论文部分内容阅读
摘要：目前，电气传动系统智能控制是成为自动化行业研究新课题。本文阐述了 智能控制的主要特点和意义，探讨了智能挖制电气传动系统的鲁棒性，并介绍了两种常见的智能控制方法，即模糊控制与神经元控制，并对其应用分析进行了深入分析。
关键词：电气传统系统；智能控制；应用
1、智能控制技术
随着自动化技术不断发展，工业控制对象日益复杂多变，单纯依靠传统的控制理论和方法已难以达到满意的效果。目前，计算机技术在逻辑判断、演绎、分析、决策、模仿等方面可以取代部分人工行为。另一方面， 科学家们在人工智能、专家系统、神经网络、模糊逻辑等方面研究取得的重大突破，可以借助智能系统来模仿、学习人工思维、操作方法，大大促进了社会自动化技术的发展。总体来说，智能控制主要有以下特出优势：首先，它突破了传统控制理论过于依赖数学模型分析的局限性，它可以独立于控制对象模型独立运行，保证达到预期控制效果；其次， 智能控制吸收了人类思维的非线性逻辑方法，可以借助计算机工具来灵活模拟控制对象的逻辑结构，并调整系统运行功能。另外，一些高级智能控制还能够实现在线辩识、决策或总体优化。总而言之，智能控制将会引领未来自动化技术发展趋势。
2、控制系统的鲁棒性
控制系统的鲁棒性，是指系统功能在外部干扰下保持正常运行的能力。鲁棒性是一个综合性概念，它包含稳定鲁棒性（在某种因素干扰下保持正常功能的能力）、品质鲁棒性（在某种因素干扰下保持某品质指标正常的能力） 等。当前研究中的鲁棒性大多是指前一种。
目前的交、直流传动系统已具备相对成熟的控制技术。交、直流电气传动系统经过调整和优化之后，其转速环功能可以实现高度同质化，因此可以采用统一的数学模型模拟其运行过程，单纯依靠PID控制可以达到预期效果。同时我们也要注意到，现实中的传动系统是不断变化的， 电机本身的参数和拖动负载的参数会根据运行功率波动而变化； 另外， 交流电机实际上是一个非线性控制对象，其中包含多个具有弹性或间隙的非线性因素。控制对象的参数变化与非线性特性使得线性的常参数的PID调节器具有不同步变化特点，无法保证在不同工况环境下系统具有稳定的性能，换言之，控制系统的鲁棒性较差。而采用智能控制可以解决这个问题，它可利用非线性、变结构、自我优化等功能来应对各种扰动因素，从而显著改进系统鲁棒性。
3、两种常见的智能控制方法
3.1模糊控制方法
模糊控制通过使用模糊集合来模拟现实中的模糊对象和概念，以保证控制器可以逼真的模拟人工操作方法和步骤，以有效提高控制水平。一个连续控制系统的物理量是一个多维矢量，传统控制方法则是通过计算数字量来实现控制。在使用模糊控制之前，事先要将控制对象转换成模糊语言集合，之后再将其变回数量。虽然模糊控制器内部结构十分复杂，但是其外部I /O特性却是一种十分常见的形式。在实际应用过程中，模糊控制器如果采用积分效应则可以达到与变系数的PID调节器的控制效果。
3. 2单神经元控制
通常来说，神经网络信息分析能力较强，在保证计算效率的基础上，可以有效处理各种复杂控制问题。但是，神经网络控制的应用对计算机硬件要求较高，这是限制其广泛应用的主要客观条件。但是，一旦解决了硬件问题，单神经元控制电气传动系统可以满足复杂非线性控制需要，同时显著提高控制系统的鲁棒性。在使用神经网络学习环境下，系统会自动调整上述变量的权重，单神经元在其中发挥了自适应PID调节器的作用，它可以使系统通过识别误差信号来调整其动态性能，从而有效降低外界因素的扰动影响，可以有效提高电气传动系统的鲁棒性和运行性能。此外，采用了神经元的控制器具有较强的非线性特性，可以突破传统线性调节器的局限性，大大提高控制系统的稳定性和控制性能。
4.电气传动系统中应用人工智能控制技术分析
4.1 人工智能控制系统中模糊控制在电气传动系统中的应用分析
模糊控制是指采用数学模糊原理和模型来构建控制流程和结构，通过利用模糊数学模型可以有效提高控制系统运行精度，从而进一步细化控制系统信息。电气传动系统是一项复杂运行过程，在电气传动系统中引入智能控制技术，可以对控制系统中的电机设备进行优化，提高其自动操纵水平，电气传动系统中主要有以下电器设备：发电机、变压器和电动机。由于电气传动系统包含多个变量，为了达到高精度控制的目的，要合理设计模糊控制系统内部结构：首先，要保证变量定义准确、全面，要对变量进行初始化处理，同时控制输入变量在运行过程中的误差变化，控制初始化变量可以为下一步操作优化奠定基础；其次，做好模糊化处理，将控制对象参数过滤处理后转化为相应的数值，使其能够被控制系统识别和读取，实现测量脉冲数传输和控制；再次，系统变量变化知识库，主要是建立系统模糊数据库和语言描述规则库，供控制系统运行过程进行知识提取和利用；最后，系统逻辑判断，通过模拟人脑思维方式和规律，来建立模糊控制模型， 这就要求采用模糊推论来识别和读取模糊信号，最后通过模糊控制器分析来作出控制行为；第五，模糊控制器的反模糊化，将模糊控制器得到的数据进行反模糊化，即进行数值转换，最终得到准确的控制信号，模糊控制器将得到的控制信息输入到系统中。
4.2 智能控制系统中神经网络控制在电气传动系统中的应用分析
神经网络控制综合了神经网络学、人工智能学、数学和生物学等学科理论和知识，是一门复合型学科技术。在电气传统系统中，传统控制方法无法满足比较复杂的控制操作，例如电气传动系统设备速度控制和调整等，而采用神经网络控制技术可以满足上述复杂控制操作要求。神经网络控制原理主要是建立在人脑思维规律和特点基础上，神经网路控制常用于一些复杂的控制系统过程，它具有较强的鲁棒性和自我适应力，它可以自动提取系统中设备运行参数并独立分析，通过分析结果来灵活调整系统运行参数，从而达到控制目的。因此，神经网络控制在电气传统系统的电机调速控制中应用比较普遍。基于专家控制的电气传动系统也可以实现自我故障检测和分析，也可以将分析结果存储到数据库当中，并将故障分析结果输出。但是，基于专家控制的电气传动系统综合定量知识能力较弱，而神经网络控制可以满足所有电气传动系统操作需要，它具有较高的运行精度和效率。此外，神经网络控制也有其固有缺陷，如果在脱线学习状态下，神经网络控制自动化能力较弱，它在分析报告和信号数据时，其控制效果就会明显下降。 而专家控制系统不管是在脱线学习还是在线学习，都可以保持正常功能，换言之，专家控制可以提高电气传动系统稳定性，如果将两种控制方法结合起来，则可以同时提高控制系统的鲁棒性和稳定性。
5、结束语
智能控制与传统控制主要区别在于：后者要依靠对控制对象建模来设计控制流程，而智能控制不需要进行对象建模，它可以模仿人脑思维，根据系统误差变化来灵活调整控制参数达到控制目的。电气传动系统是建立在明确的数学模型基础上的，只对参数变化和非线性因素有明显影响，可以弥补传统控制系统PID调节器的缺陷，提高控制系统抵抗外部干扰性因素的能力。在当前技术条件下，可以将电气传动智能控制系统视作一类非线性系统，从而利用现有的非线性理论工具，如李亚普诺夫法或波渡夫法来研究它们的稳定性和稳定鲁棒性。
参考文献
[1]戴汝为，杨一平.一类智能控制和决策支持系统的体系结构[J].信息科学，2010（2）.
[2]费敏锐.工业综合智能控制技术研究[J].工业与信息化，2009（4）.
[3]瞿寿德.模式识别与智能自动化[J].自动化技术，2009（2）.
关键词：电气传统系统；智能控制；应用
1、智能控制技术
随着自动化技术不断发展，工业控制对象日益复杂多变，单纯依靠传统的控制理论和方法已难以达到满意的效果。目前，计算机技术在逻辑判断、演绎、分析、决策、模仿等方面可以取代部分人工行为。另一方面， 科学家们在人工智能、专家系统、神经网络、模糊逻辑等方面研究取得的重大突破，可以借助智能系统来模仿、学习人工思维、操作方法，大大促进了社会自动化技术的发展。总体来说，智能控制主要有以下特出优势：首先，它突破了传统控制理论过于依赖数学模型分析的局限性，它可以独立于控制对象模型独立运行，保证达到预期控制效果；其次， 智能控制吸收了人类思维的非线性逻辑方法，可以借助计算机工具来灵活模拟控制对象的逻辑结构，并调整系统运行功能。另外，一些高级智能控制还能够实现在线辩识、决策或总体优化。总而言之，智能控制将会引领未来自动化技术发展趋势。
2、控制系统的鲁棒性
控制系统的鲁棒性，是指系统功能在外部干扰下保持正常运行的能力。鲁棒性是一个综合性概念，它包含稳定鲁棒性（在某种因素干扰下保持正常功能的能力）、品质鲁棒性（在某种因素干扰下保持某品质指标正常的能力） 等。当前研究中的鲁棒性大多是指前一种。
目前的交、直流传动系统已具备相对成熟的控制技术。交、直流电气传动系统经过调整和优化之后，其转速环功能可以实现高度同质化，因此可以采用统一的数学模型模拟其运行过程，单纯依靠PID控制可以达到预期效果。同时我们也要注意到，现实中的传动系统是不断变化的， 电机本身的参数和拖动负载的参数会根据运行功率波动而变化； 另外， 交流电机实际上是一个非线性控制对象，其中包含多个具有弹性或间隙的非线性因素。控制对象的参数变化与非线性特性使得线性的常参数的PID调节器具有不同步变化特点，无法保证在不同工况环境下系统具有稳定的性能，换言之，控制系统的鲁棒性较差。而采用智能控制可以解决这个问题，它可利用非线性、变结构、自我优化等功能来应对各种扰动因素，从而显著改进系统鲁棒性。
3、两种常见的智能控制方法
3.1模糊控制方法
模糊控制通过使用模糊集合来模拟现实中的模糊对象和概念，以保证控制器可以逼真的模拟人工操作方法和步骤，以有效提高控制水平。一个连续控制系统的物理量是一个多维矢量，传统控制方法则是通过计算数字量来实现控制。在使用模糊控制之前，事先要将控制对象转换成模糊语言集合，之后再将其变回数量。虽然模糊控制器内部结构十分复杂，但是其外部I /O特性却是一种十分常见的形式。在实际应用过程中，模糊控制器如果采用积分效应则可以达到与变系数的PID调节器的控制效果。
3. 2单神经元控制
通常来说，神经网络信息分析能力较强，在保证计算效率的基础上，可以有效处理各种复杂控制问题。但是，神经网络控制的应用对计算机硬件要求较高，这是限制其广泛应用的主要客观条件。但是，一旦解决了硬件问题，单神经元控制电气传动系统可以满足复杂非线性控制需要，同时显著提高控制系统的鲁棒性。在使用神经网络学习环境下，系统会自动调整上述变量的权重，单神经元在其中发挥了自适应PID调节器的作用，它可以使系统通过识别误差信号来调整其动态性能，从而有效降低外界因素的扰动影响，可以有效提高电气传动系统的鲁棒性和运行性能。此外，采用了神经元的控制器具有较强的非线性特性，可以突破传统线性调节器的局限性，大大提高控制系统的稳定性和控制性能。
4.电气传动系统中应用人工智能控制技术分析
4.1 人工智能控制系统中模糊控制在电气传动系统中的应用分析
模糊控制是指采用数学模糊原理和模型来构建控制流程和结构，通过利用模糊数学模型可以有效提高控制系统运行精度，从而进一步细化控制系统信息。电气传动系统是一项复杂运行过程，在电气传动系统中引入智能控制技术，可以对控制系统中的电机设备进行优化，提高其自动操纵水平，电气传动系统中主要有以下电器设备：发电机、变压器和电动机。由于电气传动系统包含多个变量，为了达到高精度控制的目的，要合理设计模糊控制系统内部结构：首先，要保证变量定义准确、全面，要对变量进行初始化处理，同时控制输入变量在运行过程中的误差变化，控制初始化变量可以为下一步操作优化奠定基础；其次，做好模糊化处理，将控制对象参数过滤处理后转化为相应的数值，使其能够被控制系统识别和读取，实现测量脉冲数传输和控制；再次，系统变量变化知识库，主要是建立系统模糊数据库和语言描述规则库，供控制系统运行过程进行知识提取和利用；最后，系统逻辑判断，通过模拟人脑思维方式和规律，来建立模糊控制模型， 这就要求采用模糊推论来识别和读取模糊信号，最后通过模糊控制器分析来作出控制行为；第五，模糊控制器的反模糊化，将模糊控制器得到的数据进行反模糊化，即进行数值转换，最终得到准确的控制信号，模糊控制器将得到的控制信息输入到系统中。
4.2 智能控制系统中神经网络控制在电气传动系统中的应用分析
神经网络控制综合了神经网络学、人工智能学、数学和生物学等学科理论和知识，是一门复合型学科技术。在电气传统系统中，传统控制方法无法满足比较复杂的控制操作，例如电气传动系统设备速度控制和调整等，而采用神经网络控制技术可以满足上述复杂控制操作要求。神经网络控制原理主要是建立在人脑思维规律和特点基础上，神经网路控制常用于一些复杂的控制系统过程，它具有较强的鲁棒性和自我适应力，它可以自动提取系统中设备运行参数并独立分析，通过分析结果来灵活调整系统运行参数，从而达到控制目的。因此，神经网络控制在电气传统系统的电机调速控制中应用比较普遍。基于专家控制的电气传动系统也可以实现自我故障检测和分析，也可以将分析结果存储到数据库当中，并将故障分析结果输出。但是，基于专家控制的电气传动系统综合定量知识能力较弱，而神经网络控制可以满足所有电气传动系统操作需要，它具有较高的运行精度和效率。此外，神经网络控制也有其固有缺陷，如果在脱线学习状态下，神经网络控制自动化能力较弱，它在分析报告和信号数据时，其控制效果就会明显下降。 而专家控制系统不管是在脱线学习还是在线学习，都可以保持正常功能，换言之，专家控制可以提高电气传动系统稳定性，如果将两种控制方法结合起来，则可以同时提高控制系统的鲁棒性和稳定性。
5、结束语
智能控制与传统控制主要区别在于：后者要依靠对控制对象建模来设计控制流程，而智能控制不需要进行对象建模，它可以模仿人脑思维，根据系统误差变化来灵活调整控制参数达到控制目的。电气传动系统是建立在明确的数学模型基础上的，只对参数变化和非线性因素有明显影响，可以弥补传统控制系统PID调节器的缺陷，提高控制系统抵抗外部干扰性因素的能力。在当前技术条件下，可以将电气传动智能控制系统视作一类非线性系统，从而利用现有的非线性理论工具，如李亚普诺夫法或波渡夫法来研究它们的稳定性和稳定鲁棒性。
参考文献
[1]戴汝为，杨一平.一类智能控制和决策支持系统的体系结构[J].信息科学，2010（2）.
[2]费敏锐.工业综合智能控制技术研究[J].工业与信息化，2009（4）.
[3]瞿寿德.模式识别与智能自动化[J].自动化技术，2009（2）.