工业自动化中应用人工智能的探索

王子晖

南京中钞长城金融设备有限公司 江苏 南京210000

前言

工业自动化的人工智能应用中主要以智能控制为主,解决传统自动化中只能按照固定程序运行的情况,让计算机可以智能化分析工业生产,减少人力资源投入,提高工业生产的效率和效益。在应用策略上要认识到工业自动化和人工智能的共同点,解决实践应用的难题,并建立人工智能控制平台,保证技术的实效性应用发展。

一、工业自动化和人工智能

(一)人工智能和工业自动化的简介。人工智能是让机器拥有人类的行为能力,能够智能化的分析和解决问题,其核心理论是逻辑性分析,以计算机的计算代替传统的程序控制,达成智能化的控制,可以减少错误率,并高效完成工作。人工智能是目前计算机、信息、数据等领域的发展方向,在功能上越来越全面,能够高效服务生产和生活[1]。

工业自动化的发展要追溯到工业产生,主要目标是让工业生产可以高效地进行,减少人力的限制。在发展过程中从最初的机械自动到控制自动,现在的发展方向是人工智能的全面自动。工业自动化是人类科技发展的直观体现,也是提高工业生产效率的核心技术,需要结合科学技术的进步而不断创新。

(二)工业人工智能的含义。人工智能的核心目标是让机器的行为具备人类的智能,能够复制或者计算处理问题,而工业自动化的核心是减少工人的劳动,提高生产效率。两者有着共同的目标,相互的结合也就成为当前工业生产技术发展的方向[2]。工业人工智能可以让机械具备感知、决策、执行、学习的功能,这样在工业生产中,机械就能代替人类进行工作,实现高程度的自动化,完成工业生产的任务。

二、工业自动化应用人工智能的难题分析

人工智能在工业自动化中的应用存在一定的难题,这是有效应用的方向,主要有关于工业动态生产中的动态感知采集和决策与控制的集成任务处理。

(一)多源信息的动态感知。工业生产是一个复杂的过程,在自动化中涉及到的数据较多,每一个数据都关系到最后的成品。在传统的自动化中,这部分的控制多为单一性监控,由人工进行掌控。而在人工智能下,自动化要让机器代替人工,也就需要针对工业生产的整个过程进行多源信息的动态感知,为人工智能的计算和决策提供数据,从而智能化控制机器完成生产工作。这是目前工业自动化应用人工智能的难题之一,需要在生产工艺、动态信息获取、系统建模中做人工智能的研究和应用,使实现机器自主控制。

(二)决策与控制过程集成。人工智能本身是决策与控制过程的集成,但是在工业自动化中,因为系统的复杂性,设定值的变化,造成技术应用难以达成集成控制。这样的人工智能没有应用效果,需要进行计算机技术和信息技术的应用,让工业生产的决策和过程达成协同,以控制系统保证工业人工智能自动化的建设。在此难题的解决过程中要注意精度的研究,提升自动化的准确性,并研究工业自动化集成平台,保证人工智能应用的有效性。

三、工业自动化应用人工智能的控制技术

针对工业自动化应用人工智能的难题,需要发展控制技术,以保证应用效果,推动工业AI自动化的建设。

(一)模糊控制系统。因为工业自动化被控过程的多变性和复杂性,人工智能的应用中无法建立精准的数学模型,为保证自动化的效果,需要建立模糊控制系统,让自动化的开展能够做仿人思维控制。人工智能的模糊控制系统分为数据采集、处理、转化三个模块[3]。在采集中针对工业生产的具体情况做数据采集,并反馈到控制中心;处理中则是模糊控制器依据采集的数据信息做仿人计算;转化则是将数据处理转化为控制命令,实现自动化生产。在模糊控制系统中,模糊控制器是核心,需要针对工业自动化的形态,生产对象、技术要求选择相应的模糊控制器类型,以保证人工智能控制。系统的组成还有检测装置、执行结构,与模糊控制器一同作用于工业生产,从而达成人工智能控制的目标。

(二)专家控制系统。人工智能应用的专家控制系统具有运行稳定,普及应用效果好,决策和执行灵活的优点,是目前工业自动化中最为普遍的技术应用方向。人工智能在工业自动化中的应用效果主要依靠自主学习和实时监测,逐渐形成数学模型保证工业自动化的要求,并形成逻辑性的控制系统。专家控制系统是利用计算机对工业生产的专业知识进行搜集,从而建立数据库,也就可以让自动化具备正向的逻辑推理能力,在工业自动化中达成智能控制。在应用策略需要建立工业模型,并建立参数设置,以此达成复杂的系统逻辑分析,让工业自动化能够基于实际生产情况做实时控制,具备实时监测、自我修复、完善模型的功能。

(三)神经网络控制系统。神经网络控制系统是一项综合性的技术应用,通过对工业自动化的全面分析建立人工智能控制,以此达成有效的自动化建设。神经网络控制系统主要有神经控制和混合神经网络控制,其中神经网络控制具备学习功能,可以快速反应,但是智能化较低,无法完成现在工业生产的需要。混合神经网络控制则是以计算机科学、自动化控制、先进的电子元件建立神经网络,能够针对工业自动化作全程监控和分析,形成整体的逻辑演算,做识别控制。混合神经网络控制的智能化较高,但是需要较高的经济投入,并做日常系统的维护,在实际应用中还需要进行科学创新,提高神经网络的反馈和处理速度。

结论

总而言之,人工智能技术的应用处于起步阶段,在工业自动化的应用中要转为思路,重视人工智能的发展和研究,并以工业生产状态为基础合理应用技术,从而实现工业人工智能自动化的建设。在实际应用中,人工智能的技术还不成熟,存在较多的限制,需要人工智能领域研究根据工业自动化的实际需求做应用研究,提升工业生产的效率和性能。