山东电力建设第一工程公司 山东省济南市 250100
摘要：经济的发展以及科技的进步使得近年来电气自动化控制领域无论是在技术方面还是在管理方面都有了长足的进步。人工智能技术作为一种较新的技术，在电气自动化控制中的应用占有十分重要的作用。因此，对于人工智能技术在电气自动化控制中应用的研究具有十分重要的意义。本文主要阐述了人工智能应用理论以及人工智能控制器的优势，并对人工智能在电气传动控制中的运用进行了一定的研究，旨在为进一步促进人工智能技术应用水平的提高而提出一些有价值的参考意见。
关键词：神经网络控制；模糊神经元控制；自适应控制
在科学技术的推动下，电气自动化领域既面临着一定的发展机遇，同时也面临和一定的挑战。在生产力快速提高的当前社会中，对于电气自动化的控制水平也有了更高的要求。所以，如何提高人工智能技术，进一步促进电气自动化控制的水平有着重要的意义。因此，在今后的电气自动化控制领域的发展中，要不断的加强对人工智能技术的重视和研究，并且结合先进的科学技术，使得人工智能技术的应用不断的更新和完善，进而进一步推进电气自动化领域的发展和进步。
一、人工智能应用理论分析
人工智能，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。人工智能是计算机科学的一个分支，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该领域的研究包括机器人、语言识别、图像识别自然语言处理和专家系统等。自从1956年“人工智能一词在Dartmouth学会上提出以后，人工智能研究飞速发展，成为以计算机为主．涉及信息论．控制论，自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学的一门学科。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的工作。当今社会，计算机技术已经渗透到生产生活的方方面面，计算机编程技术的日新月异催生自动化生产，运输，传播的快速发展。人脑是最精密的机器，编程也不过是简单的模仿人脑的收集、分析、交换、处理、回馈，所以模仿模拟人脑的机能将是实现自动化的主要途径。
二、人工智能控制器的优势
（1）它们的设计不需要控制对象的模型（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，往往不知道）。
（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，过冲更小。
（3）它们比古典控制器的调节容易。
（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可能设计它们。
三、人工智能在电气传动控制中的运用
由上述可知，人工智能技术具有多个方面的优势，其应用能够在很大程度上促进电气自动化领域的发展。因此，我们要在研究理论与优势的基础上研究如何更好的将人工智能技术应用在该领域之中。笔者在此从以下几个方面对人工智能技术的应用进行了一定的研究，希望可以有利于促进人工智能技术的进一步应用。
1、人工智能在直流传动中的运用
（1）模糊逻辑控制应用
主要有两类模糊控制器，Mamdani和Sugeno型。到目前为止只有Mamdani模糊控制器用于调速控制系统中。限于篇幅这里不详细讨论其中的原因。值得注意的是这两种控制器都有规则库，它是一个if－then模糊规则集。
期刊文章分类查询,尽在期刊图书馆但Sugeno控制器的典型规则是“如果x是A，并且y是B，那么Z=f（x，y）”。这里A和B是模糊集；Z=f（x，y）是x，y的函数，通常是输入变量x，y的多项式。当f是常数，就是零阶Sugeno模型，因此Sugeno是Mamdani控制器的特例。
Mamdani控制器由下面四个主要部分组成：
①模糊化实现输入变量的测量、量化和模糊化。隶属函数有多种形式。
②知识库由数据库和语言控制规则库组成。开发规则库的主要方法是：把专家的知识和经历用于应用和控制目标；建模操作器的控制行动；建模过程；使用自适应模糊控制器和人工神经网络推理机制。
③推理机是模糊控制器的核心，能模仿人的决策和推理模糊控制行为。
④反模糊化实现量化和反模糊化。有很多反模糊化技术，例如最大化反模糊化，中间平均技术等。
（2）ANNS的应用
过去二十年，人工神经网络（ANNS）在模式识别和信号处理中得到广泛运用。由于ANNS有一致性的非线性函数估计器，因此它也可有效的运用于电气传动控制领域，它们的优势是不需要被控系统的数学模型，一致性很好，对噪音不敏感。另外，由于ANNS的并行结构，它很适合多传感器输入运用，比如在条件监控、诊断系统中能增强决策的可靠性，当然，最近电气传动朝着最小化传感器数量方向发展，但有时，多传感器可以减少系统对特殊传感器缺陷的敏感性，不需要过高的精度，也不需要复杂的信号处理。
误差反向传播技术是多层前馈ANN最常用的学习技术。如果网络有足够多的隐藏层和隐藏结点以及适宜的激励函数，多层ANN只能实现需要的映射，没有直接的技术选择最优隐藏层、结点数和激励函数，通常用尝试法解决这个问题，反向传播训练算法是基本的最快下降法，输出结点的误差反馈回网络，用于权重调整，搜索最优。
2、人工智能在交流传动中的应用
（1）模糊逻辑的应用
在大多数讨论模糊逻辑在交流传动中运用的文章中，都介绍的是用模糊控制器取代常规的速度调节器，可英国Aberdeen大学开发的全数字高性能传动系统中有多个模糊控制器，这些模糊控制器不仅用来取代常规的PI或PID控制器，同时也用于其他任务。该大学还把模糊神经控制器用于各种全数字高动态性能传动系统开发中。也有一些优秀的文章论述运用模糊逻辑控制感应电机的磁通和力矩。它的输入标定因子是变化的。实验结果也验证了所提方案的有效性。该系统中模糊速度控制器与常规的PI速度控制器和CRPWM塑变器一起使用，它往往用来补偿可能的惯性和负载转矩的扰动。
（2）神经网络的应用
现如今，有大量文章讨论神经网络在交流电机和驱动系统的条件监测和诊断中的运用。介绍了使用常规反向转波算法的ANN用于步进电机控制算法的最优化。该方案使用实验数据，根据负载转矩和初始速度来确定最大可观测速度增量。这就需要ANN学习三维图形映射。该系统与常规控制算法（梯形控制法）相比具有更好的性能，并且大大减少了定位时间，对负载转矩的大范围变化和非初始速度也有满意的控制效果。ANNS的结构是多层前馈型，运用常规反向传播学习算法。该系统由两个子系统构成，一个系统通过电气动态参数的辩识自适应控制定子电流，另一个系统通过对机电系统参数的辩识自适应控制转子速度。
最后值得指出的是现在发表的大多数有关ANN对各种电机参数估计的论文，一个共同的特点是，它们都是用多层前馈ANNS，用常规反向传播算法，只是学习算法的模型不同或被估计的参数不同。
结束语：综上所述，对于人工智能技术在电气自动化中应用的研究无论是对于人工智能技术的应用拓展而言，还是对于电气自动化领域的发展而言都有着不可忽视的重要作用。所以，在今后的发展中，要从电气自动化领域的多个角度，从人工智能技术的多个方面进行研究，同时结合先进的科学技术，使得人工智能技术的应用不断的创新和完善，进而在更大程度上促进人工智能技术应用水平的进一步提高。
参考文献
[1] 陈浩.电气自动化控制中的人工智能技术探究[J].商品与质量：消费研究，2014，（2）.
[2] 何翔.人工智能技术在电气自动化控制中的应用研究[J].科技风，2012，（15）.
论文作者:黄宏远,肖凯
论文发表刊物:《电力技术》2016年第7期
论文发表时间:2016/10/18
标签：人工智能论文; 控制器论文; 模糊论文; 技术论文; 领域论文; 系统论文; 电气论文; 《电力技术》2016年第7期论文;