人工智能在电气传动中运用的进展

1、人工智能在电气传动中运用的进展摘要：本文阐述了人工智能在电气传动领域的开展概况。其中主要包括模糊控制、神经网络和遗传算法的应用特点及开展趋势等关键词：神经网络控制模糊神经元控制自适应控制一、引言人工智能控制技术一直没能取代古典控制方法。但随着现代控制理论的开展，控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术(人工神经网络、模糊控制、模糊神经网络、遗传算法等)所替代。这些方法的共同特点是：都需要不同数量和类型的必须的描绘系统和特性的“apriri知识。由于这些方法具有很多优势，因此工业界强烈希望开发、消费使用这些方法的系统，但又希望该系统实现简单、性能优异。由于控制简单，直流传动在过去得

2、到了广泛的使用。但由于它们众所周知的限制以及DSP技术的进步，直流传动正逐渐被高性能的交流传动所取代。但最近，许多厂商也推出了一些改良的直流驱动产品，但都没有使用人工智能技术。具信使用人工智能的直流传动技术能得到进一步的进步。高性能的交流传动瞬态转矩的控制性能类似于他励直流电机的控制性能。现有两种高性能交流传动的控制方法：矢量控制(V)和直接转矩控制(DT)。矢量控制是德国的研究人员在二十多年前提出的，如今已经比拟成熟，并已广泛应用，很多消费厂商都推出了他们的矢量控制交流传动产品，最近又大量推出了无速度传感器的矢量控制产品。尽管在高性能驱动产品中使用AI技术会极大地进步产品的性能，可是到目前为

3、止只有两个厂家在他们的产品中使用了人工智能(AI)控制器；直接转矩控制是大约在十五年前由德国和日本的研究人员提出的，在过去十年中得到大量的研究，如今ABB公司已向市场推出了直接转矩控制的传动产品，使得人们对直接转矩控制的研究兴趣增加，将来在直接转矩控制中将会用到人工智能技术，并将完全地不需要常规的电机数学模型了。英国T公司(ntrlTehniquepl)推出了世界上第一台统一变频器(Unidrive)，其他一些公司也推出了相应的产品，如今这些产品都没有使用人工智能技术，“统一的概念完全依靠软件实现，这就为软计算技术的实现提供了条件。具信在将来统一变频器将使用直接转矩控制以及各种形式的矢量控制，

4、单一使用直接转矩控制技术的产品将遭到淘汰。本文也将讨论人工智能在统一变频器中运用的一些方面，同时也包括AI控制器在V和DT中的运用。AI控制器能否工业运用的关键一点是：实现这些控制器的硬件和软件。大多数DSP控制的驱动器都有足够的计算才能实现人工智能的算法，并且都能得到大多数人工智能控制器软计算所需要的信号。通过运用适当的控制策略，就能大大地减少计算和硬件的负担，从而把注意力集中于进步驱动器的性能、鲁棒性和可靠性上面。在将来，智能技术在电气传动技术中占相当重要的地位，特别是自适应模糊神经元控制器在性能传动产品中将得到广泛应用。但是，还有很多研究工作要做，如今还只有少数实际应用的例子学术研究组实

5、现少，工业运用的就更少了，大多数研究只给出了理论或仿真结果，因此，常规控制器在将来仍要使用相当长一段时间。二、人工智能控制器的优势文献中，不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如：神经、模糊、模糊神经，以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下：1它们的设计不需要控制对象的模型在许多场合，很难得到实际控制对象的准确动态方程，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，往往不知道2通过适当调整根据响应时间、下降时

6、间、鲁棒性能等它们能进步性能。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，过冲更校3它们比古典控制器的调节容易。4在没有必须专家知识时，通过响应数据也能设计它们。5运用语言和响应信息可能设计它们。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。如今没有使用人工智能的控制算法对特定对象控制效果非常好，但对其他控制对象效果就不会一致性地好，因此对必须详细对象详细设计。7它们对新数据或新信息具有很好的适应性。8它们能解决常规方法不能解决的问题。9它们具有很好的抗噪声干扰才能。10它们的实现非常廉价，特别是使用最小配置时。11它

7、们很容易扩展和修改。人工智能控制器可分为监视、非监视或增强学习型三种。常规的监视学习型神经网络控制器的拓朴构造和学习算法已经定型，这就给这种构造的控制器增加了限制，使得计算时间过长，常规非人工智能学习算法的应用效果不好。采用自适应神经网络和试探法就能克制这些困难，加快学习过程的收敛速度。常规模糊控制器的规那么初值和模糊规那么表是既定“apriri型，这就使得调整困难，当系统得不到“apriri既定信息时，整个系统就不能正常工作。而应用自适应AI控制器，例如使用自适应模糊神经控制器就能克制这些困难，并且用DSP比拟容易实现这些控制器。常规模糊逻辑控制器的设计经常使用尝试法。需要“apriri信息

8、，如运用自适应智能控制器就不需要“apririapriri规那么库和隶属函数信息。值得注意的是，与常规非自适应智能控制器相反，它根据输入信号更新它的“参数，换句话说，它对变化的输入信号具有适应性。自适应控制器分两类：间接和直接控制器，间接自适应人工智能控制器有一个实时辩识模型，用于控制器的设计，间接控制器在每个采样周期需要采样控制对象的输入和输出信号，辩识器和控制器有很多形式，而直接AI控制器用特性表来实现对控制对象的控制，这个特性表由两个连续采样周期间的误差的变化量构成，用来控制电流响应。如用模糊逻辑控制器，最简单的应用可能是标量因子的运用。这种方法用如今的非自适应驱动器很容易实现，因此对工

9、业界具有很大的吸引力。用改变隶属函数形状的方法可实现相似的效果。这种运用也可能通过改变规那么来实现，如用直接AI控制器来实现，就是自适应控制器。它在每个采样瞬间先使用上一个采样周期采用的规那么，假如得不到满意的特性，就用新的规那么替代，从而得到满意的特性。总而言之，当采用自适应模糊神经控制器，规那么库和隶属函数在模糊化和反模糊化过程中可以自动地实时确定。有很多方法来实现这个过程，但主要的目的是使用系统技术实现稳定的解，并且找到最简单的拓朴构造配置，自学习迅速，收敛快速。转贴于论文联盟.ll.三、人工智能在电气传动控制中的运用四、结论本文试图对人工智能电气传动控制系统领域的进展做一回忆。内容涉及模糊控制、神经网络、模糊神经网络在电气传动系统中的应用，讨论了模糊、神经和模糊神经控制器等人工智能技术的优点。也讨论了人工智能