工業自動化中應用人工智能的探索

王子暉

南京中鈔長城金融設備有限公司 江蘇 南京210000

前言

工業自動化的人工智能應用中主要以智能控制為主,解決傳統自動化中只能按照固定程序運行的情況,讓計算機可以智能化分析工業生產,減少人力資源投入,提高工業生產的效率和效益。在應用策略上要認識到工業自動化和人工智能的共同點,解決實踐應用的難題,并建立人工智能控制平臺,保證技術的實效性應用發展。

一、工業自動化和人工智能

(一)人工智能和工業自動化的簡介。人工智能是讓機器擁有人類的行為能力,能夠智能化的分析和解決問題,其核心理論是邏輯性分析,以計算機的計算代替傳統的程序控制,達成智能化的控制,可以減少錯誤率,并高效完成工作。人工智能是目前計算機、信息、數據等領域的發展方向,在功能上越來越全面,能夠高效服務生產和生活[1]。

工業自動化的發展要追溯到工業產生,主要目標是讓工業生產可以高效地進行,減少人力的限制。在發展過程中從最初的機械自動到控制自動,現在的發展方向是人工智能的全面自動。工業自動化是人類科技發展的直觀體現,也是提高工業生產效率的核心技術,需要結合科學技術的進步而不斷創新。

(二)工業人工智能的含義。人工智能的核心目標是讓機器的行為具備人類的智能,能夠復制或者計算處理問題,而工業自動化的核心是減少工人的勞動,提高生產效率。兩者有著共同的目標,相互的結合也就成為當前工業生產技術發展的方向[2]。工業人工智能可以讓機械具備感知、決策、執行、學習的功能,這樣在工業生產中,機械就能代替人類進行工作,實現高程度的自動化,完成工業生產的任務。

二、工業自動化應用人工智能的難題分析

人工智能在工業自動化中的應用存在一定的難題,這是有效應用的方向,主要有關于工業動態生產中的動態感知采集和決策與控制的集成任務處理。

(一)多源信息的動態感知。工業生產是一個復雜的過程,在自動化中涉及到的數據較多,每一個數據都關系到最后的成品。在傳統的自動化中,這部分的控制多為單一性監控,由人工進行掌控。而在人工智能下,自動化要讓機器代替人工,也就需要針對工業生產的整個過程進行多源信息的動態感知,為人工智能的計算和決策提供數據,從而智能化控制機器完成生產工作。這是目前工業自動化應用人工智能的難題之一,需要在生產工藝、動態信息獲取、系統建模中做人工智能的研究和應用,使實現機器自主控制。

(二)決策與控制過程集成。人工智能本身是決策與控制過程的集成,但是在工業自動化中,因為系統的復雜性,設定值的變化,造成技術應用難以達成集成控制。這樣的人工智能沒有應用效果,需要進行計算機技術和信息技術的應用,讓工業生產的決策和過程達成協同,以控制系統保證工業人工智能自動化的建設。在此難題的解決過程中要注意精度的研究,提升自動化的準確性,并研究工業自動化集成平臺,保證人工智能應用的有效性。

三、工業自動化應用人工智能的控制技術

針對工業自動化應用人工智能的難題,需要發展控制技術,以保證應用效果,推動工業AI自動化的建設。

(一)模糊控制系統。因為工業自動化被控過程的多變性和復雜性,人工智能的應用中無法建立精準的數學模型,為保證自動化的效果,需要建立模糊控制系統,讓自動化的開展能夠做仿人思維控制。人工智能的模糊控制系統分為數據采集、處理、轉化三個模塊[3]。在采集中針對工業生產的具體情況做數據采集,并反饋到控制中心;處理中則是模糊控制器依據采集的數據信息做仿人計算;轉化則是將數據處理轉化為控制命令,實現自動化生產。在模糊控制系統中,模糊控制器是核心,需要針對工業自動化的形態,生產對象、技術要求選擇相應的模糊控制器類型,以保證人工智能控制。系統的組成還有檢測裝置、執行結構,與模糊控制器一同作用于工業生產,從而達成人工智能控制的目標。

(二)專家控制系統。人工智能應用的專家控制系統具有運行穩定,普及應用效果好,決策和執行靈活的優點,是目前工業自動化中最為普遍的技術應用方向。人工智能在工業自動化中的應用效果主要依靠自主學習和實時監測,逐漸形成數學模型保證工業自動化的要求,并形成邏輯性的控制系統。專家控制系統是利用計算機對工業生產的專業知識進行搜集,從而建立數據庫,也就可以讓自動化具備正向的邏輯推理能力,在工業自動化中達成智能控制。在應用策略需要建立工業模型,并建立參數設置,以此達成復雜的系統邏輯分析,讓工業自動化能夠基于實際生產情況做實時控制,具備實時監測、自我修復、完善模型的功能。

(三)神經網絡控制系統。神經網絡控制系統是一項綜合性的技術應用,通過對工業自動化的全面分析建立人工智能控制,以此達成有效的自動化建設。神經網絡控制系統主要有神經控制和混合神經網絡控制,其中神經網絡控制具備學習功能,可以快速反應,但是智能化較低,無法完成現在工業生產的需要。混合神經網絡控制則是以計算機科學、自動化控制、先進的電子元件建立神經網絡,能夠針對工業自動化作全程監控和分析,形成整體的邏輯演算,做識別控制。混合神經網絡控制的智能化較高,但是需要較高的經濟投入,并做日常系統的維護,在實際應用中還需要進行科學創新,提高神經網絡的反饋和處理速度。

結論

總而言之,人工智能技術的應用處于起步階段,在工業自動化的應用中要轉為思路,重視人工智能的發展和研究,并以工業生產狀態為基礎合理應用技術,從而實現工業人工智能自動化的建設。在實際應用中,人工智能的技術還不成熟,存在較多的限制,需要人工智能領域研究根據工業自動化的實際需求做應用研究,提升工業生產的效率和性能。