人工智能技术在电气自动化控制中的应用研究

任瑾，龚圣高

（1.肇庆学院，广东肇庆，526100； 2.广东电网有限责任公司肇庆供电局，广东肇庆，526100）

0 引言

伴随互联网信息技术的快速发展与普及,人工智能技术作为一种新型现代化信息技术，利用计算机技术与互联网技术逐步取代人工的机械操作，帮助诸多企业实现自动化与智能化运作,并在一定程度上取得巨大进步与突破式的进展。例如，人工智能技术应用的领域有VR 、AR等。因此，在新时代背景下，相关行业领域要充分将人工智能技术与电气自动化控制有机结合起来，逐步发挥出智能技术的优点，提高电气自动化在不同生产领域中的效率[1]。

由于电气自动化系统操作复杂，操作人员需要较高的专业性以保证企业电气设备与系统的安全稳定运行。加入人工智能技术后系统得到优化具体主要体现在如下4个方面：（1）能够很好的代替人工对电气系统与设备进行操作，并确保操作的准确性及提高企业整体的工作效率；（2）能通过信息与网络技术减轻操作人员的压力，逐步改变对人工操作的依赖性；（3）一定程度上提高电气自动化控制精准度；（4）智能监测记录系统中的信号与信息，操作人员仅需要对相关的参数进行核对，并及时找出、处理有安全问题的环节即可[2]。

1 人工智能技术在电气自动化控制系统中应用策略

科学设计电气自动化系统。由于系统复杂且涉及范围较广，对于操作人员的要求也非常高，生产中规范工作人员的操作方式，以减少运行中可能出现的种种失误。研发人员需掌握多学科多领域的知识，利用人工智能技术保证电气自动化控制系统智能化运作[3]。又考虑到MATLAB所具备深度学习相关功能，可有效助推人工智能技术更好的应用于控制系统中，三者融合起来能更有效提高各个环节的控制质量水平，形成一套准确、稳定且完善的电气自动化控制系统。

科学设计电气控制过程。人工智能技术的应用一定程度上提高了MATLAB在电气自动化控制系统的应用运行效率，人工智能技术重点在对设备控制与管理，而MATLAB的应用则作为调节控制主要算法以提高整体系统的精准性与智能化。例如图1所示的基于人工智能技术的电气自动化控制系统，智能识别部分利用MATLAB中PID仿真模糊控制器可有效控制电气自动化设备运行的精准度。加入人工智能技术后，操作人员能通过更精准的操作方式实现对电气系统的控制与优化，减少外界的影响。

图1 基于人工智能技术的电气自动化控制系统

诊断控制过程中的故障。传统电气自动化控制系统所采用的诊断方法较为落后，在诊断过程中通常会增加诸多流程，造成时间、人力、物力等资源的浪费。将人工智能技术应用于故障诊断中，就能极大程度上解决传统电气设备诊断的不足，更加方便、准确的处理故障点，对解决系统存在的问题起着重要的作用[4]。特别是在发动机、发电机等电气设施出现问题时，人工智能技术能够更好精准的诊断出这些故障，降低人为因素的影响，减少或避免出现更大损失。

2 应用策略在电气自动化控制系统的建模与仿真

2.1 建模

人工智能技术与传统电气自动化控制系统设计方法有诸多不同，人工智能系统在设计过程中更加强调“学习”过程，这种学习方式既可以是自主“无导”式，也可是“有导”式。基于此，文章将选取BP神经网络完成MATLAB的建模与仿真。主要流程为：先搭建一个神经网络结构（如BP神经网络与CNN等），接着对该神经网络进行多次训练，保证神经网络逐渐对已经学习过的样本内容拥有预判与记忆能力。然后，评价神经网络的判断效果。若无法达到设计要求则需继续重复建立新的神经网络结构。

通常情况下，这一方式下的神经网络学习过程属于“有导“式的[5]，需要准备样本数据库，这些样本数据库要人工进行准确标记无误后输入输出系统中并将收集好的数据整理分为训练集与测试集两大类[6]。接着采用MATLAB对神经网络机构建模与编程。最后在借助训练集样本训练神经网络，促使其学习过程中获取模型参数，进一步利用测试样本展开测试直到证明该神经网络模型科学有效，模型结构如图2所示。

图2 神经网络结构

根据上述图表与MATLAB相关公式得出关于神经网络PID字符识别系统修正算式。

2.2 仿真验证

由于被控制的对象具备非线性特征，仿真模型、神经网络识别结构模型与上述模型相同，唯一不同的是上述模型采用1*3*1网络结构。其中，借助公式（3）计算控制器。

式中，取λ=0.4，则p1=0.9;p3=0.2。并设公式：

运行结果如图3所示：

图3 神经PID控制运行结果

上述公式中y（k）表示系统输出，a2k表示神经网络识别器NNI输出，u（k）是指控制器输出。由模型仿真的结果可见，由于k呈现出逐渐增大的趋势，a2k向y（k）靠近，系统误差小且运行状态稳定。

3 结论

随着人工智能技术的发展到逐渐成熟，其应用范围愈发普遍，影响也逐渐加深，在电子自动化控制系统中诸多问题能够被很好解决这极大促使电气自动化的发展与完善。且神经网络作为人工智能技术中的重要分支，电气控制系统借助神经网络可不需要建立被控制对象相关数学模型，操作人员仅需对其做出在线或离线训练，通过训练结果对系统进行控制设计。通过建模与仿真可知，BP神经网络能够用于自矫正控制器与神经控制器的设计当中，借助神经网络能够保证控制器快速相应外界环境，且具有非常小的误差及长时间处于稳定状态。因此，重视人工智能技术与电气自动化控制系统间的联系，不断加深两者间的融合，保证自动化控制系统设计的优化完善，最终实现电气自动化控制精准度的提升。