关于人工智能技术在电气自动化控制中运用探讨.docVIP

关于人工智能技术在电气自动化控制中的运用探讨 　　摘要：由于电气设备从设计、生产到运行、控制，每个环节都是一个复杂的过程，传统的方法有时很难适应。国内外的电气科技工作者将人工智能技术引入电气设备的优化设计、故障诊断及控制过程，并取得了一些成功经验。本文在总结人工智能在电气设备领域取得成果的基础上，论述了人工智能在电气传动领域的发展概况。其中主要包括模糊控制、神经网络和遗传算法的应用特点及发展趋势等。 　　关键词：神经网络控制；模糊神经元控制；自适应控制 　　 　　前言：社会的进步要求生产力更加发达，要求人类的经济生活更加智能化，以节省宝贵的时间去做其它有益的事情。电气自动化控制领域的革新需要人工智能的大力支持，而人工智能在自动化控制方面的优势在这个领域也确实能够得到极大的发挥，促进自动化控制的发展进步。自动化的特征，表达了一个共同的主题，即提高机械人类意识能力，强化控制自动化，因此人工智能在电气自动化领域将会大有作为，电气自动化控制也需要人工智能的参与。在将来，智能技术在电气传动技术中占相当重要的地位，特别是自适应模糊神经元控制器在性能传动产品中将得到广泛应用。 　　 　　一、人工智能控制器的概述 　　不同的人工智能控制通常用完全不同的方法去讨论。但AI 控制器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI 函数近似器比常规的函数估计器具有更多的优势，这些优势如下： 　　（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。 　　（6）它们有相当好的一致性（当使用一些新的未知输入数据就能得到好的估计），与驱动器的特性无关。现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。 　　（7） 它们对新数据或新信息具有很好的适应性。 　　（8）它们能解决常规方法不能解决的问题。 　　（9）它们具有很好的抗噪声干扰能力。 　　（10）它们的实现十分便宜，特别是使用最小配置时。 　　（11）它们很容易扩展和修改。 　　总而言之，当采用自适应模糊神经控制器，规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程，但主要的目标是使用系统技术实现稳定的解，并且找到最简单的拓朴结构配置，自学习迅速，收敛快速。 　　 　　二、人工智能在电气传动控制中的运用 　　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。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。 　　在各种出版物中，介绍了许多被模糊化的控制器，但这应与“充分模糊”控制器完全区分开来，“充分模糊”控制器才是完全意义上的模糊控制器，被模糊化的控制器易于实现，往往通过改造现有古典控制器得以实现，如被模糊化的PI 控制器（FPIC）使用模糊逻辑改变控制器的比例、积分参数，从而使系统的性能得到提高，控制器参数的微小变化可能导致特性的极大提高，被模糊化的控制器参数调整方法如下：P（ti）=P（ti－1