探析我国电气传动系统的智能控制及实践应用

程亚男

天津市热电有限公司程亚男

摘要：目前，电气传动系统智能控制是成为自动化行业研究新课题。本文阐述了智能控制的主要特点和意义，探讨了智能挖制电气传动系统的鲁棒性，并介绍了两种常见的智能控制方法，即模糊控制与神经元控制，并对其应用分析进行了深入分析。

关键词：电气传统系统；智能控制；应用1、智能控制技术随着自动化技术不断发展，工业控制对象日益复杂多变，单纯依靠传统的控制理论和方法已难以达到满意的效果。目前，计算机技术在逻辑判断、演绎、分析、决策、模仿等方面可以取代部分人工行为。另一方面，科学家们在人工智能、专家系统、神经网络、模糊逻辑等方面研究取得的重大突破，可以借助智能系统来模仿、学习人工思维、操作方法，大大促进了社会自动化技术的发展。总体来说，智能控制主要有以下特出优势：首先，它突破了传统控制理论过于依赖数学模型分析的局限性，它可以独立于控制对象模型独立运行，保证达到预期控制效果；其次，智能控制吸收了人类思维的非线性逻辑方法，可以借助计算机工具来灵活模拟控制对象的逻辑结构，并调整系统运行功能。另外，一些高级智能控制还能够实现在线辩识、决策或总体优化。总而言之，智能控制将会引领未来自动化技术发展趋势。

2、控制系统的鲁棒性控制系统的鲁棒性，是指系统功能在外部干扰下保持正常运行的能力。鲁棒性是一个综合性概念，它包含稳定鲁棒性（在某种因素干扰下保持正常功能的能力）、品质鲁棒性（在某种因素干扰下保持某品质指标正常的能力）等。当前研究中的鲁棒性大多是指前一种。

目前的交、直流传动系统已具备相对成熟的控制技术。交、直流电气传动系统经过调整和优化之后，其转速环功能可以实现高度同质化，因此可以采用统一的数学模型模拟其运行过程，单纯依靠PID控制可以达到预期效果。同时我们也要注意到，现实中的传动系统是不断变化的，电机本身的参数和拖动负载的参数会根据运行功率波动而变化；另外，交流电机实际上是一个非线性控制对象，其中包含多个具有弹性或间隙的非线性因素。控制对象的参数变化与非线性特性使得线性的常参数的PID调节器具有不同步变化特点，无法保证在不同工况环境下系统具有稳定的性能，换言之，控制系统的鲁棒性较差。而采用智能控制可以解决这个问题，它可利用非线性、变结构、自我优化等功能来应对各种扰动因素，从而显著改进系统鲁棒性。

3、两种常见的智能控制方法3.1模糊控制方法模糊控制通过使用模糊集合来模拟现实中的模糊对象和概念，以保证控制器可以逼真的模拟人工操作方法和步骤，以有效提高控制水平。一个连续控制系统的物理量是一个多维矢量，传统控制方法则是通过计算数字量来实现控制。在使用模糊控制之前，事先要将控制对象转换成模糊语言集合，之后再将其变回数量。虽然模糊控制器内部结构十分复杂，但是其外部I/O特性却是一种十分常见的形式。在实际应用过程中，模糊控制器如果采用积分效应则可以达到与变系数的PID调节器的控制效果。

3.2单神经元控制通常来说，神经网络信息分析能力较强，在保证计算效率的基础上，可以有效处理各种复杂控制问题。但是，神经网络控制的应用对计算机硬件要求较高，这是限制其广泛应用的主要客观条件。但是，一旦解决了硬件问题，单神经元控制电气传动系统可以满足复杂非线性控制需要，同时显著提高控制系统的鲁棒性。在使用神经网络学习环境下，系统会自动调整上述变量的权重，单神经元在其中发挥了自适应PID调节器的作用，它可以使系统通过识别误差信号来调整其动态性能，从而有效降低外界因素的扰动影响，可以有效提高电气传动系统的鲁棒性和运行性能。此外，采用了神经元的控制器具有较强的非线性特性，可以突破传统线性调节器的局限性，大大提高控制系统的稳定性和控制性能。

4.电气传动系统中应用人工智能控制技术分析4.1人工智能控制系统中模糊控制在电气传动系统中的应用分析模糊控制是指采用数学模糊原理和模型来构建控制流程和结构，通过利用模糊数学模型可以有效提高控制系统运行精度，从而进一步细化控制系统信息。电气传动系统是一项复杂运行过程，在电气传动系统中引入智能控制技术，可以对控制系统中的电机设备进行优化，提高其自动操纵水平，电气传动系统中主要有以下电器设备：发电机、变压器和电动机。由于电气传动系统包含多个变量，为了达到高精度控制的目的，要合理设计模糊控制系统内部结构：首先，要保证变量定义准确、全面，要对变量进行初始化处理，同时控制输入变量在运行过程中的误差变化，控制初始化变量可以为下一步操作优化奠定基础；其次，做好模糊化处理，将控制对象参数过滤处理后转化为相应的数值，使其能够被控制系统识别和读取，实现测量脉冲数传输和控制；再次，系统变量变化知识库，主要是建立系统模糊数据库和语言描述规则库，供控制系统运行过程进行知识提取和利用；最后，系统逻辑判断，通过模拟人脑思维方式和规律，来建立模糊控制模型，这就要求采用模糊推论来识别和读取模糊信号，最后通过模糊控制器分析来作出控制行为；第五，模糊控制器的反模糊化，将模糊控制器得到的数据进行反模糊化，即进行数值转换，最终得到准确的控制信号，模糊控制器将得到的控制信息输入到系统中。

4.2智能控制系统中神经网络控制在电气传动系统中的应用分析神经网络控制综合了神经网络学、人工智能学、数学和生物学等学科理论和知识，是一门复合型学科技术。在电气传统系统中，传统控制方法无法满足比较复杂的控制操作，例如电气传动系统设备速度控制和调整等，而采用神经网络控制技术可以满足上述复杂控制操作要求。神经网络控制原理主要是建立在人脑思维规律和特点基础上，神经网路控制常用于一些复杂的控制系统过程，它具有较强的鲁棒性和自我适应力，它可以自动提取系统中设备运行参数并独立分析，通过分析结果来灵活调整系统运行参数，从而达到控制目的。因此，神经网络控制在电气传统系统的电机调速控制中应用比较普遍。基于专家控制的电气传动系统也可以实现自我故障检测和分析，也可以将分析结果存储到数据库当中，并将故障分析结果输出。但是，基于专家控制的电气传动系统综合定量知识能力较弱，而神经网络控制可以满足所有电气传动系统操作需要，它具有较高的运行精度和效率。此外，神经网络控制也有其固有缺陷，如果在脱线学习状态下，神经网络控制自动化能力较弱，它在分析报告和信号数据时，其控制效果就会明显下降。而专家控制系统不管是在脱线学习还是在线学习，都可以保持正常功能，换言之，专家控制可以提高电气传动系统稳定性，如果将两种控制方法结合起来，则可以同时提高控制系统的鲁棒性和稳定性。

5、结束语智能控制与传统控制主要区别在于：后者要依靠对控制对象建模来设计控制流程，而智能控制不需要进行对象建模，它可以模仿人脑思维，根据系统误差变化来灵活调整控制参数达到控制目的。电气传动系统是建立在明确的数学模型基础上的，只对参数变化和非线性因素有明显影响，可以弥补传统控制系统PID调节器的缺陷，提高控制系统抵抗外部干扰性因素的能力。在当前技术条件下，可以将电气传动智能控制系统视作一类非线性系统，从而利用现有的非线性理论工具，如李亚普诺夫法或波渡夫法来研究它们的稳定性和稳定鲁棒性。

参考文献：[1]戴汝为，杨一平.一类智能控制和决策支持系统的体系结构[J].信息科学，2010（2）.[2]费敏锐.工业综合智能控制技术研究[J].工业与信息化，2009（4）.[3]瞿寿德.模式识别与智能自动化[J].自动化技术，2009（2）.91