人工智能技術在電氣自動化控制中的應用研究

任瑾，龔圣高

（1.肇慶學院，廣東肇慶，526100； 2.廣東電網有限責任公司肇慶供電局，廣東肇慶，526100）

0 引言

伴隨互聯網信息技術的快速發展與普及,人工智能技術作為一種新型現代化信息技術，利用計算機技術與互聯網技術逐步取代人工的機械操作，幫助諸多企業實現自動化與智能化運作,并在一定程度上取得巨大進步與突破式的進展。例如，人工智能技術應用的領域有VR 、AR等。因此，在新時代背景下，相關行業領域要充分將人工智能技術與電氣自動化控制有機結合起來，逐步發揮出智能技術的優點，提高電氣自動化在不同生產領域中的效率[1]。

由于電氣自動化系統操作復雜，操作人員需要較高的專業性以保證企業電氣設備與系統的安全穩定運行。加入人工智能技術后系統得到優化具體主要體現在如下4個方面：（1）能夠很好的代替人工對電氣系統與設備進行操作，并確保操作的準確性及提高企業整體的工作效率；（2）能通過信息與網絡技術減輕操作人員的壓力，逐步改變對人工操作的依賴性；（3）一定程度上提高電氣自動化控制精準度；（4）智能監測記錄系統中的信號與信息，操作人員僅需要對相關的參數進行核對，并及時找出、處理有安全問題的環節即可[2]。

1 人工智能技術在電氣自動化控制系統中應用策略

科學設計電氣自動化系統。由于系統復雜且涉及范圍較廣，對于操作人員的要求也非常高，生產中規范工作人員的操作方式，以減少運行中可能出現的種種失誤。研發人員需掌握多學科多領域的知識，利用人工智能技術保證電氣自動化控制系統智能化運作[3]。又考慮到MATLAB所具備深度學習相關功能，可有效助推人工智能技術更好的應用于控制系統中，三者融合起來能更有效提高各個環節的控制質量水平，形成一套準確、穩定且完善的電氣自動化控制系統。

科學設計電氣控制過程。人工智能技術的應用一定程度上提高了MATLAB在電氣自動化控制系統的應用運行效率，人工智能技術重點在對設備控制與管理，而MATLAB的應用則作為調節控制主要算法以提高整體系統的精準性與智能化。例如圖1所示的基于人工智能技術的電氣自動化控制系統，智能識別部分利用MATLAB中PID仿真模糊控制器可有效控制電氣自動化設備運行的精準度。加入人工智能技術后，操作人員能通過更精準的操作方式實現對電氣系統的控制與優化，減少外界的影響。

圖1 基于人工智能技術的電氣自動化控制系統

診斷控制過程中的故障。傳統電氣自動化控制系統所采用的診斷方法較為落后，在診斷過程中通常會增加諸多流程，造成時間、人力、物力等資源的浪費。將人工智能技術應用于故障診斷中，就能極大程度上解決傳統電氣設備診斷的不足，更加方便、準確的處理故障點，對解決系統存在的問題起著重要的作用[4]。特別是在發動機、發電機等電氣設施出現問題時，人工智能技術能夠更好精準的診斷出這些故障，降低人為因素的影響，減少或避免出現更大損失。

2 應用策略在電氣自動化控制系統的建模與仿真

2.1 建模

人工智能技術與傳統電氣自動化控制系統設計方法有諸多不同，人工智能系統在設計過程中更加強調“學習”過程，這種學習方式既可以是自主“無導”式，也可是“有導”式。基于此，文章將選取BP神經網絡完成MATLAB的建模與仿真。主要流程為：先搭建一個神經網絡結構（如BP神經網絡與CNN等），接著對該神經網絡進行多次訓練，保證神經網絡逐漸對已經學習過的樣本內容擁有預判與記憶能力。然后，評價神經網絡的判斷效果。若無法達到設計要求則需繼續重復建立新的神經網絡結構。

通常情況下，這一方式下的神經網絡學習過程屬于“有導“式的[5]，需要準備樣本數據庫，這些樣本數據庫要人工進行準確標記無誤后輸入輸出系統中并將收集好的數據整理分為訓練集與測試集兩大類[6]。接著采用MATLAB對神經網絡機構建模與編程。最后在借助訓練集樣本訓練神經網絡，促使其學習過程中獲取模型參數，進一步利用測試樣本展開測試直到證明該神經網絡模型科學有效，模型結構如圖2所示。

圖2 神經網絡結構

根據上述圖表與MATLAB相關公式得出關于神經網絡PID字符識別系統修正算式。

2.2 仿真驗證

由于被控制的對象具備非線性特征，仿真模型、神經網絡識別結構模型與上述模型相同，唯一不同的是上述模型采用1*3*1網絡結構。其中，借助公式（3）計算控制器。

式中，取λ=0.4，則p1=0.9;p3=0.2。并設公式：

運行結果如圖3所示：

圖3 神經PID控制運行結果

上述公式中y（k）表示系統輸出，a2k表示神經網絡識別器NNI輸出，u（k）是指控制器輸出。由模型仿真的結果可見，由于k呈現出逐漸增大的趨勢，a2k向y（k）靠近，系統誤差小且運行狀態穩定。

3 結論

隨著人工智能技術的發展到逐漸成熟，其應用范圍愈發普遍，影響也逐漸加深，在電子自動化控制系統中諸多問題能夠被很好解決這極大促使電氣自動化的發展與完善。且神經網絡作為人工智能技術中的重要分支，電氣控制系統借助神經網絡可不需要建立被控制對象相關數學模型，操作人員僅需對其做出在線或離線訓練，通過訓練結果對系統進行控制設計。通過建模與仿真可知，BP神經網絡能夠用于自矯正控制器與神經控制器的設計當中，借助神經網絡能夠保證控制器快速相應外界環境，且具有非常小的誤差及長時間處于穩定狀態。因此，重視人工智能技術與電氣自動化控制系統間的聯系，不斷加深兩者間的融合，保證自動化控制系統設計的優化完善，最終實現電氣自動化控制精準度的提升。