有關人工智能的論文(2)
有關人工智能的論文
人工智能的論文篇二
基于人工智能的電氣智能控制技術研究
[摘 要]人工智能技術在電氣智能控制中有廣大的發展空間，能有效促進電電氣智能控制技術的發展及應用。本文主要分析了人工智能控制技術的優勢及其相應的控制方法、優化算法等，并以基于遺傳算法的電機控制系統的PID參數優化為例，對人工智能技術提高電氣控制技術進行了實例論證。研究結果表明：人工智能技術能夠提高電氣智能控制水平。
[關鍵詞]人工智能;電氣工程;智能控制;遺傳算法
中圖分類號：S258 文獻標識碼：A 文章編號：1009-914X(2015)16-0344-01
引言
近年來，人工智能在電氣智能控制方面應用已經越來越廣泛、深入[1]。例如：基于人工智能的故障的診斷和預測、電氣產品設計優化和保護與控制等領域。電氣產品的設計隨著計算機技術的發展，逐漸由手工設計向計算機輔助設計不斷轉變，，尤其是在引進了人工智能技術之后，大大提高了設計產品的質量和效率[2]。人工智能技術在電氣設計方面的應用主要包括專家系統和遺傳算法。其中的遺傳算法是一種優化的先進算法，在產品的設計優化上有舉足輕重的作用[3]。因此電氣產品的人工智能化設計很多都采用了這種方式進行優化。
本文中，主要以遺傳算法在電氣智能化控制領域的應用為例，分析基于人工智能的電氣智能控制技術。
1 人工智能控制器的優勢
人工智能控制的主要優勢[4]在于：(1)它們的設計不需要控制對象的模型;(2)通過適當調整(根據響應時間、下降時間、魯棒性能等)它們能提高性能;(3)比古典控制器的調節容易;(4)在沒有必須專家知識時，通過響應數據也能設計它們;(5)運用語言和響應信息可能設計它們;(6)它們對新數據或新信息具有很好的適應性。
2 人工智能控制技術的主要方法及優化算法
2.1 人工智能控制技術的主要方法
(1)模糊控制
模糊控制系統是以模糊數學、模糊語言形式的知識表示以及模糊邏輯的推理規則為理論基礎，采用計算機控制技術構成的一種具有反饋通道的閉環結構的數字控制系統[5]。
(2)專家控制
專家控制是將專家系統的理論技術與控制理論技術相結合，仿效專家的經驗，實現對系統控制的一種智能控制。專家控制可以靈活地選取控制率，靈活性高。通過專家規則，系統可以在非線性、大偏差的情況下可靠地工作，魯棒性強[1]。
(3)神經網絡控制
神經網絡模擬人腦神經元的活動，利用神經元之間的聯結與權值的分布來表示特定的信息，通過不斷修正連接的權值進行自我學習，以逼近理論為依據進行神經網絡建模，并以直接自校正控制、間接自校正控制、神經網絡預測控制等方式實現智能控制[3]。
(4)集成智能控制
智能控制技術的集成包括兩方面：一方面是將幾種智能控制方法或機理融合在一起，構成高級混合智能控制系統;另一方面是將智能控制技術與傳統控制理論結合，形成智能復合型控制器。
2.2 人工智能控制技術常用的優化算法
(1)遺傳算法
遺傳算法依照所選擇的適配值函數，通過遺傳中的復制、交叉及變異對個體進行篩選，使適配值高的個體被保留下來，組成新的群體，新群體既繼承了上一代的信息，又優于上一代，這樣周而復始，群體中個體適應度不斷提高，直到滿足一定的條件[7]。
(2)蟻群算法
蟻群算法是群體智能的典型實現，是一種基于種群尋優的啟發式搜索算法。蟻群算法的基本思想：當一只螞蟻在給定點進行路徑選擇時。被先行螞蟻選擇次數越多的路徑。被選中的概率越大[6]。
3 電動機控制中的遺傳算法PID參數優化
本文以直流電動機系統進行了仿真驗證，使用了具有突出尋優能力和計算簡單的遺傳算法進行參數整定，并通過Matlab編程進行參數尋優，整定出的參數使性能指標達到最優。
(1)參數的確定及表示
首先確定參數范圍，該范圍一般是由用戶給定的，然后由精度的要求，對其進行編碼。選取二進制字串表示每一個參數，并建立與參數間的關系。再把二進制串連起來就組成一個長的二進制字串，該字串為遺傳算法可以操作的對象。
(2)選取初始種群
因為需要編程來實現各過程，所以采用計算機隨機產生初始種群。針對二進制編碼而言，先產生0～1之間均勻分布的隨機數，然后規定產生的隨機數0～0.5之間代表0，0.5～1之間代表1。此外，考慮到計算的復雜程度來規定種群的大小。
(3)適應度函數的確定
在實際應用中會因系統中固有的飽和特性而導致系統不穩定，為了防止控制能量過大，在目標函數中加入控制量。因此為了使控制效果更好，本文給出了包含控制量、誤差和上升時間作為約束條件的目標函數。因為適應度函數同目標函數相關，所以目標函數確定后，直接將其倒數作為適應度函數進行參數尋優。最優的控制參數也就是在滿足約束條件下使最大時，所對應的控制器參數。
(4)優化步驟
下面就可以編程使用遺傳算法對PID參數進行尋優。利用遺傳算法優化Kp、Ki、Kd的具體步驟如下：
①確定每個參數的大致范圍和編碼長度，進行編碼;
②隨機產生n個個體構成初始種群P(0);
③將種群中各個體解碼成對應的參數值，用此參數求代價函數值J 及適應度函數值，;
④應用復制、交叉和變異算子對種群P(t)進行操作，產生下一代種群P(t+1);
⑤重復步驟③和④，直至參數收斂或達到預定的指標。
試驗的電機性能參數如下：
La電機電感0.24mH=0.00024H
Ra電機電阻2.32Ω
Cm電動機的轉距常數23.2mN・m/A=0.0232N・m/A
Ce為電動勢常數
Jm轉子以及電動機轉軸相連的負載總的轉動慣量1.1×10-6kg・m2
Fm粘滯摩擦系數2.2×10-4kg・m2/s
根據被控電動機特性，建立電動機的連續傳遞函數模型為：
，。
遺傳算法中使用的樣本個數為30，參數Kp的取值范圍為[0，20]，Ki 、Kd 的取值范圍為[0，1]，取wl=0.999，w2=0.001，w3=100，w4=2.000。采用實數編碼方式，經過100代進化，獲得的優化參數如下：
簡單遺傳算法
Bestfi=0.1408
BestS=11.12200.03590.1276
Best_J=7.1034
改進遺傳算法
Bestfi=0.1358
BestS=8.91780.03050.5474
Best_J=7.2538
代價函數J的優化過程和采用整定后的PID控制階躍響應。
文章應用遺傳算法對電機的PID控制器參數進行了優化設計，得到了優化的PID控制參數，從響應曲線可以看出，應用改進后的遺傳算法電機響應速度加快，跟蹤性良好，控制效果明顯提高。
看了“人工智能的論文”的人還看了：
2.人工智能技術作文
3.人工智能作文