人工智能技術在電氣自動化控制中的應用思考

張金院

[摘? ? ? ? ? ?要]? 隨著我國經濟的飛速發展，人工智能技術也取得了飛速的發展，進而有力地推動了電氣自動化控制系統的優化升級。人工智能在電氣自動化中的運用主要具有以下兩點優勢：縮短電氣產品的生產時間，增加生產電氣產品的數量，有利于企業實現更大規模的生產，提升企業生產的綜合效益，也提升了電氣產品的生產質量。人工智能的操控與人工生產相比更具有高效性，它在一定程度上避免了生產工人受到主觀因素影響而導致的生產問題，從而提升了產品的合格率。

[關? ? 鍵? ?詞]? 人工智能技術;電氣自動化控制;應用思考

[中圖分類號]? G642? ? ? ? ? ? ? ? ?[文獻標志碼]? A? ? ? ? ? ? ? [文章編號]? 2096-0603（2019）19-0182-02

我們可以在很多工廠生產車間看到電氣自動化控制系統以及機器人，它們已成為推動現階段社會化生產的主干力量，在降低生產成本的同時，也有利于提升生產效率。電氣自動化控制及機器人是對傳統生產方式的革新，進而促進企業生產的深層

次革新，從而產生一系列良性的化學生產反應。將人工智能和電氣化自動控制完美地融合，不僅能夠使整體的生產流水線更具有持續性和高效性，還能在一定程度上降低勞務成本，從而獲得良好的生產效果。

一、人工智能的內涵

人工智能具有超強的計算能力。人們運用人工智能的計算能力，并將之與數字的算法進行融合，從而更高效地模擬人腦的運算方式，進而讓運算具有較強的應變性和靈活性。加之，隨著科學技術的飛速發展，計算機的運行能力得到飛速的提高。此

外，隨著人們不斷為人工智能添加新的功能，讓人工智能的運算效率和運算水平不斷提升，從而構建出比人腦更為穩定的人工智

能模式，進而更加高效地處理生產中出現的問題。但是，我們應對人工智能保持清醒的認知，即我們的人腦具有較強的、獨有的邏輯推理能以及聯想能力，這是人工智能所不具備的，因而工廠的部分工作時仍舊需要相關的工作人員來完成。

二、在電氣化生產過程中運用人工智能的優勢

（一）人工智能設計的思路相對簡單

眾所周知，設計思路簡單便捷是人工智能的主要優勢。人們將人工智能運用到電氣化的設計中，能夠很好地規避傳統的設計弊端。在傳統的電氣化控制設計中，控制對象模型是控制作用得以發揮的關鍵，但是在實際的工作過程中會受到外界環

境的制約，因而常常會出現生產的故障。加之，因為控制對象模型的固定數值類型的不同，所以進一步加大了設計的難度。與傳統的電氣人工控制相比，人工智能技術的設計相對簡單，只需要相關從業人員對機器人進行編程，即可大大降低人工智能設計的難度，提升整體工作的便捷性。

（二）人工智能技術相較于傳統技術具有較高的性價比

與傳統的電氣控制系統相比，人工智能的電氣控制具有以

下三點優勢：（1）人工智能不僅具有較強的信息收集能力，而且具備較強的通信能力，即它對信息的加工和處理的效率很高，并且信息的傳輸性效果好。（2）隨著我國社會的發展，勞動力成本呈現不斷上升的趨勢。而與之對應的是，智能化在電氣自動化控制中的普及，能夠在一定程度上減少工廠中人力與機器的配比，從而在一定程度上降低工廠的生產成本。（3）人工智能生產具有較強的持續性，可以在一定程度上避免因為生產工人的主觀原因造成錯誤，因而人工智能在電氣化控制生產中具有較高的性價比。

（三）人工智能在電氣化的生產過程中具有較強的操作性和調控性

計算機技術相當于人工智能的大腦，因而在實際的生產過

程中，相關的電氣生產工作人員只需要對機器人輸入對應的程序，就能完成人工智能對機器的相應動作的調整。值得注意的是，人工智能具有較強的邏輯分析能力，它在生產的過程中可以自行地

匯總和分析生產出現的各種信息，從而預判可能出現的故障，進而提前進行修正，保障整體生產的穩定性和持續性，提升工廠生產的效率。

（四）人工智能在電氣自動化控制的應用具有精準性

人工智能具有較強的邏輯性，它能夠通過對相關信息的分

析，從而及時對可能出現的生產問題進行預判，從而保證生產的穩定性。此外，人工智能具有較強的便捷性，能夠在一定程度上減輕工人的生產負擔，提升整體的生產效率。加之，人工智能本身有相應的計算機數據作為支撐，因而它會準確地操控機器的

運行角度、方向和力度，從而保證生產的標準性。

三、人工智能技術在電氣自動化控制中的應用分析

計算機技術的迅速發展為傳統的電氣化控制系統帶來了

沖擊，從而產生新的具有時效性的人工智能模式。人工智能技術能夠很好地實現對目標設備的控制以及智能的分析，可以實現復

雜系統的分析。人工智能技術不僅可以通過數學模型進行定量分析，還可以運用控制理論進行定性分析，從而更好地將定性分析和定量分析進行巧妙的融合，從而實現真正的控制智能化。人工智能技術主要分為專家控制、神經網絡控制、模糊控制以及集成智能控制等。這些智能控制方式往往以各種計算機算法為基礎，比如蟻群算法、免疫算法和遺傳算法等。在此主要對兩個控制系統做簡要分析。

（一）神經網絡控制系統

神經網絡控制系統具有較強的仿生性，它是根據生物的神

經元的原理而創設的網絡控制系統。神經網絡控制系統由層次組織和簡單自適應元件構成，并以此為基礎進行大規模的連接，從而提升對整體設備以及相應信息的控制能力。在網絡控制系統中，各個神經元的信息傳遞方式往往以非線性為主，即人們所說的“黑箱模型”。

（二）模糊控制系統

模糊控制分為輸入接口、控制器、輸出接口、執行機構、被控對象及檢測裝置。在此主要對模糊控制模塊和檢測裝置作簡要介紹：模糊控制模塊是模糊控制器的電腦，其主要以固定規范推理語言和理論知識為基礎，從而實現精確化處理、模糊決策和模糊量化處理;檢測裝置起到傳感器的作用，其主要將電信號轉化為數字信號;電信號主要包括壓力、溫度、速度等。檢測裝置是模糊控制系統的重要組成部分，對維持整個網絡控制系統的穩定性和精確度起著重要的作用。

四、人工智能在電氣化控制系統中的應用

（一）優化對電子產品的設計，提高整體的生產效率

電氣產品的設計具有較強的不可控性。因為在實際的生產過程中，受到多重因素的影響，從而導致電氣產品的積壓，因此生產商需要調整相應的生產線。這也會給整體的生產企業帶來巨大的經濟損失。而隨著人工智能逐步融入電氣化的生產控制中，生產廠家可以讓專門的工作人員對人工智能技術模式進行優化，從而更好地適應市場和人們的需要，進而大大縮短電氣產品的生產周期，提升整體的生產效率和性價比。與此同時，人工智能的設置具有較強的操作性和精確性，因而能夠更好地控制電氣產品的合格率，從而獲得良好的生產效益。

（二）人工智能在電氣自動設備中的應用

對傳統的電子自動化控制系統而言，其需要配備專業的

電氣自動化和控制系統的人才，而且對人員素質具有較高的要

求，因而人力成本較高。在傳統的電子控制中，生產廠家應配備對應的專業管理人才，有些廠家甚至采用學徒制的模式開展對應生產，但是在此過程中，難免會造成一些生產性的錯誤。將人工智能合理地融入電氣自動化的設備中，可以在很大程度上降

低整體的生產成本。生產廠家可以聘請專業的人員對機器人進行編程，從而更好地提升電氣化生產操作的精度和準確度，進而提升整體的生產效率，降低工廠的生產成本，進而獲得更好的經濟效益。

（三）人工智能可以有效地提升排除故障效率

傳統的電氣控制系統不具備智能技術，因而在實際的生產

過程中，有經驗的維修工人只能在生產線上進行相關部件的排查，并通過這種方式排除相關的故障。這種排除故障的方式，具有以下兩點不足：（1）維修工人的排除故障效率低，也有可能因為維修工人的判斷失誤，造成更大的損失;（2）維修工人在維修的過程中耽誤了整體生產的時間，從而變相地提升工廠生產的成本。而將人工智能技術引入電氣化的控制系統，就好比給這個生產

線安裝了一條具有層次性和系統性的神經，并借助相應的人工智

能模塊，比如模糊控制系統等，對生產線上出現的機器故障進行收集，從而讓生產工作人員根據機器所特有的故障碼，尋找對應的出現故障的機器，從而提升排除故障的效率。值得注意的是，人工智能具備自行調節的功能，比如它可以通過搜集相關的數據信息并進行相應的分析，適時地調整與之相銜接的機器生產模

式，從而更好地消除在生產線上出現的故障，提升整體的生產效率。現階段使用的主要人工智能系統為模糊控制系統，其是通過適時地調節交直流電流的變化來實現的。

（四）引導學生運用模糊控制系統，提升電氣化設備判斷故障效率

職業技術院校的教師可以引導學生運用人工智能中的模糊控制，對電氣設備進行適時監控，并監視整體設備的運行狀況，從而對整個工廠的設備進行全方位的掃描，并將這些數據進行存

儲。職業院校的教師可以運用數據對比的方式開展電氣化設備教學，例如，教師可以引導學生將正常的數據和記錄的數據進行對比，從而實現準確的故障判斷。而通過運用人工智能中的模糊控制開展教學，可以讓學生通過實踐體會到模糊化控制的真正作用，感受人工智能技術在生產過程中產生的積極作用，提升整體人工智能技術的應用教學質量。

五、總結

人工智能為電氣自動化控制插上了翅膀，并讓工廠布滿了“神經”，給電氣化控制裝上了“眼睛”，從而使整個電氣化的生產更加具有高效性、持續性和時效性，進而在提升生產效率的同時降低了企業的生產成本，從而獲得了良好的生產效益。

參考文獻：

[1]孫錦琛.人工智能技術在電氣自動化控制中的應用思路分析[J].信息記錄材料，2018（9）.

[2]李燕燕.人工智能技術在電氣自動化控制中的應用思路探討[J].電子元器件與信息技術，2018（7）.

[3]王璐.人工智能技術在電氣自動化控制中的應用思路分析[J].中外企業家，2018（30）.

[4]黃西平.人工智能技術在電氣自動化控制中的應用思路探究[J].智庫時代，2017（17）.