方面取得了很好的效果。再加上模糊控制的引入，在模糊控制理論的基礎上進行板形控制的建模，這使得板形控制不再局限于對稱板形，對于非對稱板形上也能進行控制。

自上世紀70年代，M.Tarokh等人將AGC和AFC結合，提出電氣工程智能控制系統后，國內外諸多學者對此進行了大量研究。由于此智能控制研究涉及的理論知識繁多，難以建立精確模型，同時還需要一定的工藝知識以及如何運用到生產設備中，這使得到目前為止還未達到理想的控制精度。但隨著研究的深入，科技的發展，越來越多的理論運用到其中，這讓人工智能技術在電氣自動化控制領域也取得不錯的成績。如借助PSO的小波神經網絡解耦PID控制技術，使用小波神經網絡解耦，然后PSO優化PID控制器參數，該方法具有良好的抗干擾能力。而今，隨著現代控制理論和智能控制理論的發展，將兩者結合運用到電氣自動化控制系統中已經成為了主流趨勢，并且還在不斷完善。

3.結論

為了滿足市場對電氣工程智能化的巨大需求，同時針對現有的電氣設備故障識別方法中的識別率不高以及控制手段不夠精確的問題，我們需要不斷創新，研究出高識別率、高效率的人工智能識別方法和控制算法。隨著我國科學技術的快速發展，人工智能技術在電氣自動化控制中的應用前景越來越大，而且在電氣自動化控制使用人工智能能夠極大程度的提高電氣自動化的效率，在此希望在國內的人工智能技術發展的越來越好。

[1]楊勝波.論電氣控制線路設計的應用[J].中國新技術新產品，2011,5(15):1-3.

[2]劉軍平.人工智能技術及應用[M].上海同濟大學出版社，2008,12(3):11-12.

[3]賈剛，張萌.淺談電氣自動化控制中的人工智能技術[J].中小企業管理與科技(下旬刊)，2011,10(9):45-46.