初探人工智能与电气自动化结合的应用思路

孙威

摘要：本文通过研究人工智能技术的最新进展，结合电气自动化的当前发展，探索了如何将人工智能与电气自动化相结合的应用思路。本文分别描述了“人工智能绘制电路板”和“人工智能天然气输气管线压力控制”的应用思路，作为后期探索的示例进行了论述。探索实现电气自动化向电气智能化转变的思路。

Abstract： This paper explores how to integrate artificial intelligence with electrical automation by studying the latest advances in artificial intelligence technology and combining current developments in electrical automation. This article describes the application of "artificial intelligence drawing circuit board" and "artificial intelligence natural gas transmission line pressure control" application ideas， as an example of later exploration discussed， and explores the idea of realizing the transformation from electrical automation to electrical intelligence.

关键词：人工智能；电气自动化；深度学习

Key words： artificial intelligence；electrical automation；deep learning

中图分类号：TM76；TP18 文献标识码：A 文章编号：1006-4311（2018）26-0152-03

0 引言

现如今，我们正处在人工智能的第三次热潮中，由于计算机硬件和软件计算能力的极大进步，加上移动互联网产生了海量的数据信息和呼之欲出的物联网时代，各大科技公司对人工智能的技术都趋之如鹜，催生了大量高效的人工智能技术。然而，现有的电气自动化系统，仍停留在弱人工智能阶段。因而，如何将最新的人功能技术与电气自动化系统相结合，成为了进一步提高电气自动化系统的智能化程度的关键。鉴于此，本文从两大方面进行研究。第一方面，了解人工智能技术的主要内容、在电气控制领域中的优势。第二方面，分析电气自动化控制与人工智能技术相结合的发展思路并通过示例进行分析。

1 人工智能技術概述

人工智能技术是一种基于计算机技术的跨领域的综合学科。人工智能技术的具体应用是模拟人的思想和行为，制造可代替人类工作的智能机器，使人从复杂、高危险的工作中解脱出来。总而言之，将人工智能技术与电气自动化技术结合的发展前景十分广阔。人工智能的一个较为先进的研究思路是：其对人类大脑及其大脑思考的过程的模仿。近些年来，人工智能技术研究主要是机器人系统和专家系统[1]。

2016年，以AlphaGo战胜人类围棋棋手李世石为标志，人工智能开始不断升温，在Google、亚马逊、BAT的持续推动下，人工智能出现了巨大的突破，出现了一系列的新技术。因此，如何在电气自动化中融入最新的人工智能技术，是电气自动化发展的一个重大方向。将人工智能技术应用在电气自动化控制中，可以使专家系统能快速处理指令，产生结论数据。而模糊控制，需要根据具体场景建模，并需要大量样本测试来进行参数调优，对场景和设备的依赖度高。通过使用最新的人工智能技术，可以极大缩减系统的开发和调优周期。此外，人工智能技术能对收集的海量数据进行合理的分析与归类，能快速定位问题，对潜在问题进行提前预警，甚至可以采取有效的规避策略，最大程度的降低风险。人工智能技术本身也是智能化，因此可以自主学习，实现自身的快速迭代更新。

2 人工智能在电气自动化控制中的具体应用

本文将通过对两个实例，探索人工智能在电器自动化中的应用思路。

2.1 基于Scikit-Learn深度学习引擎的人工智能绘制电路板应用思路分析

将人工智能技术用于优化电气自动化产品的生产环节，可以将人从繁杂的劳动中解放出来，从而使人从事机器无法处理的工作，即可减轻人的劳动负担，又可提高生产效率。使电气自动化转变为电气智能化，将真正实现行业结构的升级换代。

电气产品的设计过程需要综合考虑多种因素。第一、在传统的设计中，电路板的设计主要依靠经验的积累，只能通过手工方式进行设计。这种设计方式需要大量的人力资源，很难实现大规模批量生产[2]。第二、随着物联网的逐渐到来，智能设备层出不穷，每个智能设备中或多或少都含有了IC芯片。而每种智能设备需要的功能也是千差万别的。虽然直接用最小系统板可以满足很多功能的需要，但深入研究可以发现，最小系统支持的很多功能，在当前的智能设备中是不需要的，这势必然造成了资源的浪费；而如果针对每种智能设备设计一种专门电路，开发周期和成本也十分巨大。因此，如何通过一种智能化绘制电路板系统，实现功能灵活的按需定制，在缩短开发周期的同时，只提供必需的芯片，从而从两方面实现成本的节省。

在各大科技公司的持续推动下，出现了一系列比较优良的人工智能开源框架和平台。其中包括：加州大学伯克利分校的Caffe、Google的TensorFlow引擎[3]、百度Paddle引擎[4]以及基于python的Scikit-Learn深度学习引擎[5]等。在综合比较了各种引擎的优缺点后，本文最终选择使用Scikit-Learn深度学习引擎作为人工智能学习系统的核心。

它的主要特点有[6]：

①支持多种分类算法：可快速识别某个对象属于哪个类别；利用分类算法，自动识别录入系统中相关数据的类别，可以将灵活录入的信息进行较准确的划归到最接近的分类中，形成分类样本的集合，能提高人工智能学习系统的学习准确率。

②支持多种回归分析算法：可预测与对象相关联的连续值属性；样本中的分类信息之间并不是完全相互独立的信息孤岛，而是存在复杂交叉关联的图状结构，可以利用回归分析算法，预测与对象相关联的属性。并根据属性的重要程度添加不同的权重系数。提高重要属性对学习过程的影响度。

③支持多种聚类算法：可以将相似对象自动分组；通过聚类算法，将相似的环节划归到一个分组中，在深度学习中不断反馈，提高分组的准确率。间接提高整个系统的准确率。

④支持多种降维算法：能减少要考虑的随机变量的数量；整个系统存在大量的输入，不正确或不准确的输入，将成为整个系统的噪点。

⑤支持多种模型：能比较，验证，选择参数和模型。

⑥支持多种预处理：可进行特征提取和归一化。

具体应用流程图如图1所示。

具体实现思路：

①开发录入系统平台，主要功能有：1）录入基本信息：器件信息、器件参数信息、各种标准最小系统数据、已有的特定系统数据。2）规则录入：飞线规则、倒角规则、引脚信息等。3）对数据进行简单分类录入数据库。4）录入某功能电路的功能需求。

该过程通过调用Scikit-Learn深度学习引擎中合适的分类算法进行分类。

②对录入数据进行回归分析，重点是提取可拆分的系统模块，通过模块化的分类，便于根据不同需求灵活组合，只组合特定需求需要的模块。

③对步骤2里的相似模块进行分类，缩小模块匹配查找的范围，更快找到最佳匹配的模块。

该过程通过调用Scikit-Learn深度学习引擎中的聚类算法进行分类。

①设计人工智能学习算法，实际就是一个精确匹配过程，根据步骤1的第4步选定的功能，从模块库里选择需要的最佳模块组。

②根据模块组中各个模块的引脚信息，结合各种规则，对模块进行布局，寻找布局占用面积最小、飞线最合理的方案。

③将步骤5的方案生成仿真电路，模拟步骤1的第4步中选定的功能，如果通过验证，则将方案提交给用户，同时将该方案录入数据库。在反复的模拟中，根据模拟结果，实时调整数据库中的信息。

由于电路板制作工艺复杂，而且电路板对电磁兼容性极其敏感，前期在没有大量样本数据时，系统的整体匹配度会偏低。而且存在大量人工录入，但当积累的数据量达到一定级别后，整个系统的匹配度会出现质的飞跃。

随着物联网的逐渐到来，智能设备层出不穷，每个智能设备中或多或少都含有了IC芯片。而每种智能设备需要的功能也是千差万别的。虽然直接用最小系统板可以满足很多功能的需要，但深入研究可以发现，最小系统支持的很多功能，在当前的智能设备中是不需要的，这势必然造成了资源的浪费；而如果针对每种智能设备设计一种专门电路，开发周期和成本也十分巨大。因此，如何通过一种智能化绘制电路板系统，实现功能灵活的按需定制，在缩短开发周期的同时，只提供必需的芯片，从而从两方面实现成本的节省。

2.2 人工智能技术在天然气管道设备电气自動化控制中的应用思路

利用人工智能技术对数据的采集和处理，可以对电气自动化系统提供更精准的反馈信息，从而实现电气自动化系统实现智能化的自我更新。本节以中油龙慧自动化工程有限公司设计的典型压气分输站中的人工智能调节阀为例，对人工智能技术在天然气管道设备电气自动化控制的具体应用进行探索。

①系统硬件。

压力变送器、控制接触器、阀门、AB PCL RSLogix 5000、MOXA服务器NPort5630[7]。

②系统原理与流程。

将AI808人工智能调节器与自主研发的PLC人工智能功能模块相结合，对输气管道压力实现更加精准的控制，具体原理为：

利用现场压力传感器仪表采集压力数据，通过系统总线将压力数据分别传输给AI808人工智能调节器与自主开发的PLC人工智能功能模块。利用AI808快速计算出压力误差和误差变化率，尽可能实时的做出控制响应，确保压力在可控范围内；自主开发的PLC人工智能功能模块进行历史累计数据的智能分析，得出更精准的压力变化趋势和控制幅度，通过系统总线尽可能实时的传输给AI808，实现对AI808的滞后补偿控制，提高对输气管线压力的控制精度[8]。

具体应用流程图如图2所示。

2.3 控制逻辑与算法

输气管线压力数据具有时变、非线性的特点，如果要达到理想的控制效果，单独使用PID控制难以实现。因此使用本系统中的AI808和自主开发的PLC人工智能功能模块进行模糊控制，通过更精确的分析压力变化趋势，实现更准确的压力控制。本文将AI808作为非线性函数近似器，PLC人工智能模块作为补偿器，对人工智能进行开发和研究[9]。与普通的函数估计器相比，人工智能非线性函数近似器具有非常明显的优势。首先，如果使用普通的函数估计器，研究的过程中会遇到一些不确定性因素，对输气设备的稳定性造成影响。而使用非线性函数近似解，则无需将研究对象的模型建立起来，能够对个别对象进行便利的研究，结合自主开发的PLC人工智能功能模块进行补偿控制，从而实现输气管线压力的高精度控制。其次，与控制器或者普通函数估计器相比，人工智能非线性函数近似器在调节数据方面更加便利，能够对设输气备的数据进行便利的调节。第三，在设计输气管线压力自动化控制系统的过程中，设计者只需获取压力传感器的数据，就能够应用人工智能技术对其进行设计。在设计输气管线压力自动化控制系统时，只需根据其反馈的数据，就可以完成全部的设计，极大地简化了设计过程[10]。

3 结论

通过设计“人工智能绘制电路板”系统，经过海量样本数据的反复学习，不断优化算法设计，将逐步建立一套完善的智能化电路板设计系统，能极大满足未来物联网对海量定制电路板设计的需求，整个系统设计复杂、建模难度大，越早布局才能更快的发挥出价值。天然气输气管线压力控制在天然气传输中起着至关重要的作用。通过人工智能的控制模块，可以实现更加精确的控制，确保将输气管线压力控制在可控范围内。

参考文献：

[1]纪文革.人工智能技术在电气自动化控制中的应用思路分析[J].电子测试，2014（03）.

[2]王成林.人工智能在电气工程自动化中的应用[J].无线互联科技，2018（2）.

[3]章敏敏.谷歌TensorFlow机器学习框架及应用[J].微型机与应用，2017（5）.

[4]陆首群.积极投入开源大发展洪流[J].办公自动化，2016（02）.

[5]张翼英，张丽丽.智能学习引擎的研究[J].沈阳工程学院学报（自然科学版），2018（04）.

[6]http：//sklearn.apachecn.org/cn/0.19.0/index.html.

[7]王希勇.天然气长输管道运行优化及压气站负荷调度研究[D].西南石油学院，2004.

[8]唐光荣，李九龄，邓丽曼.数据采集与控制技术[M].北京：清华大学出版社，2000.

[9]吴作明.工控组态软件与PLC应用技术[M].北京：北京航空航天大学出版社，2007.

[10]Logix5550控制器通用程序手册[M].罗克韦尔自动化公司，2006.