科学技术进步和现代工业发展，推动了电气自动化控制技术水平提高，企业在生产制造中合理应用电气自动化技术能够极大程度上节约资源，提升电气设备的利用率，为企业发展和进步带来了良好的社会效益和经济效益。随着计算机网络技术发展进步，自动化和智能化电气也得到了急速发展。

1.智能技术在电气自动化控制系统中的必要性

在电气自动化控制领域，人工智能技术引进的目的就是为了改善制造出的产品质量、提升在自动化控制中的精确度，对资源进行有效节省并提升生产的安全性能。如今的工业生产过程中存在很多的问题，这些问题难以通过形式化来进行表达，这就使得传统方法几近失效，但是利用人工智能技术便可以很好的解决这种问题。在工业生产过程中，很多生产系统在进行操作的时候会根据生产的产品不同而进行变化，操作当中会面临很多问题，人工智能技术能够十分有效的处理这种问题。实际的生产系统在生产当中，大量的不确定信息和模糊信息出现，传统的控制系统难以对这些信息高效利用，进而导致信息资源浪费。这些问题的出现，都迫切的需要加强在电气自动化控制系统中的智能技术。大量的实验表明，人工智能系统能很有效的控制生产系统中的随机性故障，并且进行紧急处理。

2..人工智能技术在电气自动化控制中的应用

当前在诸多行业领域中加入了许多新方法和新技术，这对电气自动化控制技术的要求就变的越来越高，无形当中对自动控制技术提出了全新的挑战。信息技术发展也无形当中加快了高新技术发展的脚步，电气自动化技术和人工智能技术的结合已经是时代发展的必然趋势，在电气自动化控制中采取人工智能技术足以解决较为复杂的控制问题。

人工智能是在没有人力资源干预的情况下，机器能够根据生产的需要进行智能化的自我控制，分析和计算较为复杂的程序。人工智能技术在控制中的主要方法三种。

2.1人工智能系统的神经网络控制

神经网络是一种经验模型，它是仿照着生物神经网络功能而建立的。当生物体内的神经元感受到外界的刺激，就会及时做出反应将外界刺激从输出的端点出送到与它相关联的神经元，这种外界的刺激在神经元输出和输入之间的转换是一种非线性的生理活动。人工智能借鉴于生命机体的生理活动展开研究，搭建一条适合于机械运作的神经网络。这条神经网络是由很多个元件和层次组织组合而成的，通过对这些神经网络的连接组合成高效的人工智能运行网络，在进行信息输入的时候仿照生物神经网络进行。以生物神经网络为基础设计的人工智能神经网络，拥有强大的信号处理能力，且反应速度也有了很大幅度的提升。

神经网络的组成是相连接了大量的处理单元，为了能够将大脑的基本特征模拟出来，基于神经科学研究的基础之上，提出了神经网络模型。可是神经网络在实际上并没有完全将大脑的功能反应出来，只是简单的抽象和模拟了生物神经网络。神经网络在处理各种信息的时候借助于神经元之间的相互作用，存储知识和信息的时候主要是连接网络元件。

因为神经网络的组成是由多个神经元组合而成的，每一个神经元都是可以接受很多不同的输入信号，并且能够按照某一种规则将输入信号转换成输出信号。因为神经网络中的神经元连接十分复杂，不同神经元在进行信息传递的时候呈现出非线性方式，信号在输出和输入之间能够搭建出多种不同的关系，鉴于此可以利用这些关系做黑箱模型，将机理模型难以精准描述出来的客观规律和必要联系予以显示。人工智能神经网络控制在电气自动化中的应用已经越来越普遍。

2.1人工智能系统的专家控制

从总体上来说，人工智能系统的专家控制是将结合传统控制理论技术和专家系统的设计规范和运作机制，最终实现对整个系统的实时控制，实现最终的目的。智能控制领域的著名专家蔡自兴教授就为人工智能专家控制系统做出了定义，既高水平的应用专家系统的概念技术，对人类世界的专家知识经验进行学习模拟而搭建的控制系统，此谓专家控制系统。根据蔡自兴教授的定义可以明确了解到专家控制系统的基础和核心是专家系统的概念技术，解决专家控制系统的最主要问题就是整个系统本身知识的获取能力和表现方式，如何建立一套完整的知识库，和建立健全一套完善的推理机制。

专家控制系统中求解问题的主要机制可以简单的表示为如下推理模型：

U=f（E,K,I）（模型 2.1）

其中：

U=（u1，u2，u3……um）；

E=（e1，e2，e3……en）；

K=（k1，k2，k3……kp）；

I=（i1，i2，i3……iq）；

在模型（2.1）中，智能算子函数由f表示，既在推理过程中以输入的信息E和专家控制系统中的知识信息K作为依据，结合推理结果I明确相应的智能控制行为U。在这个智能算子的含义当中加入了产生式的形式，主要原因是因为推理机制利用产生式结构可以完全模拟出任何一般的求解问题过程。在实际上，运用智能算子实现相应的推理方法也可以完全借助于语义网络等其它知识表达形式，在使用专家控制推理机制的时候，若是只利用正向推理是完全不够的，当不能自动推到结论的时候，就需要借助于方向推理的方式来实现控制策略。

3.3人工智能系统的模糊控制

在人工智能系统中的模糊控制系统，最典型的控制系统图如图2.1所示：

图2.1 典型的人工智能系统模糊控制

由图2.1所示，在人工智能模糊控制系统当中总共有五个部分，作为整个模糊控制系统的核心部分，模糊控制器有着至关重要的作用。控制器的形式是多种多样的，它主要是受到被控对象、系统的状态和控制规则等不同因素影响。在模糊控制理论之中，模糊控制器主要是依据模糊控制的知识表示和规则推理的语言型，这也是这种系统与其他控制系统的主要区别所在。模糊控制器主要实现的功能有三个，模糊量化处理，模糊推理和非模糊化推理。

模糊控制器设计的输入输出接口的数字信号量是需要从被控对象中获取，与此同时需要借助数据模型间模糊控制器决策的输出数字信号转换为模拟信号，然后将模拟信号传送给被控对象。电平转换和A/D转换与D/A转换共同服务于I/O接口装置。

执行结构主要包括各种各样的交流电动机和直流电动机，伺服电动机以及步进电动机。

被控对象不仅仅可以是一种设备装置或设备装置组合，也可以是用于生产的对象、生物活动、社会活动等各种对象也属于被控范围。这些被控制的对象形式是多种多样的，无外乎是否具有确定性，不论是单变量或多变量，无所谓有无滞后性，更不拘泥于是否是线性、具有强耦合。有的被控对象数学模型较为复杂，结果也不会很精确，于是采用模糊控制更具有优势。

监测装置在本质上就是一个传感器，它能够将被控对象和各种控制过程被控量进行电信号转换，在一般的情况之下，被控量主要包括温度、速度、压力等物理要素，传感器在模糊控制系统中的地位是十分重要的，因为模糊控制的精准度直接受到传感器质量的影响。所以说，在选择传感器的时候，要特别注重传感器的质量和精准度。

结束语

如今科技进步，人工智能技术逐渐地与各个领域进行渗透融合，让联系更加紧密，这种现状必然会更加推动人工智能的发展。在电气自动化技术中运用人工智能技术，不仅是提升了工作效率，更能够为国民经济发展和企业效益提升做出了重要贡献。在将来，电气工程必将会全面应用人工智能系统，为推动自身全面发展，朝着更加标准化、智能化和系统化的方向发展，在企业的生产制造中，单纯的依靠人力控制电气设备早晚会面临着被时代淘汰的结果，而电气自动化技术应用人工智能，势必会改善企业生产效率和产品质量，提升企业竞争力，如今科学技术的发展也为两者的结合迎来的全新的春天。

参考文献：

[1] 刘红波,李少远,柴天佑.一种设计模糊PID复合控制器的新方法及其在电厂控制中的应用[J].动力工程, 2015,(01):78-82.

[2]GeorgeF.Luger.人工智能复杂问题求解的结构和策略[J].机械工业, 2017,(12):32-33.

[3]严宇,刘天琪.基于神经网络和模糊理论的电力系统动态安全评估[J].四川大学学报, 2017,(01):106- 110.

[4]李末.电气工程自动化中人工智能的应用探析[J].中国新技术新产品,2018,(24):5-6.

[5]王福嘉.浅谈电气工程自动化的人工智能技术[J].中国科技投资,2016,(21):119-120.