【《智能控制技术在电气工程自动化领域的应用研究》12000字（论文）】

II智能控制技术在电气工程自动化领域的应用研究内容摘要智能控制技术的应用在智慧城市的建设中非常关键，不论是在工业领域的应用，或者是在生活交通方面的应用，智能控制技术的应用范围很广，并且其方法包括模糊控制、神经网络等，因此本文主要对智能控制技术相关文献进行综述，探讨其理论及应用情况。具体而言，本文对智能控制进行概述，对其在温室大棚以及路灯方面的应用情况进行综述；对模糊控制理论进行分析，对其在农业领域的应用进行详细总结；对神经网络控制理论进行研究，对神经网络诊断伤害的方法进行探讨，并且对神经网络系统进行综述。最后，对智能控制技术在电力自动化领域的应用进行了讨论。关键词：智能控制技术；模糊控制；神经网络控制目录TOC\o"1-3"\h\u11091内容摘要 I157131引言 1202632智能控制及其应用 2212392.1智能控制概述 2105782.2温室大棚智能控制系统 264772.3智能路灯系统 3263393模糊控制及其应用 53833.1模糊控制理论 5214433.2模糊控制插秧机 5128314神经网络控制及其应用 1095404.1神经网络控制理论 10143614.2神经网络诊断方法 10138194.3神经网络系统 11265315智能控制技术在电气工程自动化领域的应用情况 1395865.1卷积神经网络的应用 13137265.2智能控制施工升降机 1488336结论 1621783参考文献 171引言当前,中国现代化和智能化国家的管理体制和管理能力依然高歌猛进,但随着"创新型、协同、绿化、开放式、资源共享"等国家理念的日渐深刻民心，当前智能网络强国战略方针、国家大数据战略方针、“互联网+”战略行动计划的实行和建设数字化中国理念的不断稳步发展，城市被给予了新的内在意义和新的需求，导致了旧时代所理解的智慧城市向新时代智慧城市演进，更将绝无仅有的发展机遇带给了新型智慧城市建设。在目前中国社会发展的情况下，所有高级城市在谋求发展的过程中将必须承载越来越多人口增长的负担。一直到目前为止，这个时间点上正是我国正加速发展城镇化的最重要的时间，还有部分地区的“城市病”状态特别突出。为了破除这些阻碍城市发展前进的难题，达到可持续发展的理念，建设智慧城镇已成为城市发展中重要的一个过度点，为进一步发展经济奠定了坚实的基础。在智能城市建设中，智能控制技术的运用是至关重要的。不论是在工业领域的应用，或者是在生活交通方面的应用，目前，智能控制技术已经得到了越来越多的应用，其中包括模糊控制、神经网络等。本文主要对智能控制技术相关文献进行综述，探讨其理论及应用情况。

2智能控制及其应用2.1智能控制概述自二十世纪六十年代开始，人们对智能控制的概念进行了研究。“智能控制”这个术语是由美国的莱昂德斯在1967年正式采用的。早期的智能控制系统主要是依靠模式识别、学习等一些相对原始的智能方式，但发展的很慢。英国马丹尼于1975年将模糊逻辑和模糊关系引入到工业控制领域，并对其进行了大量的理论与实践。由于ANN在80年代中期的重新出现，在控制方面的研究人员不断地提出并发展了一种新的神经网络控制方法，这些方法具有非线性逼近、自学习和容错性。在过去的十多年里，由于控制手段与技术的进步，智能控制技术得到了广泛的应用。2.2温室大棚智能控制系统我国的温室建设起步较晚，上世纪六十年代初才出现简易的塑料大棚，到70年代末，才有了新的绿色日光温室。80年代是日光温室规模发展期。经过长期慢慢的发展，我国的温室大棚从自家小菜园用的小型大棚，慢慢发展到大型的农作物种植需要的大田地类型的那种大规模温室大棚。现在温室大棚的市场打开，以及农作物的需求变高，温室大棚在国内开始广泛应用。为了应对新市场，温室大棚现在也逐渐往这现代化智能化方向发展。目前，我国的温室大棚已经过了几年的发展，中国的温室面积位居世界之首，而中国的温室生产水平还不够高，中国的温室大棚还是处于落后的自动、机械化较低的程度。经过改革开放以来的发展，在中国应用较多的是日光型的温室大棚，高度自动化的现代温室发展还是没有起来，设备还是简陋的，没法做到自动化，需要人工来对大棚的环境进行测量与调节，并且我国居民所用的单个温室的面积较小。发展田地用农作物种植的大规模的自动化智能化温室大棚是我过现在温室大棚主要的发展方向。国外相对于国内，智能温室大棚发展的较早，每个国家的智能温室大棚的类型主要是根据国家内气候的不同而采用不同类型与材质的智能温室大棚，比如加拿大，加拿大纬度较高，国内北部地区基本上常年被冰雪覆盖，因此，其北部的智能温室大棚对于保温加热的要求比较高，所以其主要选择玻璃温室与双层重启薄膜温室，但因为玻璃材质的智能温室大棚维护与运行的成本较高，所以在加拿大北部主要都是选用的双层充气薄膜材质的温室大棚来降低成本与提高保温的效果。另一个智能温室大棚技术走在时代前沿的国家是荷兰，荷兰主要种植观赏性的植物，因此对于生长环境的要求比较高，所以就导致其对于智能温室大棚的精度较高，长期下来，导致荷兰的智能温室大棚的特点就是机械化、自动化程度高，基本上都是通过电脑进行智能化的控制，并进行了信息化的管理。因为荷兰现在主要出口花等观赏性植物，因此其在智能温室大棚上一直不停的更新新设备、新技术，所以荷兰现在是世界上的智能温室大棚技术相当前沿的国家。2.3智能路灯系统智能路灯系统于八十年代末期进入中国国内,但开始时进展相对较慢。一九八九年常州人民政府还对原县城的路灯实施了改建与革新,以适应了原县城路灯变革的需要,方向十分正确。但是由于当时路灯智能化技术并没在国内实现。所以到一九九零年,上海、北京等路灯科研单位还召开了智能化监控路灯的可行性研讨会,为未来路灯系统的研究发展趋势明确了方向,为今后的研究工作奠定了宝贵的经验与理论基石,以及此后路灯监控系统的进展也开始迅速。在一九九三年上海路灯监测管理系统的研发取得成功,具备了遥测、遥信、遥调等多项功用,并顺利的投入到上海市内主要道路的路灯管理上继上海以后,广州市政府又针对当前城市管理的实际状况与要求,又引进了城市灯光监测管理系统RDD-3000。该管理系统除了可以进行遥测、遥信、遥调,操作方法也很灵巧可靠。特点有根据各地的经纬度手动监控的时候、以及远程监控路灯工作时的电流电压技术参数等。另外,该控制系统还拥有对行驶故障手动曝光、并可以精确提示故障位置、给出分析报表的多项功用。通过RDD-3000城市灯光监测系统,为城市照明工作、维护、扩展进行了全方位的解决方案与支持,标志着中国城市的照明运行管理水平达到了全新的高度。在二零零三年,长沙市首次利用了GPRS行动通讯技术对市区路灯进行了集中管理。此后,广西省柳州市政府又运用了GPRS技术并使用了更领先的路灯监测与管理系统。应该说由于移动通讯技术的迅速发展,集投资成本低、联网方法简便灵活、信息覆盖力强等特点众多优点于一身的GPRS无线通讯技术,目前已应用于城市路灯的监测系统中近年来,由上海龙创信恒技术公司开发的数字城市灯光系统(DCMS)在中国许多一二级城市获得了普遍的运用。该系统利用GPRS无线网络技术与监测管理中心实现数据通信,将监测终端用户直接设置于灯光终端用户上,以电力载波通信方式与集中控制设备实现联络。通过基站控制器接收、执行、转送监测管理中心的指令,并利用监测端口对各盏城市道路灯光实现开关调节和亮度调整,以进行更加灵活的远程管理。同时,集中控制器还能够利用内置输出界面完成对所有路灯回路的监测,以及利用监测端口监视每盏路灯的实际状况,还能够利用模拟量、数字量的输入输出界面,将现场的灯光、温度控制等信息及时反馈至监测中心,以完成对城市路灯照明技术控制系统的统一管理。

3模糊控制及其应用3.1模糊控制理论从1965年起，模糊控制学科不断发展，并成功地付诸实施。自那时以来，模糊的逻辑已成为专家、科学家和管理工程师研究的流行话题。尤其是在日本，在这方面，模糊控制的应用已经取得了空前的进展。目前，模糊理论及其应用在人们中越来越流行，其价值已被学术界，化学工业，机械，冶金，工业炉，水处理，食品生产等领域的各种专业研究人员所认可。它在该领域起着重要作用。可以简化系统硬件电路的设计，完美展示了有效控制大型系统，多用途系统，对于具有不确定的非线性系统和具有不确定性的系统。1979年，英国剑桥曼达尼，建立了一个控制蒸汽机的控制系统。到目前为止，对不确定性的监测已存在约30年。控制系统适应性和刚性有限，控制精度不高。自1979年以来，一直在努力改进对不明确情况的监测。1979年，T.J.Procky和E.H.就核查方法和核查理论的不确定性进行了多次讨论。控制水平不断提高和提高，产生各种自调节参数，自动调整，模糊控制器的研究，这大大提高了模糊系统的性能。在未来，在发展模糊的控制理论，将模糊的计算机与模糊的软件相结合，将成为制定新方法和形成新发展阶段的基础。关于中国的模糊控制理论和应用研究，李宝、刘治祥等对不定控制器的性能进行了连续的数字模拟，其中大多数是由著名的大学和研究机构举办的。自断路器的自动开发，研究抗蚀控制的稳定性问题，主要用于工业炉、机床、造纸机等。近年来，模糊性控制已渗透到消费电子领域。3.2模糊控制插秧机农机的轨迹轨迹自动控制是以农机的运动和动态的数学模型为基础，使用PID、滑模控制、纯追踪算法、人工神经网络、模糊控制、模型预测控制MPC等现代控制理论与方法，最终实现农机自动导航路径跟踪控制。YoshisadaNagasaka等通过GPS与IMU(InertialMeasurementUnit)技术进行组合，建立了插秧机自动导航平台，并使用单一的PID算法计算出期望前轮转角。由于插秧机工作环境复杂，该方法会导致插秧机路径跟踪控制精度不高。现场实验结果显示，在0.5米/秒的平均车速下，S型轨迹轨迹的最大侧向偏离值为18cm，横向偏差为5cm。罗锡文等利用了利用RTK-DGPS(Real-TimeKinematicandDifferenceGlobalPositioningSystem)技术开发出了拖拉机自动导航系统。设计了由PID算法控制的液压转向控制系统，同时设计出PID算法的导航控制器。PID算法的参数根据动态响应特性确定，鲁棒性一般。现场实测结果显示，当牵引车以0.8米/秒的速度运行时，其最大侧向偏离值最大值为15厘米，横向误差为3厘米。熊中刚等提出一种免疫模糊PID的农业机械路径跟踪控制方法。在此基础上，提出了一种利用双激光源定位技术、电子罗盘、角度传感器等技术实现农机自主导航的新技术。结果表明，插秧机在平整的水泥路面上行驶，行驶速度为1m/s时，直线轨迹追踪的平均水平偏差分别为0.84厘米、最大值4厘米、曲线轨迹追踪和最大水平误差分别为12厘米和60厘米。张雁等人设计了一种PD模糊控制系统。首先，利用水稻直播机械的运动特性，建立了一种基于网络的链状空间状态数学模型。之后，根据该链式空间状态模型设计出模糊控制自适应调整参数的PD控制器，因此，参数整定比较复杂，需要改进的是鲁棒性。现场实验结果显示，该方法的最大横向误差为20厘米，最大误差为4厘米。纯追踪算法原理是通过模拟人驾驶行为的几何模型与简化后的二轮车模型相结合实现路径跟踪控制。由于该方法涉及到的参数较少，算法实现简单，但合适的前视距离的调整较为繁琐。黄沛探等人利用BP神经网络和单纯跟踪模型，研究了一种用于农田机头转向控制的新方法。针对目前农机的轨迹跟踪误差，采用BP神经网络动态调节前视距离，实现了对地面转弯的控制。但其路径跟踪效果取决于训练样本的质量，并且泛化能力弱。仿真试验表明，农机不但可以迅速地接近预定的预定路线，而且在转换过程中不会出现大的振动，但未进行田间试验进行验证该方法的有效性。李逃昌等人在此基础上，建立了一种利用模糊控制和纯粹跟踪的数学模型来实现农业机械的轨迹跟踪。该方法与上述黄沛探等使用的方法思路相类似，通过建立出在不同误差条件下输出较合适的前视距离的模糊控制器，来自适应调整纯追踪算法的前视距离。试验表明，最大水平偏差不大于1Ocm，横向误差在5cm以内，但并未说明具体的试验条件。李革等提出了一种前视距离自调整的纯追踪算法，用以满足曲线路径跟踪要求。该算法根据建立以车辆速度和路径弯曲程度为输入前视距离为输出的函数来动态调整前视距离。试验表明，插秧机行驶速度为1m/s时，最大横向误差在15cm以下。MehmetBodu等开发了一种基于期望路径上的两个前瞻参考点(2-LARD)的简单自动路径跟踪系统，并考虑了相当大的滑移影响，采用的前瞻性参考点提供补偿离心力并减少了横向偏差在转弯过程中的峰值。仿真试验表明，峰值横向偏差在转弯过程中减少到单一LARK误差的五分之一。但并未进行田间试验验证。王辉等人研究了一种基于前瞄准跟踪模型的农业机械导航轨迹跟踪控制算法。本文提出了一种基于小角线性化的农业机械运动模型的求解算法，并分三步来证明该方法的可行性。田间试验结果表明，当牵引车以1米/S的速度运行时，其直线轨迹的最大横向偏离值不大于4.23厘米。横向偏差绝对值为lcm。AlexeySMatveev等针对农用拖拉机存在滑移的情况，在此基础上，给出了两种轨迹追踪的控制策略。一种是单纯的滑模控制，一种是光滑的非线性控制律，同时给出了对于非线性滑模控制的全局收敛性与鲁棒稳定性的数学严密证明。仿真研究表明，与纯滑模控制器相比，非线性控制器产生更稳定的轨迹和更好的控制效果。试验表明，拖拉机在以1.9km/h对S形路径进行路径跟踪时的最大横向误差为40cm。JavadTaghia等针对拖拉机在路径跟踪过程中的前后轮存在横向与纵向滑移的问题，提出并开发了一种提出并开发了一种带非线性扰动观测器的滑模控制器。使用运动学模型推导出的偏置模型设计了控制器。通过对牵引车的运动学和动态特性的分析，证明了该控制器的运动特性。在大田实验中，拖拉机直线路径跟踪时横向偏差均方根为6.59cm，横向偏差标准差为4.23cm，在全轨迹跟踪的情况下，横向偏差平均为12.5厘米，横向误差为11.8厘米。张硕等为研究速度对轨迹跟踪的稳定性的影响，采用了一种以侧向偏移和偏移为基础的双目标滑模控制方案。在此基础上，对牵引车进行了运动学分析，得到了侧向滑模和侧向角度的滑模控制器。并将该两者输出的控制量建立联合滑膜控制策略来输出最后的控制量。田间试验表明，在拖拉机直线路径跟踪时，横向偏差在10.6cm以下，平均横向偏差为3.5cm。MPC算法依赖于所控制车辆的动力学模型，可以以中等的复杂性实现高度精确的控制操作，并且允许在有限的时域中进行滚动优化，提高了控制精度，然而，这种方法难以降低算法的运算速度，同时又不会对系统的性能造成影响。导致实时性较差。MogensM.G.P.等开发了一种低速行驶下拖拉机自动导航系统，使用线性时变模型预测控制来实现路径跟踪控制，并设计出与之相对应的生成离线参考路径的方法。其建立的MPC算法路径跟踪精度取决于建立的动力学模型的是否精准。仿真试验表明，U型轨迹轨迹的横向偏移误差为2.2厘米，但并没有在野外进行测试。李逃昌等人提出了一种不依赖于行车速度的农业机械轨迹追踪算法。首先，利用线性反馈理论，将非线性模型转换成线性模型，之后使用LQR(linearquadraticregulator)设计出最优控制律。该方法稳定性与鲁棒性取决于所建立的动力学模型是否准确。现场实验结果显示，该方法的轨迹追踪精度分别为4cm和7cm。优化控制算法一般将待控制目标简化成线性时不变系统，在没有外部干扰的条件下，其控制精度达到了很高的要求，但插秧机工作田间条件复杂多变，因此，存在外部干扰导致该方法稳定性差。段贤强等提出一种变速条件下农业机械路径跟踪稳定控制方法。该方法采用链式系统将非线性农业机械运动模型转换为线性的链式系统，并对误差项进行组合得出控制律。之后，对农机在平衡位置小范围的稳定性分析，得到了此控制规律下的转速区间。最后，对所设计的控制律进行了参数优化，使农用机械在平衡点的小幅度稳定状态不受转速影响。控制方法的稳定性与鲁棒性取决于线性化方法所实现的精度。田间试验表明，农机运行时，其运行速度可达到0.4~2米/秒，其横向最大偏差为4.7厘米，最大水平偏差为12.8厘米。从根本上说，模糊控制是一种以精确的输入数据为基础的非线性控制，通过专家经验建立的控制规则库来输出控制量。因此，它能使复杂的控制系统的设计变得简单，尤其适合于时变、非线性、模型不完全、滞后等。但控制误差的输入变量在“误差零点”附近时，此时所使用到的模糊规则数目变少，因此使用的模糊控制系统的精度不高。孟庆宽等人在此基础上，研究了一种新的基于微粒群算法的模糊控制方法。该系统采用改进的微粒群优化方法，对其进行优化设计，使其具有较好的适应性。粒子群算法在线进行参数优化会对该控制算法的实时性产生影响。田间试验结果表示，在插秧机直线路径跟踪行驶速度为0.8m/s时，横向误差差在4.2cm以下，曲线路径跟踪横向偏差在5.9cm以下。尹俊楠等提出一种速度自适应路径跟踪算法，利用模糊控制根据速度偏差自适应调整前视距离，有较好的稳定性和鲁棒性。试验结果表明，插秧机在水田作业时平均横向偏差小于6cm。在上述路径跟踪控制研究中，均使用单个算法实现整个路径跟踪过程。但是设计出一个既能精确跟踪直线路径又能准确跟踪曲线路径的控制器是较为困难的。在插秧机作业过程中，进一步提高直线路径跟踪的性能要比在非种植区域高精度跟踪圆形路径要更为重要，因此一个根据预定义路径的不同自适应选择不同的路径跟踪方法的决策控制器是一种合理的解决方案，其中，一个跟踪精度高的直线路径跟踪控制算法是重要组成部分。另外，插秧机工作环境为水田，在水田进行路径跟踪时存在许多不确定因素，则需要该路径跟踪控制算法具备较好的鲁棒性。

4神经网络控制及其应用4.1神经网络控制理论1943年，麦克卡洛和皮茨首先提出了一种基于阈值逻辑的神经网络模型，并在一定程度上得到了数学上的支持。在此基础上，越来越多的学者开始研究神经网络。1962年，Rosenblatt提出了“知觉收敛论”，这说明了一种单纯的知觉机器存在着限制，也就是它不能进行XOR的操作。从那时起，学者们就一直在努力解决这个问题。在1974年，Werbos提出了一种多层感知器（多层前馈网络）的逆向传输算法。此后，对神经网络的研究也不断深入。现代神经网络的基础结构是由生物神经网络发展而来。有机体的脑部有亿万个神经元，这些神经元彼此相连，组成了一个巨大的神经网络。每一种神经细胞都能从其它神经元中接受到信号，然后经过自己的加工，再通过轴突发出信号，最后再由突触向下一神经元传输。BP网络包括输入层、输出层和隐藏层。在网络的分类和识别方面，引入了隐藏层，使得网络具有更好的处理非线性问题的能力。在由输入层到隐藏层、输出层的节点中，每个节点均为完全连通，每个节点对应一个权重。BP神经网络的训练分为正向和逆向两个阶段。在正向传播过程中，对输入矢量集进行分层操作，获得各层次的输出矢量，并对各层次进行相应的处理；在逆向传输过程中，通过对输出矢量和标准矢量进行比较，利用梯度递减算法从输出层到输入层进行错误的计算，并通过误差来调节节点的连接权值。利用不同的输入矢量和标记，对网络进行反复的训练，直到网络的准确率达到预定的程度。BP神经网络具有较好的非线性分类能力，具有较强的适应性，可以根据实际情况自动设置网络的中间层数和每个层次的神经元数量。但由于中间层数目和神经元数目的选取没有一个清晰的理论依据，使得在实际应用时，往往要经过多次试验才能得到最优的结果，这种“随机性”给研究人员和用户造成了很大的困难。BP神经网络是一种完全连通性的网络结构，因此在具有大量中间层神经元的情况下，网络的参量会很大，从而降低了网络的训练效率。同时，该方法也有可能陷入局部最小的问题。此外，由于将多维向量转换成一维矢量，将其输入到网络中进行运算，因此BP网络对多维向量（例如二维图像）的支持也是有限的。这些缺点使BP网络在实际中的应用受到很大的限制。4.2神经网络诊断方法随着智能计算机和故障诊断技术的快速发展，人工神经网络正日益引起人们的重视。神经网络是一种与人体神经系统相似的信息处理技术。神经网络最初是由W.麦克洛赫和W.皮茨提出的，经过不断的发展和研究，逐渐在信息、医药、经济、交通等方面得到了广泛的应用，并在机器的故障诊断中得到了广泛的应用。陈保家等人利用CNN-LSTM技术，实现了滚动轴承振动信号的识别与识别，从而实现了滚动轴承故障类型的精确识别。王英洁等人提出了基于Elman神经网络的改进方法，以解决变压器损伤诊断中的难点问题，使其在处理动态信息方面的能力得到了极大的提高，并在实际中证明了这种新的方法可以用于变压器常见的故障诊断。王力等人将神经网络引入到仿真电路中，并将其引入到BP神经网络的优化中。该方法可有效地解决模拟电路的渐变特性和识别困难，为仿真电路的故障诊断开辟了一条新途径。本文应用四种不同的信号处理技术，分别对滚动轴承的振动信号进行了分析，提出了一种基于深度玻尔兹曼机（DBM）、堆栈自动编码（SAE）、DBN(DivisionNetwork,SAE）、DigitalNetwork(DBN)，为滚动轴承的故障检测开辟了一条新的途径。Lei的优势在于，他知道长期和短期的记忆神经元网络都有存储信号的时间序列，通过对风电机组现场实测资料的分析，证明了所建模型的正确性和可行性。Hoang等综合评估了ANN模型的结构和适应性，并对其进行了试验，得出了其性能及排放特征。张勇等提出一种新的基于卷积神经网络的仿真线路故障诊断方法。本文提出了一种基于全球平均数据的卷积神经网络，用于特征提取与断层分类。近年来，许多学者和专家在交通运输中得到了广泛的应用。例如，对于目前的城市轨道交通车辆的受电弓，已无法满足目前的检修需求，在神经网络中应用了主元分析法，并进行了试验，结果表明，这种方法具有较高的精度和较少的时间。本文介绍了BP神经网络用于高速铁路无碴铁路的损伤识别，并利用BP神经网络对大面积、小范围的缺陷进行了检测，并对其进行了抗噪性分析。4.3神经网络系统随着现代工业生产过程的日益复杂，传统的现代控制理论也日益暴露出其不足。由于受控系统的不确定性、非线性等特点，传统的控制方法很难达到，所以如何把经典的现代控制理论运用到现实中去，成为当前的一个热门课题。神经网络具有模仿人类大脑的功能和智能的特点，在现代的控制系统中得到了广泛的应用。神经网络控制是一种将神经网络与现代控制技术相结合而产生的一种全新的控制理论和方法，已在自动化领域中得到了广泛的应用。现在已经形成了一个独立的学科。神经网路自我修正控制。该方法能有效地解决传统PID控制的不足，尤其适合于工业生产中的实际应用。这种算法无需预先了解未知物体的具体形态，仅需输入一个简单的非线性函数就可以获得较好的近似结果。然后根据实际操作中的不同条件，对其进行调整。本文将以上所提出的方法应用于一种带有控制系统的模拟。PID神经网络控制。PID各控制量是相互协作、相互制约的关系，但这种关系并非简单的“线性组合”，因此，传统PID控制方法已无法适应现代工业控制的发展。在这种情况下，ANN是一种行之有效的解决方案。随着计算机技术、微电子技术和通讯技术的迅速发展，对控制精度的要求也日益提高。怎样才能使系统的准确性更上一层楼？传统PID控制方法已无法适应现代工业控制的发展。智能控制技术的出现和发展很快。论文从模型辨识、误差补偿、自适应控制三个方面对神经网络进行了研究。由于神经网络自身的优势，使得其在PID控制系统中的应用前景十分广阔。本论文采用神经网络的方法来解决系统的控制问题。新的控制策略应运而生。在PID控制器中引入了神经网络，并在此基础上进行了PID控制器的设计。在此基础上，对传统PID参数的整定流程和影响因素进行了分析，并对其进行了建模。5智能控制技术在电气工程自动化领域的应用情况5.1卷积神经网络的应用深度学习是目前人工智能研究的热点，它在机器学习和计算机视觉方面取得了重大突破。许多公司和大学纷纷投入到深度学习的研究中去，比如AlphaGo击败了围棋冠军，就是以谷歌的深度学习技术为基础的，微软、Facebook、NVIDIA等公司都在专注于深度学习。在深度学习中，卷积神经网络由于其权重共享、能够提取区域特征等优点，在自动驾驶、医疗、目标检测等方面得到了广泛的应用。在大型视觉挑战中，利用深度卷积神经网络进行图像识别，可以获得较好的效果。深度卷积神经网络理论起源于20世纪60年代生物学家Hubel以及Wiesel的生物学研究，有研究显示，视觉讯息是由多个层面的感觉区从视网膜传送至大脑。它是一种比较成熟的深度学习技术，它已经广泛地应用于人脸识别，自动驾驶，自然语言处理等各个方面。深度卷积神经网络是一种前向神经网络，它的网络中含有许多加权参数。例如，一个经典的AlexNet的深度卷积神经网络，其权重为6千万，要进行7亿2千万次的乘法运算。而在整个卷积层中，存在着大量的并行操作通道，这就需要大量的硬件并行计算能力。计算机硬件的性能在最近几年有了很大的提高，但是面向一般计算的CPU，其串口结构对卷积神经网络的计算效率不高。由于图形处理器是一种多核心并行的处理器，它适用于高运算、高并行性的工作，因此在卷积神经网络的学习与推理中得到了广泛的应用。对于像自动驾驶这样的人工智能应用，其功耗和延迟都是非常高的。作为一种可重构的硬件，现场可编程门阵列具有很强的并行能力，它的高带宽使得FPGA能够满足对数据进行实时处理的要求，适用于深度卷神经网络的逻辑推理。当CPU用的晶体管已经发展到7nm时，摩尔定律已经停止了，处理器很难在运算能力和能量消耗上满足快速增长的数据处理要求。FPGA是一种特殊的可编程处理器，它可以用它产生的硬件电路进行并行运算，具有比其它处理器更低的功耗和更高的运算速度。因此，在实际的汽车驾驶、行人检测等领域，都需要将深度卷积神经网络技术应用到具有低功耗、低延时性能的嵌入式设备中，而嵌入式系统相对于云端系统来说，其运算速度和存储速度都是十分有限的，因此，深入卷积神经网络技术的研究对于人工智能的应用有着重要的意义。5.2智能控制施工升降机近年来，我国市场上的主要施工电梯类型多为SC型，其工作速度可达40米/分、60米/分、80米/分、96米/分。随着变频技术的不断发展，变频器越来越多地被用于施工电梯中，专业驾驶员利用操纵杆对变频器进行控制，从而达到升降平层的控制，从而使施工电梯在工作、刹车过程中更顺畅，降低了机器的机械振动及碰撞；施工电梯的吊笼门使用固定的滑轮和平衡块，以减轻工人在操作时的推拉力和推拉力，保证吊笼的平稳运转；在少量的施工升降机上安装了辅助平层设备，利用编码器将定位信息反馈给专业驾驶员，实现辅助平层，提高了平层的精确度；本工程电梯装有重量传感器和风速计，用以测试电梯的重量和使用条件。目前，在国外，智能施工电梯的发展比较成熟，以Alimak和Scanclimbe为代表，他们的建筑电梯使用了较为成熟的智能驾驶技术。与传统的施工电梯相比，采用智能驾驶技术的施工电梯不需要专业的司机来操作，由工人在电梯内通过触摸屏进行选层，每个楼层都安装了外呼设备，操作简单，在吊笼的上下两侧安装了避障装置，可以确保电梯在工作时出现任何障碍物，并发出警告。近年来，我国开始对智能化施工电梯进行了大量的研究，李碧玉在工程电梯的自动驾驶方面做了一些尝试，并提出了一种以PLC为核心的新型施工电梯系统。赵逸智研究了施工电梯的排程算法，利用PLC和LABVIEW软件，对电梯的自动控制进行了设计。曹玉超研究了施工电梯并联调度的算法，利用PLC和单片机实现了对电梯的调度方案的试验验证。罗彦铭主要从事建筑电梯的安全监测，利用SQL数据库和B/S网络体系结构，实现了电梯的远程实时监测。王阳涛在工程实践中开发了一套ARM型电梯监测系统，并在吴海涛的指导下，运用BP神经网络进行了施工电梯的自动平层控制，并获得了良好的控制效果。在建筑行业，中联重科对其传统的施工电梯进行了全面的改造，开发的智能控制施工电梯不需要专业的驾驶员，并将自动平层、自动应答、远程监控等智能技术，实现了产品智能化作业。山东大汉建设机械有限公司、南京高立机械有限公司、广州市特威机械有限公司、广州市特威机械有限公司等国内多家企业，通过对原有的施工电梯进行改造，研制出了第一代智能控制电梯，并在成都、北京、武汉等地进行了小型试验，在实际应用中取得了较好的效果。6结论总而言之，本文概括了智能控制的概况，对其在温室大棚以及路灯方面的应用情况进行综述；对模糊控制理论进行分析，对其在农业领域的应用进行详细总结；本文主要研究了神经网络的控制原理，讨论了神经网络的损伤诊断方法，以及神经网络的研究进展。最后，对智能控制技术在电力自动化领域的应用进行了讨论。总之，本论文对智能控制技术作了一个全面的归纳与分析，有一定的借鉴意义。

参考文献[1]陈国华,万元芳.智能控制技术在工程机械控制中的应用[J].科技风,2018(18):1.[2]张广宁.智能控制技术在机电一体化系统中的应用[J].职业,2018(9):2.[3]张东东.智能控制技术在煤矿机电设备中的相关运用分析[J].工程技术研究,2022,4(8):70-72.[4]赵传生.智能控制技术在机电一体化系统中的应用[J].中国设备工程,2018(6):2.[5]刘志学.温室大棚的智能控制及安装应用[J].中国农业资源与区划,2022,43(4):2.[6]刘璐,刘光伟.关于物联网的设施农业温室大棚智能控制系统的研究[J].科技资讯,2018,16(24):2.[7]向绪友,周超,钟旭.温室大棚智能控制系统标准研究综述[J].湖南农业科学,2018(9):4.[8]胡天让,张旭红,陈岩.基于物联网技术的温室大棚智能控制系统设计分析[J].石河子科技,2020(006):000.[9]孙硕硕,郭刘飞,徐志业,等.智能温室大棚控制系统设计[J].黄河科技学院学报,2019.[10]张少夫.一种智能路灯照明控制系统的设计与实现[J].智能建筑与智慧城市,2018(6):2.[11]曲宇宁,常青,葛宇,等.模糊PID控制在智能路灯控制系统的应用研究[J].电源技术,2018,42(3):3.[12]孙天意,薛松,赵婧含,等.太阳能路灯智能控制系统设计[J].科学技术创新,2018(14):2.[13]赵晓梅.智能路灯控制系统的研究与设计[J].灯与照明,2022,46(3):4.[14]赵蕗颖,吴宝凯指导.智能路灯