人工智能控制论文范文

一、人工智能在电气传动系统中的具体运用

截至目前，古典控制方法一直都无法被人工智能控制技术所取代。但是随着时代的进步和发展，现代控制理论也日臻完善，人工智能软件技术(包括遗传算法、模糊神经网络、模糊控制以及人工神经网络等)逐渐取代了传统的控制器设计常规技术。这些方法有着许多的共同之处:都要具备不同类型和数量的描述特性和系统的“apriori”技术。这些方法都有着显著的优势，所以工业界都做出了不断的尝试，旨在进一步开发和使用这类方法，但是工业界又急于开发该系统，从而使其性能更加优异，系统更加简单、易操作。直流传动的控制程序较为简单，在过去得到了较为广泛的应用。但是不可忽视的是，它们有着难以克服的限制性因素，而且随着DSP技术的不断进步和发展，直流传动的优势逐渐隐没，性能更高的交流传动逐渐取代了直流传动。但近几年，部分厂商逐渐改良工艺，更高性能的直流驱动产品涌入市场，但是人工智能技术却鲜少提及。在未来几年，使用人工智能的直流传动技术将在更大范围内得到推广和普及。

交流传动瞬态转矩具备较高的使用性能，它有着较强的控制性，仅次于直流电机。目前，直接转矩控制(DTC)和矢量控制(VC)是比较常见的高性能交流传动控制方法。当前，不少厂商都顺应市场形势，相继推出了矢量控制交流传动产品，而且无速度传感器的矢量控制产品也大量上市。在性能较高的驱动产品中广泛使用AI技术，将会进一步提高产品的使用性能，截至目前，仅有两个厂家在其生产的产品中运用人工智能(AI)控制器。而在十五年前，日本和德国的研究人员提出了直接转矩控制这一概念，经过了十年的发展演变过程，ABB公司面向市场，将直接转矩控制的传动产品引入市场，让人们能够直接感受直接转矩控制的优势，从而开展相关的研究。可以预见，人工智能技术将会运用到直接转矩控制中，常规的电机数学模型将会被替代，从而退出市场。

人工智能控制器主要分三种类型，即:增强学习型、非监督型和监督型。当前，常规的监督学习型神经网络控制器的学习算法和拓扑结构已基本成型，这在一定程度上限制了此种结构控制器的生产和使用，导致计算机计算时间增长，而且常规非人工智能学习算法在具体应用上效果不明显。而要克服这些困难，最好的办法就是采用试探法和适应神经网络。常规模糊控制器的模糊规则表和规则初值是“a－priori”型，这加剧了调整难度。假若该系统无有效的“a－priori”信息作为支撑，那么将导致系统陷入瘫痪。而要有效克服此类缺陷和困难，就可以运用自适应模糊神经控制器，保证系统的正常运转。

二、电力系统中的智能控制

当前，世界各地的专家和学者都将眼光聚焦于智能控制理论的研究，研究表明，只要合理运用智能系统，就能在很大程度上提高电力系统控制水平，推动我国电力传动系统步入新的阶段。市面上广泛使用的交直流传动系统在控制技术和手段上已日臻成熟，闭环控制、矢量控制都有着较好的运用前景。PID控制法作为最新的控制方法，能较好地完成数学建模需承担的控制任务，但是在具体实践中，电力传动系统表现出较强的不稳定性，随工作状态的变化，电机参数也不断变化着，这加剧了传统建模控制的难度。

使用智能控制，能妥善解决这类问题。智能控制在工作时主要采取变结构、非线性的模式，它能克服电力传动系统中的参数变动问题，从而保证电力传动系统的正常运转。但是，在电力传动系统中运用智能控制，要以先进的控制理念为指导，既要运用直接应用智能控制，又不能完全摒弃传统控制方法，要将二者进行有机的结合，吸取传统控制理念中的精髓，做到物尽其用。以交流电机来说，闭环控制和矢量控制都是常见的交流电机控制方法，那么在引入智能控制时，要适当保留PID控制法和矢量控制法，智能控制以外环控制的形式存在，而传统的控制手段可以以辅助控制的形式存在，如此，就可以将各种控制方法进行有机的结合，从而将智能控制的优势发挥到最大，保证系统高效率的运转。

作者：何武林单位：辽宁铁道职业技术学院