導(dǎo)語：淺談人工智能在電氣工程的應(yīng)用一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：在科學(xué)技術(shù)快速發(fā)展的推動(dòng)下，人工智能的完善性、應(yīng)用范圍日漸提升，基于此，本文就人工智能控制技術(shù)優(yōu)勢進(jìn)行分析，并圍繞電氣設(shè)備優(yōu)化設(shè)計(jì)、電氣控制過程有效應(yīng)用分析等四方面對(duì)人工智能在電氣工程自動(dòng)化中的應(yīng)用進(jìn)行了詳細(xì)論述，希望論述內(nèi)容能夠?yàn)橄嚓P(guān)業(yè)內(nèi)人士帶來一定啟發(fā)。

關(guān)鍵詞：人工智能；電氣工程自動(dòng)化；控制技術(shù)

由于人工智能擺脫了傳統(tǒng)技術(shù)和方法的束縛，這就使得其相較于傳統(tǒng)學(xué)科在衍生性、學(xué)科相融性方面表現(xiàn)較為優(yōu)秀，這種優(yōu)秀表現(xiàn)正是其在電氣工程自動(dòng)化領(lǐng)域應(yīng)用的優(yōu)勢所在，而為了最大化發(fā)揮這種優(yōu)勢，正是本文就人工智能在電氣工程自動(dòng)化中應(yīng)用展開具體研究的原因所在。

1人工智能控制技術(shù)優(yōu)勢

神經(jīng)、模糊、遺傳算法、模糊神經(jīng)、AI控制器均屬于常見的人工智能研究方法，這類研究方法可以被視作一類非線性函數(shù)近似器，而基于這一角度入手本文認(rèn)為具備高度技術(shù)性和專業(yè)性特點(diǎn)的人工智能在控制領(lǐng)域具備以下幾方面優(yōu)勢：（1）無需實(shí)現(xiàn)準(zhǔn)備模型。在傳統(tǒng)的函數(shù)估計(jì)器應(yīng)用中，事先準(zhǔn)備控制對(duì)象模型屬于必備控制環(huán)節(jié)，這是由于其無法確定參數(shù)具體情況，但人工智能控制技術(shù)卻能夠?qū)崿F(xiàn)精準(zhǔn)掌控實(shí)際控制對(duì)象。（2）實(shí)時(shí)調(diào)整性能。在響應(yīng)和下降時(shí)間、魯棒性的變化支持下，其性能可實(shí)現(xiàn)實(shí)時(shí)調(diào)整。（3）調(diào)節(jié)容易。通過信息、語言、數(shù)據(jù)，哪怕是沒有經(jīng)過相關(guān)技術(shù)培訓(xùn)的人員也能夠輕松實(shí)現(xiàn)人工智能控制技術(shù)的調(diào)節(jié)，這在函數(shù)估計(jì)器應(yīng)用中幾乎不敢想象。（4）控制一致性優(yōu)秀。輸入新的未知數(shù)據(jù)時(shí)，人工智能控制技術(shù)能夠?qū)崿F(xiàn)較高質(zhì)量的估計(jì)，其實(shí)踐應(yīng)用價(jià)值由此得以進(jìn)一步提升[1]。

2人工智能在電氣工程自動(dòng)化中的應(yīng)用

2.1電氣設(shè)備優(yōu)化設(shè)計(jì)。傳統(tǒng)意義上的電氣設(shè)備優(yōu)化設(shè)計(jì)往往較為復(fù)雜，設(shè)計(jì)人員必須較好掌握電路、電磁場等基礎(chǔ)知識(shí)，并具備豐富的設(shè)計(jì)經(jīng)驗(yàn)，但這些仍舊不能保證電氣設(shè)備優(yōu)化設(shè)計(jì)取得最優(yōu)方案，因此在計(jì)算機(jī)輔助進(jìn)行的電氣設(shè)備優(yōu)化設(shè)計(jì)中，引入人工智能開始逐漸被學(xué)界所重視，遺傳算法、專家系統(tǒng)兩種典型人工智能研究方法均屬于其中的應(yīng)用典型，電氣設(shè)備優(yōu)化設(shè)計(jì)的時(shí)間縮短、水平提升實(shí)現(xiàn)也得益于此。例如，很多時(shí)候電氣設(shè)備的優(yōu)化設(shè)計(jì)是建立在實(shí)際應(yīng)用出現(xiàn)的故障上的，而由于故障的發(fā)生往往是非線性、不確定的，人工智能中的專家系統(tǒng)研究方法由此便能夠結(jié)合故障發(fā)生預(yù)兆開展優(yōu)化設(shè)計(jì)，由此優(yōu)化設(shè)計(jì)的質(zhì)量便能夠得到較好保障。2.2電氣設(shè)備事故、故障診斷。電氣領(lǐng)域傳統(tǒng)的事故、故障診斷方法存在準(zhǔn)確率不高的問題，如發(fā)動(dòng)機(jī)、發(fā)電機(jī)、變壓器的事故與故障往往通過收集變壓器油產(chǎn)生氣體進(jìn)行診斷，這種診斷雖然在氣體樣本的分析支持下具備較高準(zhǔn)確性，但大量的時(shí)間消耗、人力成本浪費(fèi)卻很容易對(duì)工業(yè)生產(chǎn)等領(lǐng)域帶來較為負(fù)面影響，這也是該診斷方法往往不用于日常診斷的原因。由于電氣設(shè)備事故、故障的發(fā)生原因繁復(fù)多變且往往事發(fā)突然，這就使得相關(guān)事故、故障診斷對(duì)速度和準(zhǔn)確性均有較高要求，診斷出錯(cuò)很容易帶來嚴(yán)重?fù)p失，而這就為人工智能故障診斷提供了應(yīng)用契機(jī)，神經(jīng)網(wǎng)絡(luò)、模糊理論、專家技術(shù)均能夠較好應(yīng)用于該領(lǐng)域。例如，近年來在業(yè)界流行的基于小波分析神經(jīng)網(wǎng)絡(luò)理論的電氣設(shè)備故障診斷便屬于其中代表，在Chaari復(fù)值小波、遞推算法、特征提取支持下，該人工智能的應(yīng)用能夠圍繞故障種類、故障性質(zhì)、故障定位三個(gè)方面開展深入分析，由此電氣設(shè)備的故障發(fā)生范圍能夠不斷得以縮小，并最終明確故障發(fā)生部位，生產(chǎn)效率提升、故障損失減少由此便能夠順利實(shí)現(xiàn)[2]。2.3電氣控制過程有效應(yīng)用分析。電氣技術(shù)的快速發(fā)展使得電氣控制的重要性不斷提升，越來越多的學(xué)者也因此致力于電氣化系統(tǒng)穩(wěn)定高效運(yùn)行的研究，某種程度上這類研究可以稱得上是困擾學(xué)界的難題。電氣控制對(duì)技術(shù)人員的操作有著較高要求，但在嚴(yán)格操作流程、繁瑣操作步驟最大程度避免了操作事故出現(xiàn)的同時(shí)，較低的操作效率對(duì)行業(yè)的發(fā)展帶來了不小的負(fù)面影響，而這同樣為人工智能提供了應(yīng)用契機(jī)。在計(jì)算機(jī)、自動(dòng)計(jì)算技術(shù)支持下，人工智能得以實(shí)現(xiàn)部分人類負(fù)責(zé)勞動(dòng)的代替，同時(shí)實(shí)現(xiàn)的電氣系統(tǒng)遠(yuǎn)程操作和控制，也為人力物力資源的投入降低、工作效率和精準(zhǔn)度提升帶來了有力支持。在筆者的實(shí)際調(diào)查中發(fā)現(xiàn)，人工智能領(lǐng)域典型的專家系統(tǒng)控制、神經(jīng)網(wǎng)絡(luò)控制、模糊控制均能夠較好用于人工智能下的電氣控制過程，其中模糊控制需要結(jié)合電氣直流與交流的通過實(shí)現(xiàn)，Mamdani、Sugeno均屬于模糊邏輯控制下電氣控制過程代表，Mamdani控制主要負(fù)責(zé)電氣控制中的調(diào)速控制，而Sugeno則負(fù)責(zé)前者例外情況的控制。相較于傳統(tǒng)調(diào)速控制器，結(jié)合模糊控制的電氣控制在控制功能方面更為優(yōu)秀，而其高度自動(dòng)化特征也使得電氣控制效率、質(zhì)量將實(shí)現(xiàn)大幅度提升，相關(guān)企業(yè)的控制成本投入也將大大縮減，由此可見人工智能在電氣控制領(lǐng)域的應(yīng)用價(jià)值。

3結(jié)語

綜上所述，人工智能能夠較好用于電氣工程自動(dòng)化領(lǐng)域，文章的第二節(jié)直觀說明了這一認(rèn)知。而在此基礎(chǔ)上，本文涉及的基于小波分析神經(jīng)網(wǎng)絡(luò)理論的電氣設(shè)備故障診斷、模糊控制下的電氣控制過程，則證明了研究的價(jià)值。因此，在相關(guān)領(lǐng)域的理論研究和實(shí)踐探索中，本文內(nèi)容便能夠發(fā)揮一定參考作用。

參考文獻(xiàn)：

[1]王茹鑫.人工智能在電氣工程自動(dòng)化中的應(yīng)用研究[J].科技創(chuàng)新導(dǎo)報(bào)，2016，13(14)：15+17.

[2]鄭全舉.電氣工程自動(dòng)化中人工智能的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2016(23)：138.

作者:張俊洋 單位:四川省三臺(tái)中學(xué)校