浅析人工智能在电气自动化控制中的应用

丁大为

潍坊工程职业学院

浅析人工智能在电气自动化控制中的应用

丁大为

潍坊工程职业学院

智能控制作为电气自动化生产中不可或缺的一步，也是提高我国电气工程技术水平的前提步骤，为电气领域的机械性能与外形质量提供了保障。因此，在追求高性能、高质量的要求下，针对电气工程及其自动化的智能识别与控制研究显得尤为重要。

人工智能；电气自动化；应用；识别

1.电气自动化中的人工智能方法分析

1.1 模糊分类方法

采用模糊分类方法可以通过加权系数来抵消可预测干扰带来的影响，提高了电流识别的抗干扰能力。在电气设备的配置限制以内，理论上可以满足任意精度的缺陷识别。且此类智能算法简单易懂，现在也已经成为板形缺陷模式识别的一种重要方法。

1.2 BP人工神经网络方法

通常电气自动化设备的行波识别其实是非线性映射属性的估计问题，这正是人工神经网络擅长处理的问题。先确定行波缺陷识别的BP网络的拓扑结构，再进行训练学习，学习以后，输入样本，计算输出。由于人工神经网络的抗干扰、容错能力的特点，具有高度的鲁棒性，经过大量的试验研究，表明基于人工神经网络的行波缺陷模式识别方法的准确率是极高的，此方法也是目前重点研究的识别方法。

1.3 小波分析方法

经过大量的试验研究，将小波分析应用于电气故障的模式识别中，发现此方法是极为有效的。结果显示与实测情况接近，精确度高，并且能够分辨行波的各基本缺陷类型的缺陷程度。并且由于其出色的抗干扰能力，即使输入信号不完整或是含有噪声数据，仍然能较好的做出正确的缺陷识别。

1.4 遗传算法

根据遗传算法的特点，将其应用于电气设备运行模式识别中，可以不固定标准板形模式，它可以适应不同的设备智能控制策略。并且我们都不需要采用归一化处理，而直接进行识别。设计算法时，罚函数的设置是一个重点。

1.5 遗传优化神经网络（GA-BP）模型

该模型结合了遗传算法和神经网络两者的优点，使用遗传算法优化神经网络，能更好的达到全局最优，不至于陷入局部极小点。并且，其结构简单，物理意义明确，不仅能智能控制电气设备模式，还能识别每种基本行波分量的比列。是一种全局优化、高效率的算法，识别精度也优于普通神经网络和遗传算法。

1.6 基于数据挖掘技术的智能控制方法

数据挖掘作为一种在大量数据中发现知识的新技术，利用先进的人工智能和统计分析，以及其多交叉性的性质，结合丰富的算法，给电气自动化领域带来了极大的方便，不仅提高了识别精度，更提高了效率。

2.人工智能在电气自动化中的发展与应用

20世纪50年代初，英国钢铁协会（BISRA）建立了电气设备弹跳方程和设备刚度的概念，将机器运行理论从单纯以经典力学知识为基础研究其变形规律转化为力学和自动控制理论相结合的统一研究，并建立了电气自动控制系统的数学模型，使得电气自动化控制研究从人工手动调节和电机压下阶段进入了自动控制阶段，实现了电气自动化控制史的一次重大突破。由于该自动控制系统的推广，使得制作出的产品在几何精度上有了极大的提高，并在一段时间内被广泛使用。而后随着计算机技术的飞速发展以及广泛应用，将计算机技术引入到电气自动化控制中，再一次实现了自动化水平的飞跃，从此进入了计算机控制阶段。如今AGC在电气自动化生产中已非常成熟。如基于模型参考自适应Smith预估器的反馈式AGC智能控制系统，该方法很好的将出电气设备波动现象给消除了，从而提升了响应速度。还有学者将传统的PI控制与嵌入式重复控制相结合，所提出的新型复合控制方案，也在电气自动化领域取得了很好的效果。

随着电气自动化控制系统的日臻完善以及板厚精度的不断提高，人工智能控制作为电气自动化控制的另一重要方面，面临着巨大的挑战。以工业轧机为例，上世纪60年代，学者们以M.D.Stone的理论为基础，不断研究弹性基础理论及轧机液压弯辊技术，建立了板形自动控制系统（AFC），板形控制技术迅速发展起来。70年代，日本研制出的HC轧机，以其优异的控制能力，广泛应用于冷轧领域中。同时，板形控制的研究还依赖于板形测量手段，这就需要先进的板形测量仪，目前我国所自主研发的板形测量仪也已经达到了国际领先水平。近年来，也有众多学者对板形控制进行了深入研究。如张秀玲等人提出的板形模式识别的GA-BP模型和改进的最小二乘法，便很好的将遗传算法的优点和神经网络结合，克服了传统的最小二乘法的缺点。刘宏民等人提出的板形曲线的理论计算方法，实验结果表明该方法对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，在模糊控制理论的基础上进行板形控制的建模，这使得板形控制不再局限于对称板形，对于非对称板形上也能进行控制。

自上世纪70年代，M.Tarokh等人将AGC和AFC结合，提出电气工程智能控制系统后，国内外诸多学者对此进行了大量研究。由于此智能控制研究涉及的理论知识繁多，难以建立精确模型，同时还需要一定的工艺知识以及如何运用到生产设备中，这使得到目前为止还未达到理想的控制精度。但随着研究的深入，科技的发展，越来越多的理论运用到其中，这让人工智能技术在电气自动化控制领域也取得不错的成绩。如借助PSO的小波神经网络解耦PID控制技术，使用小波神经网络解耦，然后PSO优化PID控制器参数，该方法具有良好的抗干扰能力。而今，随着现代控制理论和智能控制理论的发展，将两者结合运用到电气自动化控制系统中已经成为了主流趋势，并且还在不断完善。

3.结论

为了满足市场对电气工程智能化的巨大需求，同时针对现有的电气设备故障识别方法中的识别率不高以及控制手段不够精确的问题，我们需要不断创新，研究出高识别率、高效率的人工智能识别方法和控制算法。随着我国科学技术的快速发展，人工智能技术在电气自动化控制中的应用前景越来越大，而且在电气自动化控制使用人工智能能够极大程度的提高电气自动化的效率，在此希望在国内的人工智能技术发展的越来越好。

[1]杨胜波.论电气控制线路设计的应用[J].中国新技术新产品，2011,5(15):1-3.

[2]刘军平.人工智能技术及应用[M].上海同济大学出版社，2008,12(3):11-12.

[3]贾刚，张萌.浅谈电气自动化控制中的人工智能技术[J].中小企业管理与科技(下旬刊)，2011,10(9):45-46.