人工智能在自动化学科中的应用.docx

人工智能在自动化学科中的应用.docx

《人工智能在自动化学科中的应用.docx》由会员分享，可在线阅读，更多相关《人工智能在自动化学科中的应用.docx（8页珍藏版）》请在冰豆网上搜索。

人工智能在自动化学科中的应用

人工智能在自动化学科中的应用

社会的进步和人类的长寿要求生产力加倍发达,要求人类的经济生活加倍智能化,以节省宝贵的人类时刻去做其它有利的情形。

自动化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学科方面的优势在那个领域也确实能够取得极大的发挥,增进自动化的进展进步。

自动化是研究与电气工程有关的系统运行、自动操纵、电力电子技术、信息处置、实验分析、研制开发和电子与运算机应用等领域的一门学科。

实现机械的自动化,让机械部份离开人类的直接操纵和操作自动实现某些进程是自动化和人工智能研究的交汇点。

踊跃运用人工智能的知识。

人工智能在电力系统运行操纵中的应用综述

人工智能技术（AI）普遍应用于求解非线性问题中,在电力系统的操纵、治理、运行等领域发挥着重要的作用。

论述了专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中各自的应用特点,展望了人工智能技术在电力系统中的进展趋势,指出混合智能是人工智能的重要进展方向之一。

电力系统应用人工智能的起因电力系统运行操纵的一个大体目标确实是在经济合理的条件下向用户提供高质量的电能。

为此,有必要对电力系统进行计划、监视和操纵。

随着电力系统规模的不断增加,能源治理系统（EMS）运行人员所面临的决策任务也日趋加大,这使得运行人员很难保证电力系

简要介绍了现有的高级人工智能技术的进展概况及其实现方式,全面综述了模糊逻辑（FL）、专家系统（ES）、人工神经网络（ANN）和遗传算法（GA）等典型人工智能技术在电能质量操纵中的应用情形及国内外的研究现状,并就值得进一步研究的问题及尔后的要紧研究方向进行了展望.

最近几年来,电能质量问题受到人们愈来愈普遍的关注.对电能质量问题的正确诊断和处置需要高水平的专家知识,而且所需要的专家知识不是仅仅在某一个领域,而是涉及到电气工程中的许多领域,如电子驱动、传感器、旋转电机、变压器、电力电子、电能传输与供给、爱惜、谐波、信号分

人工智能在智能传感器领域的应用

传感器在自动化信息系统中的重要性不言而喻,它的特性的好坏、输出信息的靠得住性对整个系统的质量相当重要。

各行各业的自动化程度的迅速提高,专门是工业生产的自动化程度的提高,对传感器的性能提出了更高的要求。

传统的传感器技术由于存在着性能不稳固、靠得住性差、准确度低等缺点已经不能够知足自动化技术迅猛进展的需要。

而人类在人工智能方面取得的进展为人工智能与传感器技术的结合———新型智能传感器的显现提供了契机。

要紧介绍了人工智能的四个分支:

模糊逻辑、人工神经网络、专家系统、遗传算法在传感器领域的应用。

1　模糊逻辑模糊逻辑在传感器领域的应用主若是将模糊逻辑与传感器技术结合组成模糊传感器。

由于传统的传感器是数值传感器,因此传统的传感器难以对具有较大的非线性或无法成立精准的数学模型的被测对象进行有效的测量,而模糊传感器那么能专门好的完成这些测量任务。

模糊血压传感器是模糊逻辑在传感器系统中的典型应用。

测量血压是医生检查心血管病例的一种手腕。

将医生的知识和体会集成到模糊血压传感器,模糊血压传感器就能够够充当一名体会丰硕的医生的角色。

模糊血压传感器通过成立有关不同年龄、性别......。

人工智能在故障诊断中的应用

人类社会进入工业化时期以来，各类复杂的机械设备不断涌现，设备的故障诊断就成了一项重要的研究课题。

就医断方式而言，目前，除传统的单一参数、单一故障的技术诊断外，多参量、多故障的综合，诊断已经兴起。

随着现代科学技术的进展，故障诊断技术和方式也不断推陈出新，正走向智能化时期。

人工智能的进展为故障诊断提供了智能化的诊断方式．故障诊断专家系统不仅在理论上取得了相当的进展．而且已有了成功的应用实例。

与此同时，人工神经网络的研究也进入到了故障诊断领域，成为故障诊断的一个最新研究热点，并已在许多实际系统中取得了专门好的应用。

另外．模糊理论、模糊逻辑系统也已经应用到故障诊断领域，而且与人工神经网络和专家系统相互结合，突显出其独特的优势，成为一种很有价值的故障诊断方式。

人工智能在电气传动中运用的进展

人工智能操纵器可分为监督、非监督或增强学习型三种。

常规的监督学习型神经网络操纵器的拓朴结构和学习算法已经定型，这就给这种结构的操纵器增加了限制，使得计算时刻太长，常规非人工智能学习算法的应用成效不行。

采纳自适应神经网络和试探法就能够克服这些困难，加速学习进程的收敛速度。

常规模糊操纵器的规那么初值和模糊规那么表是既定“a－priori”型，这就使得调整困难，当系统得不到“a－priori”（既定）信息时，整个系统就不能正常工作。

而应用自适应AI操纵器，例如利用自适应模糊神经操纵器就能够克服这些困难，而且用DSP比较容易实现这些操纵器。

　　常规模糊逻辑控制器的设计经常使用尝试法。

需要“a－priori”信息，如运用自适应智能控制器就不需要“a－priori”（a－priroi规则库和隶属函数）信息。

值得注意的是，与常规非自适应智能控制器相反，它根据输入信号更新它的“参数”，换句话说，它对变化的输入信号具有适应性。

自适应控制器分两类：

间接和直接控制器，间接自适应人工智能控制器有一个实时辩识模型，用于控制器的设计，间接控制器在每个采样周期需要采样控制对象的输入和输出信号，辩识器和控制器有很多形式，而直接AI控制器用特性表来实现对控制对象的控制，这个特性表由两个连续采样周期间的误差的变化量构成，用来控制电流响应。

　　如用模糊逻辑控制器，最简单的应用可能是标量因子的运用。

这种方法用现在的非自适应驱动器很容易实现，因而对工业界具有很大的吸引力。

用改变隶属函数形状的方法可实现相似的效果。

这种运用也可能通过改变规则来实现，如用直接AI控制器来实现，就是自适应控制器。

它在每个采样瞬间先使用上一个采样周期采用的规则，如果得不到满意的特性，就用新的规则替代，从而得到满意的特性。

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固的解，而且找到最简单的拓朴结构配置，自学习迅速，收敛快速。

人工智能在信息检索系统中应用

人工智能是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，是一门综合性很强的边缘学科。

总的来说，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸扩展人类智能的学科。

　　目前，人工智能的研究更多的是结合具体领域进行的，主要研究领域有专家系统、机器学习、模式识别和自然语言理解等。

自从人工智能技术问世以来，它的研究已经有了显著的成果。

人工智能应用于信息检索系统的成果——智能信息检索系统给信息检索领域带来了革命性的变化。

人工智能在自动化领域的各方面的应用

由于电气设备从设计、生产到运行、操纵，每一个环节都是一个复杂的进程，传统的方式有时很难适应。

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、故障诊断及操纵进程，并取得了一些成功体会。

本文在总结人工智能在电气设备领域取得功效的基础上，论述了人工智能在电气传动领域的进展概况。

其中要紧包括模糊操纵、神经网络和遗传算法的应用特点及进展趋势等。

　　社会的进步要求生产力加倍发达，要求人类的经济生活加倍智能化，以节省宝贵的时刻去做其它有利的情形。

电气自动化操纵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操纵方面的优势在那个领域也确实能够取得极大的发挥，增进自动化操纵的进展进步。

自动化的特点，表达了一个一起的主题，即提高机械人类意识能力，强化操纵自动化，因这人工智能在电气自动化领域将会大有作为，自动化操纵也需要人工智能的参与。

在以后，智能技术在电气传动技术中占相当重要的地位，专门是自适应模糊神经元操纵器在性能传动产品中将取得普遍应用。

　　一、人工智能操纵器的概述

　　不同的人工智能操纵通经常使用完全不同的方式去讨论。

但AI操纵器例如：

神经、模糊、模糊神经和遗传算法都可看成一类非线性函数近似器。

如此的分类就能够取得较好的整体明白得，也有利于操纵策略的统一开发。

这些AI函数近似器比常规的函数估量器具有更多的优势，这些优势如下：

（1）它们的设计不需要操纵对象的模型（在许多场合，很宝贵到实际操纵对象的精准动态方程，实际操纵对象的模型在操纵器设计时往往有很多不确实性因素，例如：

参数转变，非线性时，往往不明白）

（2）通过适当调整（依照响应时刻、下降时刻、鲁棒性能等）它们能提高性能。

例如：

模糊逻辑操纵器的上升时刻比最优PID操纵器快倍，下降时刻快倍，过冲更小。

　　（3）它们比古典操纵器的调剂容易。

　　（4）在没有必需专家知识时，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（当利用一些新的未知输入数据就能够取得好的估量），与驱动器的特性无关。

此刻没有利用人工智能的操纵算法对特定对象操纵成效十分好，但对其他操纵对象成效就可不能一致性地好，因此对具体对象必需具体设计。

　　（7）它们对新数据或新信息具有专门好的适应性。

　　（8）它们能解决常规方式不能解决的问题。

　　（9）它们具有专门好的抗噪声干扰能力。

　　（10）它们的实现十分廉价，专门是利用最小配置时。

　　（11）它们很容易扩展和修改。

　　总而言之，当采纳自适应模糊神经操纵器，规那么库和隶属函数在模糊化和反模糊化进程中能够自动地实时确信。

有很多方式来实现那个进程，但要紧的目标是利用系统技术实现稳固的解，而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操纵中的运用

　　一、人工智能在直流传动中的运用

（1）模糊逻辑操纵应用

　　要紧有两类模糊操纵器，Mamdani和Sugeno型。

到目前为止只有Mamdani

模糊操纵器用于调速操纵系统中。

限于篇幅那个地址不详细讨论其中的缘故。

值得注意的是这两种操纵器都有规那么库，它是一个if－then模糊规那么集。

但Sugeno操纵器的典型规那么是“若是x是A，而且y是B，那么Z=f（x,y）”。

那个地址A和B是模糊集；Z=f（x,y）是x,y的函数，一般是输入变量x,y的多项式。

当f是常数，确实是零阶Sugeno模型，因此Sugeno是Mamdani操纵器的特例。

　　Mamdani操纵器由下面四个要紧部份组成：

　　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操纵规那么库组成。

开发规那么库的要紧方式是：

把专家的知识和经历用于应用和操纵目标；建模操作器的操纵行动；建模进程；利用自适应模糊操纵器和人工神经网络推理机制。

　　③推理机是模糊操纵器的核心，能仿照人的决策和推理模糊操纵行为。

　　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。

（2）ANNS的应用

　　过去二十年，人工神经网络（ANNS）在模式识别和信号处置中取得普遍运用。

由于ANNS有一致性的非线性函数估量器，因此它也可有效的运用于电气传动操纵领域，它们的优势是不需要被控系统的数学模型，一致性专门好，对噪音不灵敏。

另外，由于ANNS的并行结构，它很适合多传感器输入运用，比如在条件监控、诊断系统中能增强决策的靠得住性，固然，最近电气传动朝着最小化传感器数量方向进展，但有时，多传感器能够减少系统对特殊传感器缺点的灵敏性，不需要太高的精度，也不需要复杂的信号处置。

　　误差反向传播技术是多层前馈ANN最经常使用的学习技术。

若是网络有足够多的隐藏层和隐藏结点和适宜的鼓励函数，多层ANN

只能实现需要的映射，没有直接的技术选择最优隐藏层、结点数和鼓励函数，通经常使用尝试法解决那个问题，反向传播训练算法是大体的最快下降法，输出结点的误差反馈回网络，用于权重调整，搜索最优。

输出结点的权重调整迭代不同于隐藏结点的权重调整迭代。

通过利用反向传播技术，能取得需要的非线性函数近似值，该算法包括有学习速度参数，对网络的特性有专门大阻碍。

　　二、人工智能在交流传动中的应用

（1）模糊逻辑的应用

　　在大多数讨论模糊逻辑在交流传动中运用的文章中，都介绍的是用模糊操纵器取代常规的速度调剂器，可英国Aberdeen大学开发的全数字高性能传动系统中有多个模糊操纵器，这些模糊操纵器不仅用来取代常规的PI或PID操纵器，同时也用于其他任务。

该大学还把模糊神经操纵器用于各类全数字高动态性能传动系统开发中。

也有一些优秀的文章论述运用模糊逻辑操纵感应电机的磁通和力矩。

它的输入标定因子是转变的。

实验结果也验证了所提方案的有效性。

该系统中模糊速度操纵器与常规的PI速度操纵器和CRPWM塑变器一路利用，它往往用来补偿可能的惯性和负载转矩的扰动。

（2）神经论文联盟整理网络的应用

　　现现在，有大量文章讨论神经网络在交流电机和驱动系统的条件监测和诊断中的运用。

介绍了利用常规反向转波算法的ANN用于步进电机操纵算法的最优化。

该方案利用实验数据，依照负载转矩和初始速度来确信最大可观测速度增量。

这就需要ANN学习三维图形映射。

该系统与常规操纵算法（梯形操纵法）相较具有更好的性能，而且大大减少了定位时刻，对负载转矩的大范围转变和非初始速度也有中意的操纵成效。

ANNS的结构是多层前馈型，运用常规反向传播学习算法。

该系统由两个子系统组成，一个系统通过电气动态参数的辩识自适应操纵定子电流，另一个系统通过对机电系统参数的辩识自适应操纵转子速度。

　　最后值得指出的是此刻发表的大多数有关ANN

对各类电机参数估量的论文，一个一起的特点是，它们都是用多层前馈ANNS，用常规反向传播算法，只是学习算法的模型不同或被估量的参数不同。

　　三、终止语

　　总之，电气自动化操纵是增强生产、流通、互换、分派等关键一环,实现自动化,就等于减少了人力资本投入,并提高了运作的效率。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方式、技术及应用系统的一门新的技术科学。

随着现代操纵理论的进展，操纵器设计的常规技术正慢慢被普遍利用的人工智能软件技术所替代。

中国论文联盟