电气自动化控制中人工智能技术 |
|
|
i与两种可用于调速控制系统。它们均具备规则库部分,规则库实质上是一个if-them的模糊规则集合。以后者为例,它最主要的规则就是“if x=A,且y=B,则z=f(x,y)z则z”。其中的都是模糊集。模糊控制设备以推理机为核心部分,它负责模仿人脑的智能化决策以及模糊控制命令的推理。除此以外还有模糊化部分、知识库部分以及反模糊化部分,第一个部分是通过多种不同形式的函数对所输入的变量做出测量,并将其量化、模糊化;第二部分就是由数据规则以及语言控制库构成所构成的知识库,本库设计时就是应用专家的知识与经验对电气设备进行控制,在建立设备模型时,模型操作设备依据人工神经网络系统的推理机制进行模型建设;最后是以模型参数量化与中间平均技术等模糊化技术的应用。 除了模糊逻辑控制技术以外,还有人工神经网络控制技术。这种技术主要用于不同模式的识别以及各种信号的处理,可以在电气传动控制工作中发挥有效作用。这种技术以并行结构为主,适用范围比较广,可以大大提升条件监控、诊断系统的准确性;该控制技术最常用的学习策略是误差反向传播,也就是说在网络具备充足的隐藏层、结点和恰当的激励函数的情况下,多层人工神经网络只要利用反向传播就可以计算出对应的非线性函数近似参数,大大提高网络运行速度。整理:WWW.YbAsk.COM 。
在交流传动控制中,人工智能技术的应用也同样有模糊逻辑与神经网络两种具体运用。 就模糊逻辑而言,到目前为止均以模糊控制器直接代替原有的普通速度控制设备为主,不过西方某大学研发了一种高性能的带有多个模糊控制器的全数字化传动控制体系,该体系所带有的模糊控制器即可以用来代替普通的速度控制设备,又可以用于执行它控制任务。 就人工神经网络控制技术而言,实践研究中以其对交流电气设备及其驱动环境参数监测及诊断为主。人工神经网络用作步进电动机控制时,可采用一般的反向转波计算方法,就是通过实验数据的应用,通过电机负载转矩以及电机的初始速度最终确定智能监控系统可监测的最大速度增加值。这种设计方案的实现,要求神经网络具备识别三维图形映射的能力,以便达到比常规梯形控制计算模式强的控制成效。在此模式下,人工神经网络可以大大缩减电气自动化系统定位所需要的时间,并且强化对于负载转矩以及非初始速度变化范围的控制工作。人工神经网络的结构以多层前馈型为主,具体可分为两个系统:上一页 [1] [2] [3] 下一页 |
|
|
|
上一个论文: 巴卡台农牧场农牧林业生产调查探析 下一个论文: 人工智能教学与计算思维培养 |
|