黃佳偉

【摘? 要】首先從應(yīng)用概念、應(yīng)用理論、應(yīng)用原理三個層面對人工智能在電氣自動化控制領(lǐng)域當(dāng)中的應(yīng)用可行性進行了分析。其次，結(jié)合實際技術(shù)條件，給出了一些具體的實踐方式，通過論述證明了其有效性。

【關(guān)鍵詞】人工智能;電氣自動化;應(yīng)用前景

引言

人工智能是21實際科技競爭的制高點，從技術(shù)層面來看，人工智能使機械設(shè)備具有了邏輯判斷、快速反應(yīng)力、大數(shù)據(jù)處理、視覺識別等諸多能力，在工業(yè)生產(chǎn)當(dāng)中能夠極大的替代勞動密集型生產(chǎn)模式，解放人類勞動力，提高生產(chǎn)安全性、高效性、穩(wěn)定性。當(dāng)前，人工智能在電氣自動化控制領(lǐng)域當(dāng)中的應(yīng)用愈加廣泛，其優(yōu)勢已非常顯著：其一，人工智能克服了傳統(tǒng)電子控制器干擾因素復(fù)雜的缺點，增強了控制器的魯棒性，同時，人工智能借助先進的智能算法在一些多耦合控制領(lǐng)域能夠取得傳統(tǒng)PID控制所無法企及的成效;其二，算法是人工智能的核心，在設(shè)計電氣自動化控制器時，技術(shù)人員可以根據(jù)實際需求對多種控制率進行融合，通過獲取大量的檢測數(shù)據(jù)來實現(xiàn)控制目標。比如，基于智能算法的多層倒立擺控制。其三，基于人工智能的電氣自動化系統(tǒng)能夠?qū)崿F(xiàn)對設(shè)備故障檢測的高精確性、高可靠性、高效率性?？傊斯ぶ悄芗夹g(shù)在電氣自動化控制中的應(yīng)用前景是十分廣泛的，相關(guān)的理論也成為了當(dāng)今自動化領(lǐng)域的研究熱點，基于此，文章將展開詳細的論述。

1.人工智能在電氣自動化控制中應(yīng)用

1.1應(yīng)用概念

自進入二十一世紀以來，我國工業(yè)生產(chǎn)規(guī)模、生產(chǎn)技術(shù)取得了空前的發(fā)展，在一些領(lǐng)域已經(jīng)處于世界領(lǐng)先地位。人工智能技術(shù)的興起推動了各行各業(yè)的發(fā)展變革，從廣域物流網(wǎng)到大數(shù)據(jù)，從智能制造到情感機器人，人工智能在一定程度上正在推動第五次工業(yè)革命。人工智能在電氣自動化控制當(dāng)中的應(yīng)用在近些年來處于前沿科技領(lǐng)域，將兩者進行充分的結(jié)合能夠極大的降低工業(yè)生產(chǎn)活動對勞動力的依賴，特別是一些高危行業(yè)，甚至規(guī)避了人員傷害的風(fēng)險。比如煤礦企業(yè)中如果充分發(fā)揮人工智能與電氣自動化的優(yōu)勢，就可能徹底改變礦石開采生產(chǎn)的模式，實現(xiàn)井下無人化，從而降低煤礦事故發(fā)生率。

1.2應(yīng)用理論

高級算法是人工智能技術(shù)得以實現(xiàn)的核心要素，無論是數(shù)學(xué)問題求解、邏輯關(guān)系推理還是視音識別、數(shù)據(jù)處理，算法在這些應(yīng)用中都扮演了底層物理構(gòu)架的角色。結(jié)合當(dāng)前廣大學(xué)者的研究成果，大部分人工智能電氣自動化系統(tǒng)的成果都建立在模擬物理模型的層面上，從應(yīng)用角度來看，缺少了真實實踐環(huán)境的驗證，人工智能系統(tǒng)技術(shù)與物理模型的構(gòu)建會受到一定阻礙。因此，在人工智能與電氣自動化控制的結(jié)合中，要高度重視實踐與理論的結(jié)合，為創(chuàng)新創(chuàng)造思維的產(chǎn)生提供條件。

1.3應(yīng)用原理

針對不同的應(yīng)用領(lǐng)域，人工智能會劃分為多個分支、例如，在面對一些具體問題的處理上，人工智能會更加偏向于專家系統(tǒng)的構(gòu)建，對事件發(fā)生的各種情況與影響因子進行分析，從而構(gòu)建經(jīng)驗知識庫，在處理問題時依據(jù)先驗知識對事物的發(fā)展規(guī)律進行判斷，比如智能故障診斷系統(tǒng)。強人工智能系統(tǒng)所具有的功能會更加強大，在某種程度上將，是對人類思考模式的全真模擬，系統(tǒng)將具備“思考”能力，能夠自主發(fā)現(xiàn)問題、分析問題、解決問題、評估結(jié)果的合理性。在生產(chǎn)過程電氣自動化控制中，不僅需要設(shè)備狀態(tài)監(jiān)測還需要故障分析、參數(shù)調(diào)整等諸多工作，因此強人工智能非常適宜于工業(yè)自動化生產(chǎn)領(lǐng)域。通過構(gòu)建完整的智能控制系統(tǒng)，實現(xiàn)大量生產(chǎn)任務(wù)的無人化?？梢哉f，人工智能的應(yīng)用程度是未來國家工業(yè)生成先進性的關(guān)鍵指標。

2.人工智能在制造領(lǐng)域電氣自動化控制中的實踐

人工智能是而是二十一世紀的關(guān)鍵詞匯，在各行各業(yè)都具有深遠的影響。在尖端制造領(lǐng)域智能控制技術(shù)的應(yīng)用對于打破技術(shù)瓶頸起到了重要的作用。智能控制算法依托計算機強大的處理能力以及海量的數(shù)據(jù)信息能夠?qū)崿F(xiàn)對關(guān)鍵信息的挖掘，從而對制造設(shè)備進行高精確全自動化控制。

2.1數(shù)據(jù)采集

可靠數(shù)據(jù)的獲取是智能化制造實現(xiàn)的必要條件，在一些零部件的加工中，能否對零件的外形數(shù)據(jù)進行實時監(jiān)測是同種工藝下提升產(chǎn)品質(zhì)量的關(guān)鍵。不過在實際應(yīng)用中，加工過程產(chǎn)生的數(shù)據(jù)量是非常龐大的，且在高緯數(shù)據(jù)中提取有用信息存在很多困難。針對這些問題，相關(guān)學(xué)者基于互聯(lián)網(wǎng)提出了大量的數(shù)據(jù)采集管理模型以及先進的數(shù)據(jù)挖掘算法，例如，結(jié)合數(shù)據(jù)可視化技術(shù)將各個工序的數(shù)據(jù)進行解耦統(tǒng)計，并設(shè)計出全過程自主更新的數(shù)據(jù)采樣系統(tǒng)。

2.2優(yōu)化工藝參數(shù)

在對工藝數(shù)據(jù)進行實時采集后，利用智能算法對數(shù)據(jù)進行綜合分析，并將分析結(jié)果應(yīng)用在零件生產(chǎn)當(dāng)中，在這一過程中運用機器學(xué)習(xí)不斷優(yōu)化和改進控制精度。機器學(xué)習(xí)過程類似于構(gòu)建專家系統(tǒng)，既通過經(jīng)驗學(xué)習(xí)不斷吩咐知識庫，用于解決加工過程中特定的問題，對切剪力、轉(zhuǎn)軸位移等工藝參數(shù)進行動態(tài)優(yōu)化。例如，以收集到的數(shù)據(jù)為基礎(chǔ)結(jié)合神經(jīng)網(wǎng)絡(luò)模型，在多次切削工藝后對輸入?yún)?shù)與輸出參數(shù)進行學(xué)習(xí)，構(gòu)建預(yù)測模型，實現(xiàn)預(yù)測控制;以工藝參數(shù)為優(yōu)化目標，構(gòu)建最優(yōu)控制算法，實現(xiàn)多目標優(yōu)化。近年來一些智能算法在控制優(yōu)化當(dāng)中的研究已經(jīng)取得了很好的效果，例如粒子群算法、遺傳算法、模擬退火算法、模糊神經(jīng)網(wǎng)絡(luò)等等?？偠灾?，工藝參數(shù)優(yōu)化是實現(xiàn)先進數(shù)控技術(shù)與智能制造的重要前提。

2.3智能診斷

在智能制造當(dāng)中，故障診斷是生產(chǎn)過程自適應(yīng)能力的重要體現(xiàn)，通過對控制系統(tǒng)的實時監(jiān)控，以及出現(xiàn)故障的診斷不斷改進加工設(shè)備的各項參數(shù)。與參數(shù)優(yōu)化模型的構(gòu)建相似，智能診斷技術(shù)同樣借助于大量的數(shù)據(jù)，通過學(xué)習(xí)構(gòu)建完備的機床故障診斷知識庫。例如，專家系統(tǒng)，作為一種基于大量專家經(jīng)驗知識的智能系統(tǒng)，近年來，在故障診斷領(lǐng)域的應(yīng)用越來越廣泛。專家系統(tǒng)通過先驗知識對已經(jīng)發(fā)生過的故障情況進行綜合統(tǒng)計，對各種情況下的故障因素進行邏輯判斷，專家模型的學(xué)習(xí)過程是以故障表現(xiàn)為輸入變量而故障原因為輸出的。當(dāng)機械加工制造設(shè)備出現(xiàn)故障時，系統(tǒng)就可以根據(jù)故障表現(xiàn)對原因進行推理，從而得出相應(yīng)的結(jié)論。不過，這種方法是建立在先進的智能算法之上，因此系統(tǒng)的建立需要技術(shù)人員具備深厚的學(xué)術(shù)功底，系統(tǒng)最終的預(yù)測效果受人員因素影響較大。又如基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷能夠?qū)θ我夥蔷€性關(guān)系進行高精度擬合，但是神經(jīng)網(wǎng)絡(luò)參數(shù)缺乏具體的物理意義。模糊系統(tǒng)以“if-then”的形式將輸入空間進行模糊劃分，通過合理的模糊規(guī)則制定，形成輸入與輸出的判斷準則，在處理不確定性問題是具有很大的優(yōu)勢，但是模糊系統(tǒng)缺乏自學(xué)習(xí)能力，其隸屬度函數(shù)參數(shù)一旦確定后就不能改變，模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合構(gòu)成模糊神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)兩者的優(yōu)勢互補。在機械制造設(shè)備故障診斷應(yīng)用中使用模糊神經(jīng)網(wǎng)絡(luò)建立診斷系統(tǒng)實質(zhì)是基于輸入輸出關(guān)系建立一個黑箱模型，與專家系統(tǒng)不同，模糊神經(jīng)網(wǎng)絡(luò)不需要大量的先驗知識，模型完全是基于海量數(shù)據(jù)進行訓(xùn)練，通常將各種機械設(shè)備故障時的參數(shù)表現(xiàn)作為輸入，將各種故障原因的可能性因子作為輸出。應(yīng)用建立好的模糊神經(jīng)網(wǎng)絡(luò)進行故障診斷時，一旦某一部件運行參數(shù)發(fā)生波動，模型就會自動給出可能導(dǎo)致的故障情況以及發(fā)生故障的原因。

3.結(jié)束語

綜上所述，人工智能對于未來電氣自動化控制技術(shù)的發(fā)展的確具有深遠影響，本文依托當(dāng)前計算機技術(shù)條件，對其在電氣自動化控制中的具體實踐前景進行了粗淺分析，希望對行業(yè)進步有所借鑒。當(dāng)然，對于更加深入的理論研究還需要廣大學(xué)者投入更多的精力。

參考文獻

[1]劉奇巍.人工智能技術(shù)在電氣自動化控制中的運用[J].科技創(chuàng)新與應(yīng)用，2020（30）：161-162.

[2]李永男，高任，金松林.人工智能技術(shù)在電氣自動化中的應(yīng)用[J].集成電路應(yīng)用，2019，36（11）：74-75.

[3]蔡敏.人工智能在電氣自動化控制中的應(yīng)用探析[J].內(nèi)燃機與配件，2018（18）：195-197.