人工智能在现代控制系统中的应用.doc

1、人工智能在现代控制系统中的应用摘 要:现如今，计算机技术已经成为全球最普及的信息技术， 人类的大脑是最为发达的机器，计算机所有的编程都是效仿人类的电脑，对其信息进行采集、分析、处理、反馈等，所以计算机程序以效仿人类大脑为主要目的来实现我们自动化发展。对于电气自动化的整个控制流程都是通过自动化设备来完成整个生产、 分配等过程，这样就从很大的程度上降低了成本，工作效率也相应提高。随着信息技术的发展，不断有新技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进智能理论在控制技术中的应用，以解决用传统的方法难以解决的问题。关键词:人工智能 计算机 自动化 应用1研究背景 人工智能(Artif

2、icial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 “人工智能”一词最初是在1956年美国计算机协会组织的达特莫斯(DarEmouth)学会上提出的。自此，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。由于智能概念的不确定，人工智能的概念一直没有一个统一的标准。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义“人工智能是关于知识的学科怎样表示知识以及怎样获得知识并使用知识的科学。 ”而美国麻省理工学院的温斯顿教授认为“人工智能就是研究如何使计算机去做过去只有人才能做

3、的智能工作” 。诸如此类的定义基本都反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。尽管对于人工智能控制的定义，学术界有许多种说法和定义方式，但他们的本质都是一致的。人工智能控制就是研究怎么样利用机器模仿人脑从事推理规划、设计、思考、学习等思维活动，解决迄今认为需要由专家才能处理好的复杂问题1。人工智能是一个大科学的通称，它所覆盖的研究领域非常广，涉及到研究内容非常丰富。从实用观点看，人工智能是一门知识工程学

4、，以知识为对象，研究知识的获取、知识的表示方法和知识的使用。智能化的电气自动控制系统主要就是为了加强整个劳动分配过程，实现了计算机智能化，这样一来大大的减少了人为劳动过程，加强了工作效率，譬如:铝电解生产中的模糊自适应控制技术，就是大量使用了人工智能技术。 在我们国家主要是通过廉价输出的劳动力来得出的经济数值但是远远没有达到其他较发达的国家经济水平。在我们电气自动化控制中加强人工化智能的使用，研制出一个能类似于人类判断系统、 处理功能的控制系统，加强我们生产的能力，推动我们国家的经济发展。2人工智能的优势经典控制理论的方法，是针对研究的对象系统，先建立一定的数学描述即模型。 它能够反映出被控制

5、系统的全部主要特征，并能定量的确定下来，同时在数学上或物理上易于分析处理。 这样确定下来的控制系统的数学模型，是描述系统输入、 输出物理量(或变量) ，以及内部各物理量(或变量)之间关系的数学表达式。合理的数学模型应以最简化的形式，正确代表被控制对象或系统的动态特性。通常，忽略了一些对系统特征影响较小的次要因素后， 即可得一个简化的数学模型(对于自动控制系统， 通常是线性微分方程) 。线性控制系统的研究有重要的使用价值， 因为线性微分方程的求解较易，一般都有标准的方法。 特别是，可以用拉氏变换求解线性微分方程。线性系统满足叠加原理，这使对线性系统的研究更加方便。用拉氏变换解线性常微分方程， 可

6、将数学中的微积分运算转化为代数运算， 并能单独地表明初始条件的影响，是一种简单易行的工程数学方法。有了微分方程的拉氏变换后，即可以得到非常有用的传递函数。传递函数定义为系统输入量的拉氏变换式与输出量的拉氏变换式之比，它是复变量 S 的函数。 传递函数的形式只决定于系统的结构和参数，与输入量的大小和形式无关。它是一种高度抽象的数学模型。 因此，对于具有同样传递函数的系统，输入输出的物理量不同，则代表的物理意义不同(比如具有同样传递函数的两个完全不同的系统一个是机械系统， 一个是电子系统)。 这就是人们在实验室通过电子系统做模拟实际动力机械系统实验的理论基础。对于一个自动控制系统，建立了数学模型即

7、系统的传递函数以后， 就可以运用一定的方法对系统的控制性能进行全面的分析和计算。 对于线性定常系统，常用的工程方法有时域分析法、 根轨迹法和频率法。所谓时域分析法，即控制系统以时间作为独立变量，研究分析系统的输出。 通过对系统外施一给定的输入信号，研究系统的时间响应来评价系统的性能。在时域分析法中，根据系统的微分方程，以拉氏变换作为数学工具，直接解出控制系统的时间响应， 然后根据响应的表达式及其描述曲线来分析系统的控制性能，诸如稳定性、快速性、稳定精度等。把人工智能的方法引入控制系统， 将控制理论的分析和理论的洞察力与人工智能的灵活框架结合起来，才有可能得到新的认识上的突破。智能控制系统具有拟

8、人的智能或仿人的智能，即人工智能。这种智能主要表现在智能决策上，能够有效地解决复杂性和不确定性的控制问题。模糊控制就是在研究人的控制行为特点的基础上发展起来的。对于无法构造数学模型的被控制对象，让计算机模仿人的思维方式，进行控制决策。人的控制可以用语言加以描述，总结成一系列的条件语句，即控制规则。运用微机的程序来实现这些控制规则，这样就很像是人的思考行为了。总之，模糊控制是基于专家经验和专业领域的知识，总结出若干条模糊控制规则，构成描述具有不确定性复杂对象的模糊关系，通过被控系统输出误差和模糊关系的推理合成来获得控制量， 从而对系统进行控制。模拟人类大脑的机能，人们又创造出了人工神经网络(可以

9、通过计算机软件实现或通过大规模集成化硬件电路实现) ，并且进一步实现了神经网络控制系统。 即在控制系统中采用神经网络这一工具对难以精确描述的复杂的非线性对象进行建模或充当控制器， 或优化计算，或进行推理，故障诊断等。神经网络控制具有很强的逼近非线性函数的能力，即非线性映射能力.神经网络还具有自学能力、自适应能力.可以实现最优化的决策控制，神经网络学习控制，自组织控制，将神经网络控制与模糊控制相结合，可以实现更加复杂高效的神经网络模糊控制系统。在人工智能的新技术不断出现及智能控制的应用不断深化的过程中， 神经网络必将在和其他的新技术相融合中，发挥出更大的作用。多种的人工智能化系统的控制功能用不相

10、同的方法研究。但 AI控制器例如:神经、模糊、 模糊神经以及遗传算法都是一类非线性函数近似器。分别对它们进行分类研究，有助于制定统一的开发策略。这些 AI 函数近似器比常规的函数估计器有明显的优势。(1)通过适当调整(根据响应时间、下降时间、鲁棒性能等)可提高性能。 例如:模糊逻辑控制器的上升时间比最优 PID 控制器快 1.5 倍，下降时间快 3.5 倍，过冲更小。(2)它们的设计不需要控制对象的模型(很多时候，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如:参数变化，非线性时等)。(3)它们比古典控制器容易调节。(4)在没有必须专家知识时，

11、通过响应数据也能设计它们。(5)运用语言和响应信息能设计它们。(6)它们有相当好的一致性(当使用一些新的未知输入数据就能得到好的估计)，与驱动器的特性无关。 现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。(7)对于常规方法不能解决的问题可利用它们解决。(8)能很好的适应新数据或新信息。(9)抗噪声干扰能力非常好。(10)它们很容易扩展和修改。(11)它们的实现十分便宜，特别是使用最小配置时。总之，在我们利用规则库、 模糊神经控制器以及和隶属函数能够自动的在反模糊化和模糊化的过程中自行确定。 运用多方面的方式将整个过程表

12、达出来，在过程中通过系统技术来完成整体解的过程，在过程中寻找出简易化的结构配置，达到收敛迅速，学习快速。3.目前人工智能发展中所面临的难题人工智能(AI)学科自1956年诞生至今已走过50多个年头。就研究解释和模拟人类智能、智能行为及其规律这一总目标来说，已经迈出了可喜的一步，某些领域已取得了相当的进展。但从整个发展的过程来看，人工智能发展曲折，而且还面临不少难题，主要有以下几个方面：3.1 计算机博弈的困难博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或智力竞争上。博弈不仅存在于下棋之中，而且存在于政治、经济、军事和生物的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经达到了相

13、当高的水平，然而计算机博弈依然面临着巨大的困难。这主要表现在以下两个方面的问题：其一是组合爆炸问题，状态空间法是人工智能中基本的形式化方法。若用博弈树来表示状态空间，对于几种常见的棋类，其状态空间都大得惊人。其二是现在的博弈程序往往是针对二人对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。3.2 理论不够成熟人工智能理论从诞生发展到现在，已经从最初的“经典控制论”发展到现今的反馈控制、最优控制、模糊逻辑控制、专家智能控制理论等若干分支理论，但是除了“经典控制论”建构了详尽而规范的理论体系之外，其他后发展起来的智能控制理论，

14、或多或少都是依据一定的工程背景或特殊的应用场合才逐步发展起来的，因此，人工智能控制理论的发展呈现出不同的理论算法只适用于特点的领域或工程背景、理论的通用性和可移植性较弱的特点；另一方面，人工智能理论的发展与人工智能技术的实现是相辅相成的，有的人工智能理论的发展先于技术的实现，有的理论算法是在特定的工程应用领域内的研究才获得或提出的，因此，人工智能技术的实现对于理论的发展也存在了一定程度的影响，而且很多人工智能的理论的提出或算法的分析研究都是以相关的技术实现为假设前提的，这就决定了很多人工智能的理论在某些特定的方面必然存在一定的局限性6，因此，到目前为止，人工智能理论的发展还尚未形成一个完整而系

15、统的理论结构框架。3.3 模式识别的困惑虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制是全然不同的7。人的识别手段、形象思维能力，是任何最先进的计算机识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它们永远不会，而是说目前不会。4人工智能的应用表现在人工智能化发展突飞猛进的今天，在很多的高等学府都开设了人工智能化电气专业以及很多的科研机构也对其开展了全面的研究工作，譬如，故障的诊断、设计的优化、智能控制等领域都在使用人工智能化。4.1 设计的优化在

16、设计电气类设备类的工作是一个极为复杂性的工作，不单单要会专业的电气、电路等专业的知识内容，还要将设计中的知识运用在里面。最为传统化的方式，最早是采用了简易的实验方式方法和具有经验的老师傅用手工方式来完成的，从某种意义上来说很难达到最优的效果。 随着我们智能化发展以及计算机领域的发展，设计的方式也在有简单的手工操作到电脑辅助设计(AUTO CAD) ，从很大的程度上节约了时间和研发周期。人工智能化的出现，使得电脑设计(CAD)系统也在不断的更新，整体产品无论从研发、设计到成品都等到了全面的提高。人工智能技术采用优化设计的方式方法主要有遗传算法和专家系统。遗传算法是一种比较先进的优化算法，对于产品

17、的优化设计是很适合的。为此对于此类设计往往都是采用这样的方式方法或加以改进。4.2 诊断故障电气设备一旦出现问题，其征兆与实际问题的出现其关联性是非常的复杂的，很难判断及确定的，如果使用人工智能系统恰恰的解决了这一难题。已经通过人工智能技术判断故障系统的有:模糊逻辑、专家系统、神经网络。在电力系统中，变压器是非常普遍的且受关注的，也有很多对它的研究。目前主要通过变压器油中分解的气体来进行变压器的故障诊断，判断其故障的程度。在发电机及在电动机、 发电机方面采用人工智能故障诊断技术也是非常的普遍的。4.3 人工智能化控制人工智能信息化应用在如今已经普及到我们身边各个领域当中，比如:铝电解生产中的模

18、糊自适应控制技术就是如此，但是在有关此类报道确是很少。 有三种人工智能的控制方法:模糊控制、神经网络控制和专家系统控制。 最常见是模糊控制，实例也很多，其非常的简单且实际意义很广。5.结束语人工智能主要通过行为的能力、感知观、思维判断能力这三个方面组合而成，应用也十分广泛，例如，问题的解答、整体的逻辑性、自动化的程序设计、定理的证明、机器人学等等，这些方面完完全全体现的是自动化的形式表现，都在说明一个问题，那就是提高智能化，将人类思维通过机械化来完成，只有这样智能化的电气自动化才能发挥才能，做出更大的成绩。 此外，人工智能技术已经广泛应用于铝电解生产中自动控制，并且起到了很好的效果。随着微电子技术、软件技术的不断进步，人工智能的实现在相当长时期内仍应保持两条腿走路。软件方面，新的开发工具不断出现，使人工智能越来越方便地运用于各种领域。硬件方面，性能更好、价格更低的人工智能芯片将不断涌现。这诸多方面都体现了一个自动化的特征，表达了一个共同的主题，即提高机械人类意识能力，强化控制自动化。因此人工智能在电气自动化领域将会大有作为，电气自动化控制也需要人工智能的参与。参考文献：1季厌浮，张绍兵计算智能技术及其应用J煤炭技术，2004，23(2):112-113.2刘伟.控制理论的发展及未来J.工业仪表与自动化装置，2003，(1):10-12.