龙源期刊网
试论电气自动化控制中人工智能技术
作者：徐慧
来源：《城市建设理论研究》2013年第27期
摘要：电气自动化是以电气系统控制、运用及探究为主体的实践性学科。伴随着人类社会的不断进步与发展，无论哪种工作都开始向机械化的方向发展，逐渐转化为自动化方式。而在此其中，人工智能技术的有效运用在很大程度上推进了电气自动化的深层次发展，在提升电气自动化向人工智能化方向转化的同时，人工智能化技术也获得了大范围的运用，这样将有助于电气自动化控制的安全稳定运行，有助于提高企业工作效率及市场综合竞争能力。为此，本文针对电气自动化控制人工智能技术进行相关论述，望能够有一定的参考性价值。
关键字：电气自动化；自动化控制；人工智能技术
中图分类号：TP18文献标识码：A
1 人工智能技术探究及运用实际状况
最近几年，不少的科研组织及相关院校对于人工智能技术的革新及探究以及电器设备控制的运用问题上都进行了深入的探究，促使人工智能技术在电气设备系统结构设计、故障诊断、预警、监控及自动保护上都达到了一定的层次。
从电气设备结构设计中人工智能技术运用方面来分析：由于电气设备系统结构设计是非常复杂的，关乎到很多方面的知识比如电磁、电路及电机电器运用等，这就对有关工作人员的专业技能及相关知识掌握有着很高的要求。当下，数字化信息技术得到了前所未有的发展，推动了电气产品及控制体系设计逐渐转入了CAD，这就造成一些新产品、新系统的创建时间缩短了很多，在这个大环境下，人工智能技术系统设计质量及速度将获得全方位的提高。
除此之外，人工智能技术对于电气设备故障掌控及预警有着独特的优势。通常，如果电气控制系统有故障的形成那么会在故障形成早期呈现出非线性，为此，人工智能技术独特的模糊逻辑及神经网络等方面优势就可以完全展现出来。
龙源期刊网
复杂系统的平行控制理论及应用研究
作者：赵亮
来源：《山东工业技术》2018年第07期
摘 要：本文首先给出了复杂系统的定义，并探讨了复杂系统的研究现状及存在的问题，同时在此基础上，提出了应对复杂系统问题的平行控制方法，阐述了其ACP思想、基本原理和优势等，还阐述了平行控制理论的核心技术及其在乙烯生产和城市交通中的应用，描述了平行控制理论研究和应用实践的前景与展望。
关键词：复杂系统；人工系统；平行控制；应用
DOI：10.16640/ki.37-1222/t.2018.07.193
0 引言
随着社会的不断发展和技术的不断进步，工业系统愈加复杂，这种复杂性既体现在工程上，也体现在社会层面，具有交互性及动态开放性等特征，尤其是互联网的兴起，过去十分简单的系统能够迅速的联网扩展，复杂化在所难免。现有控制理论未将将社会复杂性考虑在内，无法正确处置正常状态下的各种变化和非正常状态的应急事件。基于此，正视现有生产模式缺失，分析和探索复杂系统的控制，利用人工系统与实际系统并举的平行系统方法，实现对复杂系统的管理与控制至关重要。
1 平行控制理论的基本思想
平行系统是由某一个自然的实际系统和对应的一个或多个虚拟或理想的人工系统所组成的共同系统。在现有控制理论无法控制复杂系统现象的驱使下，平行控制理论框架应运而生，平行控制理论框架下的ACP方法体系包括人工系统（Artiicial Sys tems）、计算实验（Compu t
ing Ex-pe r iments）和平行控制（Parallel Control）。
2 控制理论历史回顾
任何理论都不是一蹴而就的，控制理论更是如此，它经过了长时间的发展和完善，逐渐成为现代科技事业核心技术之一。 控制理论的发展经过了三个阶段：一是经典控制理论阶段，发展时期是20世纪40-60年代；二是现代控制理论阶段，发展时期是20世纪60-70年代；三智能控制理论阶段。平行控制的研究将极大的促进控制理论向第四个阶段发展，其将计算技术、科学实验和理论研究三种科学研究手段结合起来，既是在研究方式上的创新，也是研究手段上的创新。
人工智能技术在电力系统故障诊断中的运用分析
摘要:人工智能技术的发展使其在很多领域得到了成功应用，特别是故障诊断方面。电力系统是保障人民和企业生产生活正常运行的重要组成部分。由于电力系统需要适应各种工作环境，因而电力系统一旦出现故障将会产生严重的后果。传统人工对于电力系统故障检测既费时又费力。因此，主要介绍了人工智能技术，然后阐述智能算法模型等主要人工智能技术在电力系统故障诊断中的应用。
关键词:人工智能技术;电力系统;故障诊断;智能化发展
信息技术的发展推动人民的生活以及企业的生产制造走向智能化。随着国家智能电网的全面推进，现代电力系统正在向信息化、智能化发展，在我国电力系统故障诊断中应用人工智能技术，可以对电力系统中可能会发生的故障问题进行实时监测，达到科学预防和处理电力故障的效果。此外，通过对人工智能技术的应用，还可以在一定层面上提高故障诊断的自动化与智能化水平，符合当今时代电力系统发展的基本趋势与实际需求。
1人工智能技术与电力故障相关概述
1.1人工智能技术概述
在20世纪60年代之前，有关学者就提出了人工智能的相关概念。目前，人工智能技术在社会多个行业及领域中得到了广泛的应用。例如，人工智能技术在实体经济与虚拟经济中都能够得到良好的应用，其可以效仿人类大脑完成一系列具有知觉的活动。人工智能技术是社会科学技术的主要产物之一，人工智能技术为人类许多行业发展提供了重要条件。从一定层面上来说，人工智能技术、纳米技术及基因工程并称为人类的高新尖端技术。在人工智能的中长期发展中，其从传统思想中充分解脱出来，且不受到传统思想和方法的约束。这是因为人工职能的基础为计算机，在计算机技术的指导下可以对人类大脑、具体思维运作模式进行效仿。同时，在人工智能技术下改善人类的传统管理思想与思维，并解决人类各个复杂化领域中的问题。随着社会电力事业的发展及进步，电力企业在中长期发展中积极进行改革，人工智能技术因此在电力行业中得到更为广泛的应用[1]。在各个行业的迅猛发展下，我国用电量有所增加，加之电力系统的分布比较广泛、电力系统规模有所扩展，对其管理、设备保养、后期维护等面临着巨大的挑战，对于故障的检测与诊断也面临着很多突出的困境。在这种情况下，将人工智能技术引入到电力故障诊断中，具有不可估量的意义。
自动化技术与应用》２０１１年第３０卷第８期 控制理论与应用 Ｃｏｎｔｒｏｌ Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ 模糊神经网络预测控制在配料系统中的应用 徐学红１，冯冬青 （１．河南商业高等专科学校计算机系，河南郑州４５００４４；２．郑州大学信息与控制研究所，河南郑州４５０００１） 摘要：针对水泥生产过程中皮带配料系统的惯性、滞后、非线性及现场干扰频繁等特点，设计一种模糊神经网络预测控制算法，将 模糊控制、神经网络与预测控制相结合，增强算法的自学习、跟踪与抗干扰能力，神经网络预测模型有效地补偿了传统预测控 制基于线性模型的局限性。将该控制算法用于皮带配料控制系统中，仿真结果表明，物料流量控制效果优于传统的ＰＩＤ控制， 配料精度有了明显的提高。 关键词：模糊控制；神经网络；预测控制；皮带秤；精度 中图分类号：ＴＰ２７３ ．４ 文献标识码：Ａ 文章编号：１００３ ７２４１（２０１ １）０８ ０００６ ０４ Ａｐｐｌ ｉｃａｔｉｏｎ ｏｆ Ｆｕ ｉｎ Ｍａｔｅｒｉａｌ Ｐｒｏｐｏｒｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ ＸＵ Ｘｕｅ・ｈｏｎｇ ．ＦＥＮＧ Ｄｏｎｇ・ｑｉｎｇ （１．Ｃｏｍｐｕｔｅｒ Ｄｅｐａｒｔｍｅｎｔ，Ｈｅｎａｎ Ｂｕｓｉｎｅｓｓ Ｃｏｌｌｅｇｅ，Ｚｈｅｎｇｚｈｏｕ ４５００４４ Ｃｈｉｎａ； ２．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ Ｃｏｎｖｏｌ，Ｚｈｅｎｇｚｈｏｕ ４５０００１ Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ａｃｃｏｒｄａｎｃｅ ｗｉｔｈ ｔｈｅ ｔｅｃｈｎｉｑｕｅ ｆｅａｔｕｒｅｓ ｏｆ ｍａｔｅｒｉａｌ ｐｒｏｐｏｒｔｉｏｎｉｎｇ ｂｅｌｔ ｓｙｓｔｅｍ ｉｎ ｔｈｅ ｃｅｍｅｎｔ ｐｒｏｄｕｃｔｉｏｎ，ｅ．ｇ．，ｉｎｅｒｔｉａ， ｔｉｍｅ ｌａｇ，ｎｏｎ—ｌｉｎｅａｒｉｔｙ ａｎｄ ｆｒｅｑｕｅｎｔ ｄｉｓｔｕｒｂａｎｃｅ ｉｎ ｗｏｒｋ ｆｉｅｌｄ，ａ ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌｌｅｒ ｂａｓｅｄ ｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ｉｓ ｄｅｓｉｇｎｅｄ．Ｂｙ ｃｏｍｂｉｎｉｎｇ ｆｕｚｚｙ ｃｏｎｔｒｏｌ，ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌ，ｉｔ ｃａｎ ｅｎｈａｎｃｅ ｓｅｌｆ－ｓｔｕｄｙｉｎｇ，ｔｒａｃｋｉｎｇ ａｎｄ ａｎｔｉ—ｉｎｔｅｒｆｅｒｅｎｃｅ ｃａｐａｂｉｌｉｔｉｅｓ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ，ａｎｄ ｔｈｅ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｃａｎ ｃｏｍｐｅｎｓａｔｅ ｗｉｔｈ ｔｈｅ ｌｉｍｉｔａｔｉｏｎ ｏｆ ｃｏｎｖｅｎｔｉｏｎａｌ ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌ ｔｈａｔ ｂａｓｅｄ ｏｎ ｌｉｎｅａｒ ｍｏｄｅ１．Ｗｉｔｈ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｔｈｅ ｗｅｉｇｈ ｂｅｌｔ ｉｓ ｃｏｎｔｒｏｌｌｅｄ，ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔａｌ ｃｕｒｖｅｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｃｏｎｔｒｏｌ ｅｆｆｅｃｔ ｏｆ ｔｈｅ ｍａｔｅｒｉａｌ ｆｌｏｗ ｉｓ ｅｆｆｅｃｔｉｖｅ，ａｎｄ ｔｈｅ ｐｒｅｃｉｓｉｏｎ ｏｆ ｉｎｇｒｅｄｉｅｎｔ ｐｒｏｐｏｒｔｉｏｎ ｈａｓ ｅｖｉｄｅｎｔｌｙ ｉｍｐｒｏｖｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｆｕｚｚｙ ｃｏｎｔｒｏｌ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｐｒｅｄｉｃｔｉｖｅ ｃｏｎｔｒｏｌ；ｂｅｌｔ ｗｅｉｇｈｔｉｅｒ；ｐｒｅｃｉｓｉｏｎ １ 引言 生料配料是水泥生产中的一个重要环节，其稳定性 直接影响着水泥的生产质量。配料系统的特点是惯性、 滞后、时变和非线性等，系统模型难以建立。现有水泥 厂生料配料系统一般用电子皮带秤实现，控制方式采用 传统的ＰＩＤ控制，但配料过程中存在延迟，控制信号延迟 一段时间才能反映到生料流量上，造成较大的超调和较 长的调节时间，且工作现场干扰出现非常频繁，控制性 能很难满足要求，严重影响了水泥的生产质量。本文设 收稿日期：２ ０１１—０４—０ ７ 计了一种模糊神经网络预测控制算法，将模糊控制的逻 辑推理能力、神经网络的强学习能力、预测控制的超前 预测能力相结合，增强算法的自学习、跟踪与抗干扰能 力。将该控制算法用于配料系统中，仿真结果表明，该 算法抗干扰能力强，能获得较高的控制精度，控制效果 优于传统的ＰＩＤ控制。 ２模糊神经网络预测控制系统的设计 模糊控制依据熟练操作人员的经验或相关领域的 专家知识，模拟人的思维特点进行控制，不需要被控对
