人工智能的發(fā)展的文章

　　摘要：本文論述了人工智能在電氣傳動(dòng)領(lǐng)域的發(fā)展概況。其中主要包括模糊控制、神經(jīng)網(wǎng)絡(luò)和遺傳算法的應(yīng)用特點(diǎn)及發(fā)展趨勢(shì)等

　　關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)控制 模糊神經(jīng)元控制 自適應(yīng)控制

　　一、引 言

　　人工智能控制技術(shù)一直沒能取代古典控制方法。但隨著現(xiàn)代控制理論的發(fā)展，控制器設(shè)計(jì)的常規(guī)技術(shù)正逐漸被廣泛使用的人工智能軟件技術(shù)(人工神經(jīng)網(wǎng)絡(luò)、模糊控制、模糊神經(jīng)網(wǎng)絡(luò)、遺傳算法等)所替代。這些方法的共同特點(diǎn)是：都需要不同數(shù)量和類型的必須的描述系統(tǒng)和特性的“a priori”知識(shí)。由于這些方法具有很多優(yōu)勢(shì)，因此工業(yè)界強(qiáng)烈希望開發(fā)、生產(chǎn)使用這些方法的系統(tǒng)，但又希望該系統(tǒng)實(shí)現(xiàn)簡(jiǎn)單、性能優(yōu)異。

　　由于控制簡(jiǎn)單，直流傳動(dòng)在過(guò)去得到了廣泛的使用。但由于它們眾所周知的限制以及DSP技術(shù)的進(jìn)步，直流傳動(dòng)正逐漸被高性能的交流傳動(dòng)所取代。但最近，許多廠商也推出了一些改進(jìn)的直流驅(qū)動(dòng)產(chǎn)品，但都沒有使用人工智能技術(shù)。具信使用人工智能的直流傳動(dòng)技術(shù)能得到進(jìn)一步的提高。

　　高性能的交流傳動(dòng)瞬態(tài)轉(zhuǎn)矩的控制性能類似于他勵(lì)直流電機(jī)的控制性能�，F(xiàn)有兩種高性能交流傳動(dòng)的控制方法：矢量控制(VC)和直接轉(zhuǎn)矩控制(DTC)。矢量控制是德國(guó)的研究人員在二十多年前提出的，現(xiàn)在已經(jīng)比較成熟，并已廣泛應(yīng)用，很多生產(chǎn)廠商都推出了他們的矢量控制交流傳動(dòng)產(chǎn)品，最近又大量推出了無(wú)速度傳感器的矢量控制產(chǎn)品。盡管在高性能驅(qū)動(dòng)產(chǎn)品中使用AI技術(shù)會(huì)極大地提高產(chǎn)品的性能，可是到目前為止只有兩個(gè)廠家在他們的產(chǎn)品中使用了人工智能(AI)控制器；直接轉(zhuǎn)矩控制是大約在十五年前由德國(guó)和日本的研究人員提出的，在過(guò)去十年中得到大量的研究，現(xiàn)在ABB公司已向市場(chǎng)推出了直接轉(zhuǎn)矩控制的傳動(dòng)產(chǎn)品，使得人們對(duì)直接轉(zhuǎn)矩控制的研究興趣增加，將來(lái)在直接轉(zhuǎn)矩控制中將會(huì)用到人工智能技術(shù)，并將完全地不需要常規(guī)的電機(jī)數(shù)學(xué)模型了。

　　英國(guó)CT公司(Control Technique plc)推出了世界上第一臺(tái)統(tǒng)一變頻器(Unidrive)，其他一些公司也推出了相應(yīng)的產(chǎn)品，現(xiàn)在這些產(chǎn)品都沒有使用人工智能技術(shù)，“統(tǒng)一”的概念完全依靠軟件實(shí)現(xiàn)，這就為軟計(jì)算技術(shù)的實(shí)現(xiàn)提供了條件。具信在將來(lái)統(tǒng)一變頻器將使用直接轉(zhuǎn)矩控制以及各種形式的矢量控制，單一使用直接轉(zhuǎn)矩控制技術(shù)的產(chǎn)品將遭到淘汰。本文也將討論人工智能在統(tǒng)一變頻器中運(yùn)用的一些方面，同時(shí)也包括AI控制器在VC和DTC中的運(yùn)用。

　　AI控制器能否工業(yè)運(yùn)用的關(guān)鍵一點(diǎn)是：實(shí)現(xiàn)這些控制器的硬件和軟件。大多數(shù)DSP控制的驅(qū)動(dòng)器都有足夠的計(jì)算能力實(shí)現(xiàn)人工智能的算法，并且都能得到大多數(shù)人工智能控制器軟計(jì)算所需要的信號(hào)。通過(guò)運(yùn)用適當(dāng)?shù)目刂撇呗裕�就能大大地減少計(jì)算和硬件的負(fù)擔(dān)，從而把注意力集中于提高驅(qū)動(dòng)器的性能、魯棒性和可靠性上面。

　　在將來(lái)，智能技術(shù)在電氣傳動(dòng)技術(shù)中占相當(dāng)重要的地位，特別是自適應(yīng)模糊神經(jīng)元控制器在性能傳動(dòng)產(chǎn)品中將得到廣泛應(yīng)用。但是，還有很多研究工作要做，現(xiàn)在還只有少數(shù)實(shí)際應(yīng)用的例子（學(xué)術(shù)研究組實(shí)現(xiàn)少，工業(yè)運(yùn)用的就更少了），大多數(shù)研究只給出了理論或仿真結(jié)果，因此，常規(guī)控制器在將來(lái)仍要使用相當(dāng)長(zhǎng)一段時(shí)間。

　　二、人工智能控制器的優(yōu)勢(shì)

　　文獻(xiàn)中，不同的人工智能控制通常用完全不同的方法去討論。但AI控制器例如：神經(jīng)、模糊、模糊神經(jīng)，以及遺傳算法都可看成一類非線性函數(shù)近似器。這樣的分類就能得到較好的總體理解，也有利于控制策略的統(tǒng)一開發(fā)。這些AI函數(shù)近似器比常規(guī)的函數(shù)估計(jì)器具有更多的優(yōu)勢(shì)，這些優(yōu)勢(shì)如下：

　�。�1）它們的設(shè)計(jì)不需要控制對(duì)象的模型（在許多場(chǎng)合，很難得到實(shí)際控制對(duì)象的精確動(dòng)態(tài)方程，實(shí)際控制對(duì)象的模型在控制器設(shè)計(jì)時(shí)往往有很多不確實(shí)性因素，例如：參數(shù)變化，非線性時(shí)，往往不知道）

　�。�2）通過(guò)適當(dāng)調(diào)整（根據(jù)響應(yīng)時(shí)間、下降時(shí)間、魯棒性能等）它們能提高性能。例如：模糊邏輯控制器的上升時(shí)間比最優(yōu)PID控制器快1.5倍，下降時(shí)間快3.5倍，過(guò)沖更小。

　　（3）它們比古典控制器的調(diào)節(jié)容易。

　�。�4）在沒有必須專家知識(shí)時(shí)，通過(guò)響應(yīng)數(shù)據(jù)也能設(shè)計(jì)它們。

　�。�5）運(yùn)用語(yǔ)言和響應(yīng)信息可能設(shè)計(jì)它們。

　　（6）它們有相當(dāng)好的一致性（當(dāng)使用一些新的未知輸入數(shù)據(jù)就能得到好的估計(jì)），與驅(qū)動(dòng)器的特性無(wú)關(guān)。現(xiàn)在沒有使用人工智能的控制算法對(duì)特定對(duì)象控制效果十分好，但對(duì)其他控制對(duì)象效果就不會(huì)一致性地好，因此對(duì)必須具體對(duì)象具體設(shè)計(jì)。

　�。�7）它們對(duì)新數(shù)據(jù)或新信息具有很好的適應(yīng)性。

　�。�8）它們能解決常規(guī)方法不能解決的問題。

　�。�9）它們具有很好的抗噪聲干擾能力。

　　（10）它們的實(shí)現(xiàn)十分便宜，特別是使用最小配置時(shí)。

　　（11）它們很容易擴(kuò)展和修改。

　　人工智能控制器可分為監(jiān)督、非監(jiān)督或增強(qiáng)學(xué)習(xí)型三種。常規(guī)的監(jiān)督學(xué)習(xí)型神經(jīng)網(wǎng)絡(luò)控制器的拓樸結(jié)構(gòu)和學(xué)習(xí)算法已經(jīng)定型，這就給這種結(jié)構(gòu)的控制器增加了限制，使得計(jì)算時(shí)間過(guò)長(zhǎng)，常規(guī)非人工智能學(xué)習(xí)算法的應(yīng)用效果不好。采用自適應(yīng)神經(jīng)網(wǎng)絡(luò)和試探法就能克服這些困難，加快學(xué)習(xí)過(guò)程的收斂速度。常規(guī)模糊控制器的規(guī)則初值和模糊規(guī)則表是既定“a－priori”型，這就使得調(diào)整困難，當(dāng)系統(tǒng)得不到“a－priori”（既定）信息時(shí)，整個(gè)系統(tǒng)就不能正常工作。而應(yīng)用自適應(yīng)AI控制器，例如使用自適應(yīng)模糊神經(jīng)控制器就能克服這些困難，并且用DSP比較容易實(shí)現(xiàn)這些控制器。

　　常規(guī)模糊邏輯控制器的設(shè)計(jì)經(jīng)常使用嘗試法。需要“a－priori”信息，如運(yùn)用自適應(yīng)智能控制器就不需要“a－priori”（a－priroi規(guī)則庫(kù)和隸屬函數(shù)）信息。值得注意的是，與常規(guī)非自適應(yīng)智能控制器相反，它根據(jù)輸入信號(hào)更新它的“參數(shù)”，換句話說(shuō)，它對(duì)變化的輸入信號(hào)具有適應(yīng)性。自適應(yīng)控制器分兩類：間接和直接控制器，間接自適應(yīng)人工智能控制器有一個(gè)實(shí)時(shí)辯識(shí)模型，用于控制器的設(shè)計(jì)，間接控制器在每個(gè)采樣周期需要采樣控制對(duì)象的輸入和輸出信號(hào)，辯識(shí)器和控制器有很多形式，而直接AI控制器用特性表來(lái)實(shí)現(xiàn)對(duì)控制對(duì)象的控制，這個(gè)特性表由兩個(gè)連續(xù)采樣周期間的誤差的變化量構(gòu)成，用來(lái)控制電流響應(yīng)。

　　如用模糊邏輯控制器，最簡(jiǎn)單的應(yīng)用可能是標(biāo)量因子的運(yùn)用。這種方法用現(xiàn)在的非自適應(yīng)驅(qū)動(dòng)器很容易實(shí)現(xiàn)，因而對(duì)工業(yè)界具有很大的吸引力。用改變隸屬函數(shù)形狀的方法可實(shí)現(xiàn)相似的效果。這種運(yùn)用也可能通過(guò)改變規(guī)則來(lái)實(shí)現(xiàn)，如用直接AI控制器來(lái)實(shí)現(xiàn)，就是自適應(yīng)控制器。它在每個(gè)采樣瞬間先使用上一個(gè)采樣周期采用的規(guī)則，如果得不到滿意的特性，就用新的規(guī)則替代，從而得到滿意的特性。

　　總而言之，當(dāng)采用自適應(yīng)模糊神經(jīng)控制器，規(guī)則庫(kù)和隸屬函數(shù)在模糊化和反模糊化過(guò)程中能夠自動(dòng)地實(shí)時(shí)確定。有很多方法來(lái)實(shí)現(xiàn)這個(gè)過(guò)程，但主要的目標(biāo)是使用系統(tǒng)技術(shù)實(shí)現(xiàn)穩(wěn)定的解，并且找到最簡(jiǎn)單的拓樸結(jié)構(gòu)配置，自學(xué)習(xí)迅速，收斂快速。

　　三、人工智能在電氣傳動(dòng)控制中的運(yùn)用

　　這一部分主要討論人工智能在交直流傳動(dòng)中運(yùn)用的進(jìn)展。值得指出的是這是一個(gè)廣闊的領(lǐng)域，在過(guò)去二年中，研究活動(dòng)極快的增長(zhǎng)，本文只是概括一下人工智能在電氣傳動(dòng)中的運(yùn)用這一領(lǐng)域的進(jìn)展，不可能覆蓋研究的每一個(gè)可能領(lǐng)域。AI控制器在直流傳動(dòng)中運(yùn)用的大多數(shù)研究集中于模糊邏輯應(yīng)用，在人工神經(jīng)網(wǎng)絡(luò)和其它智能控制的研究還很少。下面主要討論模糊、神經(jīng)元和模糊神經(jīng)元和模糊神經(jīng)元控制器在交直流傳動(dòng)中的應(yīng)用。

　　(一)人工智能在直流傳動(dòng)中的運(yùn)用

　　1.模糊邏輯控制應(yīng)用

　　主要有兩類模糊控制器，Mamdani和Sugeno型。到目前為止只有Mamdani模糊控制器用于調(diào)速控制系統(tǒng)中。限于篇幅本文不詳細(xì)討論其中的原因。值得注意的是這兩種控制器都有規(guī)則庫(kù)，它是一個(gè)if－then模糊規(guī)則集。但Sugeno控制器的典型規(guī)則是“如果X是A，并且y是B，那么Z=f(x,y)”。這里A和B是模糊集；Z=f(x,y)是x,y的函數(shù)，通常是輸入變量x,y的多項(xiàng)式。當(dāng)f是常數(shù)，就是零階Sugeno模型，因此Sugeno是Mamdani控制器的特例。

　　Mamdani控制器由下面四個(gè)主要部分組成：

　　（1）模糊化實(shí)現(xiàn)輸入變量的測(cè)量、量化和模糊化。隸屬函數(shù)有多種形式。

　�。�2）知識(shí)庫(kù)由數(shù)據(jù)庫(kù)和語(yǔ)言控制規(guī)則庫(kù)組成。開發(fā)規(guī)則庫(kù)的主要方法是：把專家的知識(shí)和經(jīng)歷用于應(yīng)用和控制目標(biāo)；建模操作器的控制行動(dòng)；建模過(guò)程；使用自適應(yīng)模糊控制器和人工神經(jīng)網(wǎng)絡(luò)推理機(jī)制。

　　（3）推理機(jī)是模糊控制器的核心，能模仿人的決策和推理模糊控制行為。

　�。�4）反模糊化實(shí)現(xiàn)量化和反模糊化。有很多反模糊化技術(shù)，例如，最大化反模糊化，中間平均技術(shù)等。

　　下面的表1由64個(gè)語(yǔ)言規(guī)則組成，是用于電氣傳動(dòng)控制系統(tǒng)的一種可能規(guī)則表這個(gè)規(guī)則表相當(dāng)大，實(shí)際應(yīng)用中往往進(jìn)行簡(jiǎn)化。在各種出版物中，介紹了許多被模糊化的控制器，但這應(yīng)與“充分模糊”控制器完全區(qū)分開來(lái)，“充分模糊”控制器才是完全意義上的模糊控制器，被模糊化的控制器易于實(shí)現(xiàn)，往往通過(guò)改造現(xiàn)有古典控制器得以實(shí)現(xiàn)，如被模糊化的PI控制器（FPIC）使用模糊邏輯改變控制器的比例、積分參數(shù)，從而使系統(tǒng)的性能得到提高（17），控制器參數(shù)的微小變化可能導(dǎo)致特性的極大提高，被模糊化的控制器參數(shù)調(diào)整方法如下：P（ti）=P（ti－1）＋kP＊CP，I（ti）=I（ti－1）＊CI。但如應(yīng)用“充分”模糊邏輯控制器，系統(tǒng)響應(yīng)遠(yuǎn)遠(yuǎn)優(yōu)于FPIC和最優(yōu)古典PI控制器，用于最優(yōu)化常規(guī)控制器的計(jì)算時(shí)間比模糊化控制器所需的時(shí)間多得多。因此，使用最小配置的FPIC控制器是可能的選擇之一，事實(shí)上，這也是用現(xiàn)有驅(qū)動(dòng)裝置實(shí)現(xiàn)的最簡(jiǎn)單方法。

　　在許多電氣傳動(dòng)文獻(xiàn)中，介紹了用模糊邏輯控制器替代古典PI控制器（主要是速度調(diào)節(jié)器）改進(jìn)系統(tǒng)響應(yīng)的方法�？墒�，文獻(xiàn)（18）詳細(xì)探討了模糊邏輯控制器用于三環(huán)直流電機(jī)控制系統(tǒng)中所有環(huán)節(jié)（速度、電流和勵(lì)磁）的設(shè)計(jì)和調(diào)整的方法。作者也介紹了PI和PD控制器，文獻(xiàn)（9）介紹了最小配置模糊控制用于直流傳動(dòng)中的可能性以及組合模糊控制器用于直流傳動(dòng)中得到滿意響應(yīng)的可能性。下節(jié)討論模糊神經(jīng)控制的直流傳動(dòng)裝置時(shí)，我們將討論這種速度和電樞電流調(diào)節(jié)器組合成單一控制器的情況。

　　2. ANNS的應(yīng)用

　　過(guò)去二十年，人工神經(jīng)網(wǎng)絡(luò)（ANNS）在模式識(shí)別和信號(hào)處理中得到廣泛運(yùn)用。由于ANNS有一致性的非線性函數(shù)估計(jì)器，因此它也可有效的運(yùn)用于電氣了傳動(dòng)控制領(lǐng)域，它們的優(yōu)勢(shì)是不需要被控系統(tǒng)的數(shù)學(xué)模型，一致性很好，對(duì)噪音不敏感。另外，由于ANNS的并行結(jié)構(gòu)，它很適合多傳感器輸入運(yùn)用，比如在條件監(jiān)控、診斷系統(tǒng)中能增強(qiáng)決策的可靠性，當(dāng)然，最近電氣傳動(dòng)朝著最小化傳感器數(shù)量方向發(fā)展，但有時(shí)，多傳感器可以減少系統(tǒng)對(duì)特殊傳感器缺陷的敏感性，不需要過(guò)高的精度，也不需要復(fù)雜的信號(hào)處理。

　　誤差反向傳播技術(shù)是多層前聵ANN最常用的學(xué)習(xí)技術(shù)。如果網(wǎng)絡(luò)有足夠多的隱藏層和隱藏結(jié)點(diǎn)以及適宜的激勵(lì)函數(shù)，多層ANN只能實(shí)現(xiàn)需要的映射，沒有直接的技術(shù)選擇最優(yōu)隱藏層、結(jié)點(diǎn)數(shù)和激勵(lì)函數(shù)，通常用嘗試法解決這個(gè)問題，反向傳播訓(xùn)練算法是基本的最快下降法，輸出結(jié)點(diǎn)的誤差反饋回網(wǎng)絡(luò)，用于權(quán)重調(diào)整，搜索最優(yōu)。輸出結(jié)點(diǎn)的權(quán)重調(diào)整迭代不同于隱藏結(jié)點(diǎn)的權(quán)重調(diào)整迭代。通過(guò)使用反向傳播技術(shù)，能得到需要的非線性函數(shù)近似值，該算法包括有學(xué)習(xí)速率參數(shù)，對(duì)網(wǎng)絡(luò)的特性有很大影響。

　　反向傳播算法是多層前聵ANN最廣泛使用的學(xué)習(xí)技術(shù)之一。但有時(shí)網(wǎng)絡(luò)的收斂速度很慢，改進(jìn)算法的開發(fā)是一個(gè)重要研究領(lǐng)域。英國(guó)Aberdeen大學(xué)在這方面取得過(guò)令人鼓舞的成績(jī)，他們把常規(guī)的反向傳播算法和其它AI技術(shù)結(jié)合起來(lái)，使得網(wǎng)絡(luò)快速收斂，魯棒性更好。他們還研究過(guò)基于AI技術(shù)的最優(yōu)拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)，但沒有現(xiàn)成理論用于最優(yōu)配置，Kolgomorov理論和其他理論也不適用，在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練劇中使用遺傳算法可能會(huì)提高收斂速度，遺傳算法是一種基于自然進(jìn)化和遺傳機(jī)理的統(tǒng)計(jì)搜索方法，它模仿自然界個(gè)體適者生存不適者淘汰的原理解決問題，每一代由染色體代表的(一套特征串類似于DNA中的染色體)許多個(gè)體組成，每個(gè)個(gè)體代表搜索空間的一個(gè)點(diǎn)和一個(gè)可能的解。值得注意的是在神經(jīng)模糊實(shí)現(xiàn)中，有時(shí)必須使用不同形式的反向傳播技術(shù)，而不是已知的標(biāo)準(zhǔn)形式。反向傳播技術(shù)是在線(Supervised)學(xué)習(xí)技術(shù)，需要充分的輸入－－輸出數(shù)據(jù)對(duì)，雖然這種限制也可以用另外的方法加以克服，但該方法是離線的。

　　日本和德國(guó)的研究人員試圖把ANNS用于控制電力變換器，但到目前為止沒有獲得滿意的結(jié)果，這也是一個(gè)很有趣的領(lǐng)域。主要的有待解決的障礙是學(xué)習(xí)階段時(shí)間花費(fèi)過(guò)長(zhǎng)，總而言之，問題的關(guān)鍵是要給變換器的控制器找到一個(gè)滿意的非線性函數(shù)近似器、得到期望的非線性輸入－－輸出映射。常規(guī)技術(shù)就能實(shí)現(xiàn)簡(jiǎn)單的映射，而神經(jīng)網(wǎng)絡(luò)能實(shí)現(xiàn)更復(fù)雜的映射，并且由于它的并行結(jié)構(gòu)這種映射相當(dāng)快。

　　只有很少的論文討論神經(jīng)網(wǎng)絡(luò)在直流電機(jī)控制中的應(yīng)用。文獻(xiàn)(21)介紹了兩個(gè)多層前饋人工神經(jīng)網(wǎng)絡(luò)在直流電機(jī)速度控制環(huán)中的應(yīng)用。這是一種典型配置。辯識(shí)ANN用于訓(xùn)練第二個(gè)ANN(神經(jīng)控制器，即過(guò)程控制器)，因此過(guò)程輸出跟隨給定信號(hào)。學(xué)習(xí)過(guò)程用的是反向傳播算法。該方法分為二步：第一步ANN被訓(xùn)練用來(lái)代表控制對(duì)象的響應(yīng)。這需要用到表示控制對(duì)象輸出和控制輸入關(guān)系的微分方程。第二步把ANN用于控制對(duì)象模型的辯識(shí)方案中。在這步中，把ANN與控制對(duì)象并行連接，每次迭代時(shí)，給ANN提供給定信號(hào)作為ANN輸入信號(hào)。辯識(shí)意味著調(diào)整權(quán)重，使ANN輸出信號(hào)(即網(wǎng)絡(luò)輸出)和控制對(duì)象輸出信號(hào)(即正輸出)的誤差最小。在辯識(shí)階段，全局誤差(即方差之和)以固定時(shí)間間隔被計(jì)算并與希望的最小值比較。第二個(gè)ANN是神經(jīng)控制器被用于訓(xùn)練以給出需要的控制對(duì)象響應(yīng)。為了訓(xùn)練這個(gè)網(wǎng)絡(luò)，在每次采樣輸出時(shí)，必須知道誤差(Ec)但僅僅只知道控制對(duì)象輸出和希望輸出(由給定輸入決定)的最后誤差，辯識(shí)方案中的第一個(gè)ANN可將最后誤差Ec反向傳播，用來(lái)訓(xùn)練控制器ANN。在誤差最小化過(guò)程中，全局誤差能被最小化到希望的值。經(jīng)過(guò)訓(xùn)練辯識(shí)ANNS和控制ANNS，就可以在實(shí)時(shí)系統(tǒng)中運(yùn)用被“調(diào)整”的神經(jīng)自適應(yīng)控制方案。文獻(xiàn)(21)介紹了采用ANN自適應(yīng)速度控制方案的直流傳動(dòng)系統(tǒng)的良好特性以及抗干擾性能。這也證明辯識(shí)ANN學(xué)習(xí)到了直流電機(jī)、變換器和負(fù)載的、未知時(shí)不變非線性操作特性。但值得指出的是，用于神經(jīng)元控制器的訓(xùn)練時(shí)間有時(shí)相當(dāng)長(zhǎng)，但這個(gè)困難可以用上面提到的高級(jí)技術(shù)、避免使用常規(guī)的反向傳播算法的方法中以克服。

　　文獻(xiàn)(22)和(23)介紹了直流傳動(dòng)系統(tǒng)的ANN控制，給出了理論和實(shí)驗(yàn)結(jié)果。文獻(xiàn)(9)討論了直流傳動(dòng)的模糊神經(jīng)速度控制器。這是文獻(xiàn)中記載的第一次用單神經(jīng)控制器成功替代雙環(huán)直流傳動(dòng)系統(tǒng)的常規(guī)速度和電流PI調(diào)節(jié)器的例子。相對(duì)地上面討論過(guò)的直流傳動(dòng)系統(tǒng)，該系統(tǒng)運(yùn)用了更多的智能技術(shù)，系統(tǒng)得到了進(jìn)一步的簡(jiǎn)化。有趣的是相對(duì)于古典多環(huán)PI調(diào)節(jié)器的實(shí)現(xiàn)，這里的電樞電流控制主要起限制電樞電流的作用，并且是通過(guò)單個(gè)速度、電流組合的模糊神經(jīng)控制器“自動(dòng)”加以實(shí)現(xiàn)。

　　(二)人工智能在交流傳動(dòng)中的應(yīng)用

　　1.模糊邏輯的應(yīng)用

　　在大多數(shù)討論模糊邏輯在交流傳動(dòng)中運(yùn)用的文章中，都介紹的是用模糊控制器取代常規(guī)的速度調(diào)節(jié)器，可英國(guó)Aberdeen大學(xué)開發(fā)的全數(shù)字高性能傳動(dòng)系統(tǒng)中有多個(gè)模糊控制器(4)，這些模糊控制器不僅用來(lái)取代常規(guī)的PI或PID控制器，同時(shí)也用于其他任務(wù)。該大學(xué)還把模糊神經(jīng)控制器用于各種全數(shù)字高動(dòng)態(tài)性能傳動(dòng)系統(tǒng)開發(fā)中。也有一些優(yōu)秀的文章論述運(yùn)用模糊邏輯控制感應(yīng)電機(jī)的磁通和力矩。討論這種技術(shù)的第一篇文章發(fā)表于1992年(24)。該文中討論了兩種控制策略，如用第一種策略，規(guī)則表有36條規(guī)則，模糊控制器的輸入是磁通和轉(zhuǎn)矩誤差，根據(jù)轉(zhuǎn)矩和磁通誤差，改變磁通矢量的輻值和旋轉(zhuǎn)方向，反模糊化技術(shù)用到的是中心梯度法，第一種策略沒有考慮最優(yōu)電壓矢量選擇的梯度。而第二種策略考慮了，這種方案被成功地實(shí)現(xiàn)了。

　　Galvan的兩篇文章(25)、(26)討論了用模糊化速度控制器實(shí)現(xiàn)感應(yīng)電機(jī)的矢量控制的方法。并給出了仿真結(jié)果。(也見3.1.1節(jié)討論的模糊化控制器)。矢量控制器也是一種間接控制類型，并且很好的特性。文獻(xiàn)(27)提出了一種模糊邏輯速度控制器。它的輸入標(biāo)定因子是變化的。實(shí)驗(yàn)結(jié)果也驗(yàn)證了所提方案的有效性。文獻(xiàn)(28)給出了矢量控制器感應(yīng)電機(jī)驅(qū)動(dòng)系統(tǒng)的仿真結(jié)果。該系統(tǒng)中模糊速度控制器與常規(guī)的PI速度控制器和CRPWM塑變器一起使用，它往往用來(lái)補(bǔ)償可能的慣性和負(fù)載轉(zhuǎn)矩的擾動(dòng)。常規(guī)PI控制器用來(lái)穩(wěn)定系統(tǒng)的穩(wěn)態(tài)速度響應(yīng)。矢量控制器使用轉(zhuǎn)子磁通觀測(cè)器觀測(cè)(UI觀測(cè)器，iw觀測(cè)器(1)(4))，模糊邏輯用于轉(zhuǎn)子電阻的估計(jì)。

　　到目前為止，只有兩種運(yùn)用人工智能技術(shù)的工業(yè)產(chǎn)品，其一是下節(jié)介紹的安川矢量變頻器，另一個(gè)是日立矢量變頻器，日立公司最近開發(fā)了J300系列IGBT矢量變頻器，功率范圍是5.5KW－－55KW。它的主要特點(diǎn)是使用無(wú)傳感器矢量控制算法和強(qiáng)大的自調(diào)整功能。無(wú)傳感器磁通矢量控制方案采樣兩相定子電流，在初始自整定階段，電機(jī)和負(fù)載的慣性以及其他參數(shù)例如定子電感，定子和轉(zhuǎn)子電阻、勵(lì)磁電感等參數(shù)被計(jì)算。日立公司宣稱這是世界上第一臺(tái)使用模糊控制的變頻器。它考慮了電機(jī)和系統(tǒng)的特性，轉(zhuǎn)矩計(jì)算軟件在整個(gè)頻率范圍保證了轉(zhuǎn)矩的精確控制。變頻器的主要性能指標(biāo)如下：1Hz時(shí)150％或更高的啟動(dòng)轉(zhuǎn)矩；在3∶1的速度范圍(20到60HZ/16到50HZ)電機(jī)不用降低功率使用；速度調(diào)節(jié)比率小于。

　　J300系列變頻器由于使用了高速微處理器和內(nèi)置DSP，因此具有很的響應(yīng)速度，轉(zhuǎn)矩響應(yīng)速度大約可達(dá)到0.1秒。它使用模糊邏輯控制電機(jī)電流和加減速斜率。它能根據(jù)電機(jī)負(fù)載和制動(dòng)需要計(jì)算加減速的最優(yōu)時(shí)間，因此不需要嘗試法進(jìn)行調(diào)整。模糊邏輯加減速度函數(shù)根據(jù)模糊規(guī)則設(shè)定加減速度比例因子和速度，而模糊規(guī)則則用當(dāng)前值與過(guò)載限幅(或其它限幅)值的差值以及電機(jī)電流和電壓的梯度作為輸入變量。梯度和差值構(gòu)成四個(gè)隸屬函數(shù)，兩個(gè)隸屬函數(shù)是三角函數(shù)，另二個(gè)是半梯形。當(dāng)用常規(guī)的簡(jiǎn)單電流限幅控制，變頻器的斜率是步進(jìn)型的，經(jīng)常引起變頻器跳閘。特別是在減速時(shí)。當(dāng)用模糊邏輯控制時(shí)，斜率十分平滑，變頻器假跳閘的現(xiàn)象也消除了。變頻器在風(fēng)機(jī)和泵類的運(yùn)用最能體現(xiàn)模糊邏輯控制的優(yōu)勢(shì)。在這些應(yīng)用中，不需要恒定的加減速時(shí)間或精確的位置控制。在這些應(yīng)用中，不需要恒定的加減速時(shí)間或精確的位置控制。需要的是與負(fù)載條件有關(guān)的加減速度的最優(yōu)化。模糊控制能實(shí)現(xiàn)加減速度的最優(yōu)控制。

　　AI控制器也能提高直接轉(zhuǎn)矩控制系統(tǒng)的性能，這也是值得深入研究的一個(gè)寬廣領(lǐng)域。英國(guó)Aberdeen大學(xué)的研究人員開發(fā)了基于人工智能的開關(guān)矢量選擇器以及速度、轉(zhuǎn)矩、磁通觀測(cè)器等，初步結(jié)果令人鼓舞(9)。可以預(yù)見不久的將業(yè)，將會(huì)得到更好的結(jié)果，將會(huì)出現(xiàn)更多的工業(yè)應(yīng)用產(chǎn)品(47)(48)。

　　2.神經(jīng)網(wǎng)絡(luò)的應(yīng)用

　　非常少的文章討論神經(jīng)網(wǎng)絡(luò)用于交流電機(jī)的控制，大量文章討論神經(jīng)網(wǎng)絡(luò)在交流電機(jī)和驅(qū)動(dòng)系統(tǒng)的條件監(jiān)測(cè)和診斷中的運(yùn)用。文獻(xiàn)(33)介紹了使用常規(guī)反向轉(zhuǎn)波算法的ANN用于步進(jìn)電機(jī)控制算法的最優(yōu)化。該方案使用實(shí)驗(yàn)數(shù)據(jù)，根據(jù)負(fù)載轉(zhuǎn)矩和初始速度來(lái)確定最大可觀測(cè)速度增量。這就需要ANN學(xué)習(xí)三維圖形映射。該系統(tǒng)與常規(guī)控制算法(梯形控制法)相比具有更好的性能，并且大大減少了定位時(shí)間，對(duì)負(fù)載轉(zhuǎn)矩的大范圍變化和非初始速度也有滿意的控制效果。文獻(xiàn)(34)用兩個(gè)ANNS控制和辯識(shí)感應(yīng)電機(jī)，但只給出了仿真研究。這是第一篇討論神經(jīng)網(wǎng)絡(luò)在感應(yīng)電機(jī)控制中的應(yīng)用，這個(gè)方案與3.1節(jié)中討論的直流驅(qū)動(dòng)方案類似，ANNS的結(jié)構(gòu)是多層前饋型，運(yùn)用常規(guī)反向傳播學(xué)習(xí)算法。該系統(tǒng)由兩個(gè)子系統(tǒng)構(gòu)成，一個(gè)系統(tǒng)通過(guò)電氣動(dòng)態(tài)參數(shù)的辯識(shí)自適應(yīng)控制定子電流，另一個(gè)系統(tǒng)通過(guò)對(duì)機(jī)電系統(tǒng)參數(shù)的辯識(shí)自適應(yīng)控制轉(zhuǎn)子速度。該文討論了這些控制方案與常規(guī)方案的各種優(yōu)點(diǎn)。

　　文獻(xiàn)(35)討論了基于人工神經(jīng)網(wǎng)絡(luò)的電氣機(jī)械系統(tǒng)，文獻(xiàn)(36)介紹了運(yùn)用直接控制ANN觀測(cè)電壓源PWM供電的感應(yīng)電機(jī)矢量控制系統(tǒng)中的磁通的方法。這種基于ANN的磁通觀測(cè)器的主要優(yōu)點(diǎn)是對(duì)諧波具有免疫性。ANN是使用反向傳播學(xué)習(xí)算法的多層前饋類型。ANN觀測(cè)的磁通具有振蕩性，因而引起轉(zhuǎn)矩振蕩。如果用別的方法，可能得到更好的結(jié)果。

　　最后值得指出的是現(xiàn)在發(fā)表的大多數(shù)有關(guān)ANN對(duì)各種電機(jī)參數(shù)估計(jì)的論文，一個(gè)共同的特點(diǎn)是，它們都是用多層前饋ANNS，用常規(guī)反向傳播算法，只是學(xué)習(xí)算法的模型不同或被估計(jì)的參數(shù)不同。

　　四、結(jié)論

　　本文試圖對(duì)人工智能電氣傳動(dòng)控制系統(tǒng)領(lǐng)域的進(jìn)展做一回顧。內(nèi)容涉及模糊控制、神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)在電氣傳動(dòng)系統(tǒng)中的應(yīng)用，討論了模糊、神經(jīng)和模糊神經(jīng)控制器等人工智能技術(shù)的優(yōu)點(diǎn)。也討論了人工智能最小配置的應(yīng)用。但到目前為止，使用人工智能技術(shù)的變速傳動(dòng)工業(yè)產(chǎn)品才剛剛出現(xiàn)，只有兩家公司推出他們的產(chǎn)品。雖然使用人工智能技術(shù)的實(shí)際產(chǎn)品和應(yīng)用還不多，但不久的將來(lái)，人工智能技術(shù)在電氣傳動(dòng)領(lǐng)域?qū)��?huì)取得重要的地位，特別是自適應(yīng)模糊神經(jīng)控制器將在高性能驅(qū)動(dòng)產(chǎn)品中得到廣泛使用。

【人工智能的發(fā)展的文章】相關(guān)文章：

人工智能發(fā)展規(guī)劃12-27

工作會(huì)被人工智能取代職場(chǎng)文章07-04

人工智能職業(yè)發(fā)展規(guī)劃書（通用13篇）12-20

35歲的職場(chǎng)人該如何發(fā)展勵(lì)志文章07-03

人工智能職業(yè)發(fā)展規(guī)劃書范文（通用10篇）12-22

人工智能作文08-23

人工智能作文07-03

人工智能心得12-01

人工智能專業(yè)的探討07-01

人工智能高中作文07-03