论文部分内容阅读
[摘 要]文章在介绍人工智能及其各主要分支定义、特点、缺点的基础上，对其在电气工程自动化优化设计、故障诊断及智能控制中的应用进行深入分析，为电气工程自动化发展提供可靠技术支撑。
[关键词]人工智能；电气工程自动化
中图分类号：TP18；TM76 文献标识码：A 文章编号：1009-914X（2018）31-0341-01
相较于传统学科，人工智能能彻底摆脱单一方法的限制与束缚，表现出更加出色的多学科相融性及衍生性。电气工程自动化是人工智能的一个重要应用领域，目前很多功能都需要人工智能来实现。
1 人工智能与其分支
五十年代中期，麦卡锡首次提出人工智能，象征着人工智能的出现。所谓人工智能，它是对控制论、信息论、信息论、计算机、神经生理学、心理学、数学与哲学等进行整合而成的产物，和现代能源技术与空间技术构成三大顶尖技术。不同领域的专家在本专业技术基础上整合这项新技术，取得众多社会瞩目的成果[1]。
经过多年的发展和完善，目前人工智能已经出现很多分支，其中应用最广泛的四个分支为：
第一，模糊逻辑，将逻辑视作连续变化状态的灰度，使命题既有肯定又有否定。其主要优势为有清晰明确的物理概念，知识表达方便、简单，易于实现，具有很强的鲁棒性与实时性。但它也存在知识的获取较为困难且以单一的串行推导为核心等缺点；
第二，专家系统，利用专家处理中高等难度的问题。其主要优势为能实现推导判断与决策，可对推导的具体过程进行解释，并回答问题，能灵活的对知识进行扩充与修改。但它也存在学习能力有待提升，知识维护难度大和速度相对较慢的缺点；
第三，神经网络，采用一系列神经元组成的可以在众多方面和人类大脑相匹配的模型。其主要优势为能对信息进行分布式存贮与并行处理，自学习与自适应能力均较强，而且还有一定容错及联想的能力。但也存在无法进行知识推理与过程解释的缺点；
第四，遗传算法，对生命进化机制与生命染色体遗传操作进行模拟生成的优化算法。
2.1 在优化设计中的应用
电气工程自动化设计具有很高的复杂度，不仅涉及众多学科，而且还要有丰富的设计经验。以往的设计主要依靠实验和经验，采用以人工为主的方式实现，获得最优设计方案的难度很大。伴随计算机等新兴技术的发展，电气设计已经能从手工转变为计算机辅助，极大的加快了设计效率。而通过对人工智能的应用，能是这种计算机辅助手段如虎添翼，无论是设计效率还是设计质量都得到更进一步的提高[3]。
可在电气优化设计中应用的人工智能包括两种分支，即专家系统与遗传算法。其中，遗传算法具有先进性，在电气优化设计领域十分适用，所以很多都将其作为首选方法。除遗传算法外，专家系统也是电气优化设计一大有力工具。而从现阶段已有专家系统看，还处在前期研究阶段，与实践应用还有一段距离。
除以上两种分支外，也可以运用神经网络与模糊逻辑来进行优化设计。比如借助模糊数据具有的对不确定因素进行求解的能力，在电磁电感等的优化设计过程中引用模糊理论。该方法有着清晰明确的物理概念，容易实现，而其对设计者了解对象的程度有很高要求，即设计者越了解对象，越能得出准确结果。又如采用有多层前馈机制的神经网络，结合改进后生成的BP算法对电机进行优化设计，得出这一算法和专家系统当中给出的知识表示存在互补性的结论。
2.2 在故障诊断中的应用
系统或设备故障和它产生之前的征兆有着十分复杂的关系，既非线性又有不确定性，引入人工智能能充分发挥其特点。可在故障诊断方面应用的人工智能分支包括神经网络、模糊逻辑与专家系统[4]。
因变压器在系统当中占据主要地位，且受到广泛关注，所以有很多相关研究。当前，最常用的诊断方法为分析变压器油各类分解气体，以判断变压器是否存在，及故障的类型与程度。如借助神经网络，由6种不同的气体成分作为特征矢量，再将正常状态、过热状态、放电状态及电弧作为输出节点，通过三层结构的神经网络对变压器油输入输出相互关系进行训练，同时对诊断结果和检查结果进行对比，当对比结论为一致时，表明在故障诊断过程中应用神经网络是可行且有效的。充分结合覆盖集和模糊数据，除了能有效处理故障诊断时各类模糊性问题，还能进行综合性诊断，保证诊断结果的准确性及方法的实用性。根据常规诊断理论可开发出专门的专家系统，该系统的实验结果验证了其在诊断中是可行的。
近几年电机领域的基于人工智能的故障诊断研究也十分活跃，比如根据模糊理论对电机可能存在的故障实施诊断，或借助神经网络对电机可能存在的故障实施诊断及识别，事实证明，上述方法都是合理可行的。
2.3 在智能控制中的应用
自动控制的人工智能研究及应用现已全面展开，可在控制领域使用的人工智能分支包括三种，即专家系统、模糊控制及神经网络。其中，因模糊控制相比之下最具便捷性，且实际意义突出，所以得到广泛应用。根据模糊基本理论，可建立断路器控制数学模型，再结合电流、电压与功率因数一系列状态参数，对分闸速度进行自动调控，完成智能化操作。这种模糊控制主要靠微处理器来实现，如之前提到的DSP，经模拟实验可知，此方法性能优异，是一种值得推广应用的智能控制方法[5]。在由单片机直接控制的电机启动机节能过程中，利用双模论域非线性划分模糊控制算法，能取得良好控制效果。在电机的热继电器中，可借助由数字单片机构成的控制器，来实现模糊逻辑分支的良好应用。此外，利用人工智能还能了开发出CPS，即保护开关电器，以及自配合形式的系统控制；通过对系统的动态跟踪监测，实现在第一时间预测到隐患、故障，同时借助先进的限流技术等在保证系统原理、尺寸及结构均不发生变化的基础上，以现代控制策略来有效提高系统控制性能及保护能力。
3 结束语
通过以上分析可知，人工智能的出现和应用为电气工程自动化提供了先进技术保证，在未来很长一段时间内，人工智能及其各分支必定成为电气工程自动化主要发展趋势，相信在人工智能的支持下，电气工程自动化将得到快速发展，为社会经济发展作出更多贡献。
参考文献
[1] 王聪聪.浅谈电气工程自动化中人工智能的应用[J].内燃机与配件，2018（03）：208.
[2] 施喜平.電气工程自动化中人工智能的运用[J].价值工程，2017，36（01）：151-152.
[3] 郑全举.电气工程自动化中人工智能的应用[J].科技创新与应用，2016（23）：138.
[4] 甘日作.电气工程自动化中人工智能的应用分析[J].世界有色金属，2016（04）：122-123+125.
[5] 谢珍茹，郭文军.电气工程自动化中人工智能的运用分析[J].科技创新与应用，2015（05）：113.
[关键词]人工智能；电气工程自动化
中图分类号：TP18；TM76 文献标识码：A 文章编号：1009-914X（2018）31-0341-01
相较于传统学科，人工智能能彻底摆脱单一方法的限制与束缚，表现出更加出色的多学科相融性及衍生性。电气工程自动化是人工智能的一个重要应用领域，目前很多功能都需要人工智能来实现。
1 人工智能与其分支
五十年代中期，麦卡锡首次提出人工智能，象征着人工智能的出现。所谓人工智能，它是对控制论、信息论、信息论、计算机、神经生理学、心理学、数学与哲学等进行整合而成的产物，和现代能源技术与空间技术构成三大顶尖技术。不同领域的专家在本专业技术基础上整合这项新技术，取得众多社会瞩目的成果[1]。
经过多年的发展和完善，目前人工智能已经出现很多分支，其中应用最广泛的四个分支为：
第一，模糊逻辑，将逻辑视作连续变化状态的灰度，使命题既有肯定又有否定。其主要优势为有清晰明确的物理概念，知识表达方便、简单，易于实现，具有很强的鲁棒性与实时性。但它也存在知识的获取较为困难且以单一的串行推导为核心等缺点；
第二，专家系统，利用专家处理中高等难度的问题。其主要优势为能实现推导判断与决策，可对推导的具体过程进行解释，并回答问题，能灵活的对知识进行扩充与修改。但它也存在学习能力有待提升，知识维护难度大和速度相对较慢的缺点；
第三，神经网络，采用一系列神经元组成的可以在众多方面和人类大脑相匹配的模型。其主要优势为能对信息进行分布式存贮与并行处理，自学习与自适应能力均较强，而且还有一定容错及联想的能力。但也存在无法进行知识推理与过程解释的缺点；
第四，遗传算法，对生命进化机制与生命染色体遗传操作进行模拟生成的优化算法。
2.1 在优化设计中的应用
电气工程自动化设计具有很高的复杂度，不仅涉及众多学科，而且还要有丰富的设计经验。以往的设计主要依靠实验和经验，采用以人工为主的方式实现，获得最优设计方案的难度很大。伴随计算机等新兴技术的发展，电气设计已经能从手工转变为计算机辅助，极大的加快了设计效率。而通过对人工智能的应用，能是这种计算机辅助手段如虎添翼，无论是设计效率还是设计质量都得到更进一步的提高[3]。
可在电气优化设计中应用的人工智能包括两种分支，即专家系统与遗传算法。其中，遗传算法具有先进性，在电气优化设计领域十分适用，所以很多都将其作为首选方法。除遗传算法外，专家系统也是电气优化设计一大有力工具。而从现阶段已有专家系统看，还处在前期研究阶段，与实践应用还有一段距离。
除以上两种分支外，也可以运用神经网络与模糊逻辑来进行优化设计。比如借助模糊数据具有的对不确定因素进行求解的能力，在电磁电感等的优化设计过程中引用模糊理论。该方法有着清晰明确的物理概念，容易实现，而其对设计者了解对象的程度有很高要求，即设计者越了解对象，越能得出准确结果。又如采用有多层前馈机制的神经网络，结合改进后生成的BP算法对电机进行优化设计，得出这一算法和专家系统当中给出的知识表示存在互补性的结论。
2.2 在故障诊断中的应用
系统或设备故障和它产生之前的征兆有着十分复杂的关系，既非线性又有不确定性，引入人工智能能充分发挥其特点。可在故障诊断方面应用的人工智能分支包括神经网络、模糊逻辑与专家系统[4]。
因变压器在系统当中占据主要地位，且受到广泛关注，所以有很多相关研究。当前，最常用的诊断方法为分析变压器油各类分解气体，以判断变压器是否存在，及故障的类型与程度。如借助神经网络，由6种不同的气体成分作为特征矢量，再将正常状态、过热状态、放电状态及电弧作为输出节点，通过三层结构的神经网络对变压器油输入输出相互关系进行训练，同时对诊断结果和检查结果进行对比，当对比结论为一致时，表明在故障诊断过程中应用神经网络是可行且有效的。充分结合覆盖集和模糊数据，除了能有效处理故障诊断时各类模糊性问题，还能进行综合性诊断，保证诊断结果的准确性及方法的实用性。根据常规诊断理论可开发出专门的专家系统，该系统的实验结果验证了其在诊断中是可行的。
近几年电机领域的基于人工智能的故障诊断研究也十分活跃，比如根据模糊理论对电机可能存在的故障实施诊断，或借助神经网络对电机可能存在的故障实施诊断及识别，事实证明，上述方法都是合理可行的。
2.3 在智能控制中的应用
自动控制的人工智能研究及应用现已全面展开，可在控制领域使用的人工智能分支包括三种，即专家系统、模糊控制及神经网络。其中，因模糊控制相比之下最具便捷性，且实际意义突出，所以得到广泛应用。根据模糊基本理论，可建立断路器控制数学模型，再结合电流、电压与功率因数一系列状态参数，对分闸速度进行自动调控，完成智能化操作。这种模糊控制主要靠微处理器来实现，如之前提到的DSP，经模拟实验可知，此方法性能优异，是一种值得推广应用的智能控制方法[5]。在由单片机直接控制的电机启动机节能过程中，利用双模论域非线性划分模糊控制算法，能取得良好控制效果。在电机的热继电器中，可借助由数字单片机构成的控制器，来实现模糊逻辑分支的良好应用。此外，利用人工智能还能了开发出CPS，即保护开关电器，以及自配合形式的系统控制；通过对系统的动态跟踪监测，实现在第一时间预测到隐患、故障，同时借助先进的限流技术等在保证系统原理、尺寸及结构均不发生变化的基础上，以现代控制策略来有效提高系统控制性能及保护能力。
3 结束语
通过以上分析可知，人工智能的出现和应用为电气工程自动化提供了先进技术保证，在未来很长一段时间内，人工智能及其各分支必定成为电气工程自动化主要发展趋势，相信在人工智能的支持下，电气工程自动化将得到快速发展，为社会经济发展作出更多贡献。
参考文献
[1] 王聪聪.浅谈电气工程自动化中人工智能的应用[J].内燃机与配件，2018（03）：208.
[2] 施喜平.電气工程自动化中人工智能的运用[J].价值工程，2017，36（01）：151-152.
[3] 郑全举.电气工程自动化中人工智能的应用[J].科技创新与应用，2016（23）：138.
[4] 甘日作.电气工程自动化中人工智能的应用分析[J].世界有色金属，2016（04）：122-123+125.
[5] 谢珍茹，郭文军.电气工程自动化中人工智能的运用分析[J].科技创新与应用，2015（05）：113.