电气传动控制系统的应用范文

【摘要】

人工智能控制器相比传统控制器来说具有较多的优势，人工智能技术在电气自动化领域应用越来越广泛。当前，我国电气传动控制系统对人工智能的应用可以说还处于初步阶段，多应用于交流传动和直流传动系统中，仍需要不断进行研发。在未来一段时间内，人工智能在电气传动控制领域将成为电气传动方面的主流。

【关键词】

人工智能；电气传动控制；系统；应用

人工智能是人类只能在机械或系统中的模拟与延伸，该词最早出现在1956年。人工智能的目的是将人类从复杂的工作中解放出来，提高经济效益。当前，我国人工智能的研究多以具体领域为对象，如专家系统、机器学习、模式识别和自然语言理解等等。人工智能使机器能够自动实现某些过程，要促进电气自动化学科的发展，必须要重视自动传动领域的发展，积极将人工智能运用到电气传动控制系统中。为此，要不断对对电气设备系统进行合理改造、促进控制系统稳定性的显著增强和生产效率的显著提高。人工智能在电气自动化领域的应用，使得电气传动控制不断革新发展，下文将主要探讨仍智能在电气传动控制系统中的应用。

一、人工智能控制的优势

在我国人工智能控制领域，不同的控制器的讨论方法是不同的，如电气传动控制系统中人工智能的神经、模糊、模糊神经以及遗传算法等一般都可归类为AJ非线性函数近似器，如此能更好地统一进行研发策略的制定。相比传统的控制器，人工智能软件技术操作更简单，性能更完善。电气传动控制系统采用的AJ非线性函数近似控制的人工智能控制器具有以下优势：第一，其设计不需要控制对象的准确模型。在很多情况下，研发人员可能难以获得实际控制对象的精确动态方程，导致控制模型在设计时具有诸多不确定因素，如参数、非线性时等。第二，AJ非线性函数近似控制器能根据响应和下降的时间、鲁棒性能等来调整进行调整，从而提高智能控制器的性能。第三，相比传统控制器，AJ人工智能控制器更容易调节。第四，使用AJ非线性函数近似控制器的人工智能器即使使用者没有专家知识，通过数据响应也能进行设计。第五，该人工智能控制器可以通过语言和响应信息进行设计。第六，该人工智能控制器的驱动器在输入未知数据时也能进行使用，这使得其具有较好的一致性。第七，该人工智能控制器对新数据或新信息具有很好的适应性。第八，其具有很好的抗噪声干扰能力和扩展修改能力。第九，其使用非常便宜，推广使用潜力大。

二、人工智能在电气传动控制系统中的应用

人工智能在电气传动控制系统中的运用，可以从其在直流传动和交流传动中的应用进行展开。人工智能在电气传动控制系统中的运用，主要是模糊控制的应用。传统的控制系统的理论对于复杂的电气传动控制系统显得有些力不从心，为此，科学家通过研究发现，模糊数学理论运用到电气传动控制中能够较好地解决这个问题。模糊控制包括五个部分，即定义变量、模糊化、知识库、逻辑判断与反模糊化。所谓定义变量，指的是决定程序被观察的状况及考虑控制的动作。模糊化指的是将输入系统的值通过一定的算法以合适的比例转化为论域的数值，然后利用口语化变量对系统物理量变化的过程进行描述。知识库有提供处理模糊数据定义的数据库和利用语言控制规则描述控制策略的规则库组成。逻辑判断指的是系统通过模仿人类判断的过程进行模糊推论，从而对系统发送控制指令。反模糊化指的是将模糊的数值转化为准确无误的系统输入控制信号。

（一）人工智能在直流传动系统中的应用第一，模糊逻辑控制。当前，市面上常见的模糊控制器可以大体分为Mamdani和sugeno型两种。而在电气传动的调速控制系统中仅运用Mamdani模糊控制器，这是因为Mamdani和sugeno两种控制器都采用的是if-then模糊规则库。Mamdani控制器由以下四个部分构成：一是在模糊化背景下，输入变量的模糊化、量化等具有多种形式的隶属函数得以建立；二是知识库由数据库和语言控制规则库组成，语言控制库主要运用专家的知识和经历，通过建模操作器实现人工神经网络推理机制及自适应模糊控制；三是对人的决策和推理模糊控制行为进行模仿的推理机是Mamdani控制器的核心；四是量化和反模糊化是通过中间平均技术等反模糊化手段实现的。第二，ANNS的应用。在以往较长的一段时间内，ANNS(人工神经网络)在识别模式和信号处理中得到了市场的广泛认可。人工神经网络运用的非线性函数估计具有的一致性优势，使其广泛运用于电气传动控制领域。该网络无需掌握被控对象的具体模型就能进行操作，使其一致性优势明显。由于ANNS所使用的并行结构，让其能够适应多传感器的输入运用，提高决策的可靠性。当前，电气传动控制系统不断得到开发，其传感器数量逐渐减少。当然，在特定情况下，电气传动控制器系统使用多个传感器可以降低某些特殊传感器缺陷的敏感性。

（二）人工智能在交流传动系统中的应用第一，模糊逻辑控制应用。通常来说，人工智能的模糊逻辑运用到交流传动系统中时，传统的速度调节器将被模糊控制器替代。当前常见的由英国Aberdeen大学研发的全数字高性能传动系统可以使用模糊逻辑对电机的磁通和力矩进行感应，对方案的有效性进行验证，并通过同时使用模糊速度控制器、CRPWM塑变器及PI速度控制器补偿负载转矩的扰动。第二，神经网络的应用。在交流电机和驱动系统的条件检测与诊断中使用神经网络时，由于ANN使用常规反向转播算法，因此它在步进电机控制算法的最优化中得到了应用。该方案依据负载转矩和初始速度，利用实验数据，对最大可观测速度增量进行确定这就需要ANN对三维图形映射进行学习。相比于常规控制算法提醒控制法，该系统的性能更加优良，能够促进定位时间的极大减少，同时也能够有效控制负载转矩的非初始速度及答非为变化ANNS的结构属于多层前馈型，对常规反向传播学习算法加以应用。

（三）遗传算法遗传算法，是美国J．Holland教授在1975年提出的，其是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模式。在遗传算法中，其不需要依赖梯度信息或者其他辅助信息，其只需对遗传算法系统本身的搜索方向的目标函数及相应的适应度函数进行调整，就能对复杂问题提供解决方案。当前，遗传算法已经在人工智能传动控制装置中得到较为广泛的应用。

三、结语

电气自动化是研究与电气工程自动控制、信息处理、电子技术、计算机技术应用的学科，而人工智能是实现这些不同学科进行有机联系的关键。人工智能是人类智慧的结晶，其将机械赋予人类的感知、思维和行为能力，其自动化特征也就被显现出来。提高机械人类意识能力和强化控制自动化愿景使得人工智能技术在电气传动控制系统的发展不断取得新进展，极大提高人们的生活水平。在将来的社会发展中，人工智能在电气自动化领域将会越来越广泛。

【参考文献】

[1]张立超.人工智能控制技术在电气传动中的应用研究[J].城市建设理论研究，2013(8).

[2]甘朝晖.人工智能在电气传动中运用的进展[J].电气技术，2014(4).

[3]周俊.电机控制和保护的神经网络系统的设计与算法[J].微计算机信息,2015(1).

[4]王立伟.智能控制在电力传动系统中的作用及应用[J].城市建设理论研究，2015(5).

作者：刘威 单位：邵阳学院