電氣自動化控制中人工智能分析

1、電氣自動化控制中人工智能分析1.人工智能應(yīng)用理論分析 人工智能屬于自然科學(xué)和社會科學(xué)交叉的一門邊緣學(xué)科， 涉及眾多學(xué) 科，比如哲學(xué)與認知科學(xué)、計算機科學(xué)等，其研究范疇是智能搜索、 感知問題、邏輯程序設(shè)計、遺傳算然、自然語言處理等。從本質(zhì)上來 講，人工智能就是模擬人的思維的信息過程。 兩條道路可以用于對 人的思維模擬，一條是結(jié)構(gòu)模擬， 對人腦的結(jié)構(gòu)機制進行模仿， 將 類 人腦 的機器制造出來；另一條是功能模擬，暫時將人腦的內(nèi)部結(jié)構(gòu) 撇開，在模擬是從人腦的功能過程出發(fā)。對人腦思維功能的模擬的 典型事例就是現(xiàn)代電子計算機，它模擬了人腦思維的信息過程。 人工 智能并不意味著人的智能，更不意味著對人的智

2、能的超越。 從本質(zhì) 上來將， 機器思維 不同于人類思維的地方表現(xiàn)在四個方面，一，前 者是無意識的機械的物理的單純過程， 而后者主要是心理和生理的過 程；二，前者沒有社會性；三，前者沒有人類的意識所特有的能動的 創(chuàng)造能力；四，電腦的功能總是在人腦的思維之后。2.人工智能控制器的優(yōu)勢人工智能控制器諸如模糊神經(jīng)， 遺傳算法等都可以看做一類非線性函 數(shù)近似器，經(jīng)過這樣的分類，我們就能夠較好地對其進行總體理解， 也有利于統(tǒng)一開發(fā)控制策略。 和常規(guī)的函數(shù)估計其相比，這些人工 智能控制器具有下列優(yōu)勢：沒有控制對象的模型也可以設(shè)計人工智能 器。 在很多場合，實際控制對象的精確動態(tài)方程是很難得到的，在 設(shè)計控制

3、器時實際控制對象的模型通常也存在著諸多不確定性因素， 比如， 和最優(yōu)PID控制器相比， 模糊邏輯控制器的上升時間是其1.5倍，下降時間是其3.5倍，過沖更加?。幌鄬τ诠诺淇刂破?，人工智能控制器的調(diào)節(jié)更容易； 在缺乏必要的專家知識時， 通過相應(yīng) 數(shù)據(jù)也能夠?qū)⑷斯ぶ悄芸刂破髟O(shè)計出來； 對語言和相應(yīng)信息進行運用 也可能將人工智能控制器設(shè)計出來； 人工智能的一致性良好， 即使使 用一些新的位置輸入數(shù)據(jù)也能得到良好的估計， 和驅(qū)動器的特性是 沒有關(guān)系的。目前，如果沒有使用人工智能的控制算法，也許對特定 對象具有良好的控制效果， 但是對其他控制對象就不一定具有一致性 的良好的控制效果， 因此應(yīng)該依據(jù)徒具對

4、象進行具體設(shè)計； 對新信息 或新數(shù)據(jù)，人工智能控制器的適應(yīng)性良好；人工智能控制器能夠 將 常規(guī)方法解決不了的問題解決掉； 人工智能控制器的抗噪聲干擾能力 良好； 實現(xiàn)人工智能控制器控制價格低廉，尤其是只是對最下配置 進行使用的情況下；人們和容易擴展和修改人工智能控制器。3.人工智能技術(shù)在電氣自動化控制系統(tǒng)中的應(yīng)用3.1人工智能在直流傳動中的應(yīng)用3.1.1模糊邏輯控制應(yīng)用Mamdani和Sugeno型是主要的兩類模糊控制器。 現(xiàn)階段，在調(diào)速 控制系統(tǒng)中只用到了Mamdani模糊控制器。 需要注意的是這兩種控 制器都有一個if-then模糊規(guī)則庫，但是 如果x是A， 并且y是B,那么Z=f(x,y

5、)是Sugeno型控制器的典型規(guī)則，這里A、B是 模糊集，Z=f(x,y)是x、y的函數(shù)，一般情況下是將x、y的多 項式輸入進去。 當(dāng)f是常數(shù)，就是零階Sugeno模型，因此Sugeno是Mamdani控制器中一個特殊的例子。Mamdani控制器主要由四個 組成部分，一， 輸入變量的模糊化、量化等是在模糊化的背景下實現(xiàn) 的，具有多種形式的隸屬函數(shù)；二，數(shù)據(jù)庫和語言控制規(guī)則庫是知識 庫的兩大組成部分， 對規(guī)則庫進行開發(fā)的主要方法是在應(yīng)用和控制目 標中運用專家的知識和經(jīng)歷，對建模操作器進行控制，建模過程，使 用人工神經(jīng)網(wǎng)絡(luò)推理機制及自適應(yīng)模糊控制器； 三，模糊控制器的核 心是推理機，能夠?qū)θ说臎Q策

6、和推理模糊控制行為進行模仿； 四， 量 化和反模糊化是由反模糊化實現(xiàn)的，反模糊化的技術(shù)有很多，比如， 中間平均技術(shù)等。過去二十多年，在識別模式和處理信號過程中，ANNS人工神經(jīng)網(wǎng)絡(luò)) 得到了極為廣泛的應(yīng)用。 由于ANNS的非線性函數(shù)估計其具有一致 性，因此它也可以在電氣傳動控制領(lǐng)域得到有效的應(yīng)用， 無需被控系 統(tǒng)的數(shù)學(xué)模型，具有良好的一致性，對噪音不敏感是其優(yōu)勢所在。此 外，ANNS的并行結(jié)構(gòu)使其很適合多傳感器輸入運用，比如，在診斷 系統(tǒng)、條件監(jiān)控中能夠促進決策可靠性的有效增強。 近年來，電氣 傳動的發(fā)展方向變?yōu)榇偈箓鞲衅鲾?shù)量的最小化，但是在特殊情況下，多個傳感器可以使系統(tǒng)對特殊傳感器缺陷的敏

7、感性降低，過高的精度 和復(fù)雜的信號處理都是不需要的。多層前饋ANN最常用的學(xué)習(xí)技術(shù)是誤差反向傳播技術(shù)。 如果網(wǎng)絡(luò)的隱藏層與隱藏節(jié)點足夠多，而且 激勵函數(shù)適宜，多層ANN只能實現(xiàn)需要的映射，缺乏直接技術(shù)對最 優(yōu)隱藏層、 激勵函數(shù)等進行選擇， 那么這個問題就可以用嘗試法加以 解決。 基本的最快下降法就是反向傳播訓(xùn)練算法，它向網(wǎng)絡(luò)反饋輸 出結(jié)點，用于權(quán)重調(diào)整，搜索最優(yōu)、和隱藏結(jié)點的權(quán)重調(diào)整迭代不同， 輸出結(jié)點的權(quán)重調(diào)整迭代尤其自身的特點。通過反向傳播技術(shù)的使 用，能夠獲取所需的非線性函數(shù)的近似值， 學(xué)習(xí)速率參數(shù)包含在該算 法當(dāng)中，極大地影響著網(wǎng)絡(luò)的特性。3.2人工智能在交流傳動中的應(yīng)用3.2.1模糊邏輯的應(yīng)用一般情況下， 在將模糊邏輯運用到交流傳動中時， 常規(guī)速度調(diào)節(jié)器被 模糊控制器替代。 但是英國Aberdeen大學(xué)開發(fā)的具有多個模糊控 制器的全數(shù)字高性能傳動系統(tǒng)卻不是這種情況。 這些模糊控制器在對 常規(guī)的PI或PID控制器進行替代的同時，也用于其他任務(wù)。Aberdeen大學(xué)還在各種全數(shù)字高動態(tài)性能傳統(tǒng)系統(tǒng)的開發(fā)只能夠運 用模糊神經(jīng)控制器。 也有人認為，可以使用模糊邏輯對電機的磁通 和力矩進行感應(yīng)。它具有變化著的輸入標定引資。 有關(guān)實驗也對所 提方案的有效性進行了驗證。 該系統(tǒng)同時使用模糊速度控制器、CRP塑變器及PI速度控制器，它常常