陈锦标
泉州供电服务有限公司晋江分公司 福建泉州 362200
摘要：在计算机时代背景下，各个领域均开始引入AI技术，电力传动领域也积极抓住时代发展机遇，广泛应用AI技术。对此，本文介绍了AI技术与电气传动系统情况，分析了AI技术的运用情况，并阐述了系统故障的检测，希望能够为相关人员提供参考。
关键词：电气传动；人工智能；应用分析
前言：
在计算机不断发展过程中，人工智能也得到飞速发展，并成为计算机技术中最核心、最前沿部分。AI本质主要是对机械、设备与机器内部进行智能构造的设计，促使机器设备能够模拟人类思维，进而充分掌握人类智能。而对于电子自动化，通过引入AI技术，有效实现电器传动的变革[1]。
1 人工智能与电气传动系统概述
1.1人工智能概述
以技术发展角度分析，AI技术即借助计算机对人类思维方式以及思维活动等进行模拟，AI技术概念是在20世纪被提出，然而基于技术限制并未得到快速发展。当前，在互联网以及计算机等信息技术快速发展过程中，相关研究学者也对AI技术展开深入研究，在各个领域中得到充分实践以及发展。AI技术的目的是通过计算机技术辅助人类工作，以减少工作量，提供生产效率。AI技术一般以两个角度模拟人类：①结构角度，借助计算机模拟大脑结构；②功能角度，在模拟大脑前提下，仿真模拟大脑中相关功能[2]。
1.2电气传动系统概述
我国自动化技术不断发展与进步，电气传动控制技术发展提供基础保障，另外，在机械化技术进步过程中民众对于电气传动的认识也更加深刻。计算机技术与传统技术是电气控制体系中关键技术手段，通过计算机技术处理人工任务的技术即自动控制技术。传动系统是以电动机技术为基础，借助调节电动机有效控制与调节生产设备。在国家工业化发展过程中，电气技术提供基础保障，可以借助计算机技术不断推动电气技术发展，不断实现发展目标。当前，电气传动集中，可以借助数字通信与数字控制实现设备控制。
2 电气传动控制中AI技术的运用
2.1交流传动中AI应用
在传统模式中，交流传统中模糊逻辑主要通过模糊控制器对速度调节器进行取代，而现代模糊神经控制器在高动态、全数字传动系统研发中的应用日益广泛，并且能够实现感应电机力矩与磁通控制，主要将转矩与磁通误差作为模糊控制器输入，能够结合其误差情况对磁通适量旋转方向与幅值进行改变。应用神经网络，能够促使ANN反转算法在同步电机算法中有效应用，该方法通常需要借助实验获取数据，同时需要结合初始速度与负载转矩对速度增量的最大值进行确定，此种方法可以提高计算精准度，能够充分缩短定位时间，在非初始速度与负载转矩波动较大的情况也有着良好应用效果。
该系统涵盖2个子系统，其中，一个子系统借助辨别电气动态参数对定子电流展开自适应控制，另一个主要是借助辨别电子参数对转子速度进行自适应控制[3]。
2.2直流传动中AI技术的应用
直流传动中，人工智能模糊控制器主要涵盖Sugeno与Mamdani两种类型。Mamdani控制器涵盖4部分内容，模糊化能够促使输入变量实现模糊化、量化以及测量；知识库主要涵盖语言控制规则库、数据库等内容；反模糊化能够进行反模糊化与量化处理；推理机属于控制器核心内容，能够对控制系统展开推理以及觉等模糊控制。近年人工神经网络广泛应用于信号处理以及模式识别等方面，主要是由于人工神经技术中涵盖一致性非线性函数估计器。因此，在传动控制中的应用优势非常明显，在实际应用过程中无需提供传动控制数学模型，并且具有良好一致性，能够有效降低噪音，同时还具备并行结构，在不同传感器输入方面具有良好适用性，例如，在诊断系统以及条件监控中能够不断提高决策可靠性与稳定性，未来主要发展趋势为：在保证电气传动控制系统稳定运行情况下，不断减少传感器数量，然而不同传感器共同使用能够有效降低系统在特殊传感器缺陷中的敏感性，同时对于精度要求较低，无需处理复杂信号。误差反向传播技术在多层前馈人工神经系统中应用较为广泛，若是网络中激励函数、隐藏点或是隐藏层数量足够多，则多层神经系统不会对最适合激励函数、终结点与隐藏点进行选择，仅可以进行映射。通过发现传播算法能够获得非线性函数的近似值，并且涵盖学习速率以及其他参数，能够有效提升网络特性。Sugeno控制器，其典型规则为：若是x为A，同时y为B，则Z=（fx，y）。其中A与B均属于模糊集，而Z=（fx，y）属于x,y函数，一般为输入变量的多项式。若是f为常数，则其为零阶Sugeno控制器模型。
3 系统故障的检测
要想保证电气领域中AI技术优势与作用得到充分发挥，相关人员应该对电气技术与AI技术理论基础进行深入学习，进而充分掌握。同时，以此为基础，还应该对智能电气控制系统持续展开实践与优化，进而促使理论和实践有机结合。在计算机技术不断发展过程中，CAD技术也快速发展，针对设计工作开展模拟实验时，可以借助CAD技术来实现。当前，遗传算法属于热门研究之一，设计电气系统时，可以应用遗传算法进行同时展开优化，此种方式能够有效提高系统精度，并且可以对系统中一些繁琐、复杂问题进行有效处理，AI技术与遗传算法属于相辅相成关系。在系统发生故障问题之后，借助AI技术手段可以有效、准确地确定故障位置与原因，同时采取相应动作进行处理，有效强化系统的故障处理效率与精度。因此，在故障检测以及处理等方面，AI技术也具有较大应用优势。神经网络与遗传算法已经成为电气设备中重要的技术，充分促进电气领域健康发展。
结语：
在工业生产与日常生活动电气传动具有重要作用，然而电气传动和AI技术的融合还处于探索阶段，所以为了提供电气领域中AI技术应用优势，还应该展开深入研究，不断发现问题、改进问题，进而有效提高两者融合程度。AI技术与智能化算法在计算机技术发展过程中日益成熟，比如，模糊逻辑、遗传算法等，均不断促进电气传动的智能化发展。
参考文献：
[1]罗海英. 人工智能技术在电气自动化控制中的应用思路分析[J]. 信息记录材料, 2019, 20(05):68-69.
[2]邓云天.大型燃煤电站锅炉积灰的智能神经网络预测[J].电气传动自动化,2020,42(03):24-25+50.
[3]田兴斌. 基于虚拟现实技术的智能语言学习理论与技术支持[J]. 电气传动, 2020, 363(01):11-11.