初探人工智能與電氣自動(dòng)化結(jié)合的應(yīng)用思路

孫威

摘要：本文通過(guò)研究人工智能技術(shù)的最新進(jìn)展，結(jié)合電氣自動(dòng)化的當(dāng)前發(fā)展，探索了如何將人工智能與電氣自動(dòng)化相結(jié)合的應(yīng)用思路。本文分別描述了“人工智能繪制電路板”和“人工智能天然氣輸氣管線壓力控制”的應(yīng)用思路，作為后期探索的示例進(jìn)行了論述。探索實(shí)現(xiàn)電氣自動(dòng)化向電氣智能化轉(zhuǎn)變的思路。

Abstract： This paper explores how to integrate artificial intelligence with electrical automation by studying the latest advances in artificial intelligence technology and combining current developments in electrical automation. This article describes the application of "artificial intelligence drawing circuit board" and "artificial intelligence natural gas transmission line pressure control" application ideas， as an example of later exploration discussed， and explores the idea of realizing the transformation from electrical automation to electrical intelligence.

關(guān)鍵詞：人工智能；電氣自動(dòng)化；深度學(xué)習(xí)

Key words： artificial intelligence；electrical automation；deep learning

中圖分類(lèi)號(hào)：TM76；TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）26-0152-03

0 引言

現(xiàn)如今，我們正處在人工智能的第三次熱潮中，由于計(jì)算機(jī)硬件和軟件計(jì)算能力的極大進(jìn)步，加上移動(dòng)互聯(lián)網(wǎng)產(chǎn)生了海量的數(shù)據(jù)信息和呼之欲出的物聯(lián)網(wǎng)時(shí)代，各大科技公司對(duì)人工智能的技術(shù)都趨之如鶩，催生了大量高效的人工智能技術(shù)。然而，現(xiàn)有的電氣自動(dòng)化系統(tǒng)，仍停留在弱人工智能階段。因而，如何將最新的人功能技術(shù)與電氣自動(dòng)化系統(tǒng)相結(jié)合，成為了進(jìn)一步提高電氣自動(dòng)化系統(tǒng)的智能化程度的關(guān)鍵。鑒于此，本文從兩大方面進(jìn)行研究。第一方面，了解人工智能技術(shù)的主要內(nèi)容、在電氣控制領(lǐng)域中的優(yōu)勢(shì)。第二方面，分析電氣自動(dòng)化控制與人工智能技術(shù)相結(jié)合的發(fā)展思路并通過(guò)示例進(jìn)行分析。

1 人工智能技術(shù)概述

人工智能技術(shù)是一種基于計(jì)算機(jī)技術(shù)的跨領(lǐng)域的綜合學(xué)科。人工智能技術(shù)的具體應(yīng)用是模擬人的思想和行為，制造可代替人類(lèi)工作的智能機(jī)器，使人從復(fù)雜、高危險(xiǎn)的工作中解脫出來(lái)?？偠灾瑢⑷斯ぶ悄芗夹g(shù)與電氣自動(dòng)化技術(shù)結(jié)合的發(fā)展前景十分廣闊。人工智能的一個(gè)較為先進(jìn)的研究思路是：其對(duì)人類(lèi)大腦及其大腦思考的過(guò)程的模仿。近些年來(lái)，人工智能技術(shù)研究主要是機(jī)器人系統(tǒng)和專(zhuān)家系統(tǒng)[1]。

2016年，以AlphaGo戰(zhàn)勝人類(lèi)圍棋棋手李世石為標(biāo)志，人工智能開(kāi)始不斷升溫，在Google、亞馬遜、BAT的持續(xù)推動(dòng)下，人工智能出現(xiàn)了巨大的突破，出現(xiàn)了一系列的新技術(shù)。因此，如何在電氣自動(dòng)化中融入最新的人工智能技術(shù)，是電氣自動(dòng)化發(fā)展的一個(gè)重大方向。將人工智能技術(shù)應(yīng)用在電氣自動(dòng)化控制中，可以使專(zhuān)家系統(tǒng)能快速處理指令，產(chǎn)生結(jié)論數(shù)據(jù)。而模糊控制，需要根據(jù)具體場(chǎng)景建模，并需要大量樣本測(cè)試來(lái)進(jìn)行參數(shù)調(diào)優(yōu)，對(duì)場(chǎng)景和設(shè)備的依賴(lài)度高。通過(guò)使用最新的人工智能技術(shù)，可以極大縮減系統(tǒng)的開(kāi)發(fā)和調(diào)優(yōu)周期。此外，人工智能技術(shù)能對(duì)收集的海量數(shù)據(jù)進(jìn)行合理的分析與歸類(lèi)，能快速定位問(wèn)題，對(duì)潛在問(wèn)題進(jìn)行提前預(yù)警，甚至可以采取有效的規(guī)避策略，最大程度的降低風(fēng)險(xiǎn)。人工智能技術(shù)本身也是智能化，因此可以自主學(xué)習(xí)，實(shí)現(xiàn)自身的快速迭代更新。

2 人工智能在電氣自動(dòng)化控制中的具體應(yīng)用

本文將通過(guò)對(duì)兩個(gè)實(shí)例，探索人工智能在電器自動(dòng)化中的應(yīng)用思路。

2.1 基于Scikit-Learn深度學(xué)習(xí)引擎的人工智能繪制電路板應(yīng)用思路分析

將人工智能技術(shù)用于優(yōu)化電氣自動(dòng)化產(chǎn)品的生產(chǎn)環(huán)節(jié)，可以將人從繁雜的勞動(dòng)中解放出來(lái)，從而使人從事機(jī)器無(wú)法處理的工作，即可減輕人的勞動(dòng)負(fù)擔(dān)，又可提高生產(chǎn)效率。使電氣自動(dòng)化轉(zhuǎn)變?yōu)殡姎庵悄芑?，將真正?shí)現(xiàn)行業(yè)結(jié)構(gòu)的升級(jí)換代。

電氣產(chǎn)品的設(shè)計(jì)過(guò)程需要綜合考慮多種因素。第一、在傳統(tǒng)的設(shè)計(jì)中，電路板的設(shè)計(jì)主要依靠經(jīng)驗(yàn)的積累，只能通過(guò)手工方式進(jìn)行設(shè)計(jì)。這種設(shè)計(jì)方式需要大量的人力資源，很難實(shí)現(xiàn)大規(guī)模批量生產(chǎn)[2]。第二、隨著物聯(lián)網(wǎng)的逐漸到來(lái)，智能設(shè)備層出不窮，每個(gè)智能設(shè)備中或多或少都含有了IC芯片。而每種智能設(shè)備需要的功能也是千差萬(wàn)別的。雖然直接用最小系統(tǒng)板可以滿足很多功能的需要，但深入研究可以發(fā)現(xiàn)，最小系統(tǒng)支持的很多功能，在當(dāng)前的智能設(shè)備中是不需要的，這勢(shì)必然造成了資源的浪費(fèi)；而如果針對(duì)每種智能設(shè)備設(shè)計(jì)一種專(zhuān)門(mén)電路，開(kāi)發(fā)周期和成本也十分巨大。因此，如何通過(guò)一種智能化繪制電路板系統(tǒng)，實(shí)現(xiàn)功能靈活的按需定制，在縮短開(kāi)發(fā)周期的同時(shí)，只提供必需的芯片，從而從兩方面實(shí)現(xiàn)成本的節(jié)省。

在各大科技公司的持續(xù)推動(dòng)下，出現(xiàn)了一系列比較優(yōu)良的人工智能開(kāi)源框架和平臺(tái)。其中包括：加州大學(xué)伯克利分校的Caffe、Google的TensorFlow引擎[3]、百度Paddle引擎[4]以及基于python的Scikit-Learn深度學(xué)習(xí)引擎[5]等。在綜合比較了各種引擎的優(yōu)缺點(diǎn)后，本文最終選擇使用Scikit-Learn深度學(xué)習(xí)引擎作為人工智能學(xué)習(xí)系統(tǒng)的核心。

它的主要特點(diǎn)有[6]：

①支持多種分類(lèi)算法：可快速識(shí)別某個(gè)對(duì)象屬于哪個(gè)類(lèi)別；利用分類(lèi)算法，自動(dòng)識(shí)別錄入系統(tǒng)中相關(guān)數(shù)據(jù)的類(lèi)別，可以將靈活錄入的信息進(jìn)行較準(zhǔn)確的劃歸到最接近的分類(lèi)中，形成分類(lèi)樣本的集合，能提高人工智能學(xué)習(xí)系統(tǒng)的學(xué)習(xí)準(zhǔn)確率。

②支持多種回歸分析算法：可預(yù)測(cè)與對(duì)象相關(guān)聯(lián)的連續(xù)值屬性；樣本中的分類(lèi)信息之間并不是完全相互獨(dú)立的信息孤島，而是存在復(fù)雜交叉關(guān)聯(lián)的圖狀結(jié)構(gòu)，可以利用回歸分析算法，預(yù)測(cè)與對(duì)象相關(guān)聯(lián)的屬性。并根據(jù)屬性的重要程度添加不同的權(quán)重系數(shù)。提高重要屬性對(duì)學(xué)習(xí)過(guò)程的影響度。

③支持多種聚類(lèi)算法：可以將相似對(duì)象自動(dòng)分組；通過(guò)聚類(lèi)算法，將相似的環(huán)節(jié)劃歸到一個(gè)分組中，在深度學(xué)習(xí)中不斷反饋，提高分組的準(zhǔn)確率。間接提高整個(gè)系統(tǒng)的準(zhǔn)確率。

④支持多種降維算法：能減少要考慮的隨機(jī)變量的數(shù)量；整個(gè)系統(tǒng)存在大量的輸入，不正確或不準(zhǔn)確的輸入，將成為整個(gè)系統(tǒng)的噪點(diǎn)。

⑤支持多種模型：能比較，驗(yàn)證，選擇參數(shù)和模型。

⑥支持多種預(yù)處理：可進(jìn)行特征提取和歸一化。

具體應(yīng)用流程圖如圖1所示。

具體實(shí)現(xiàn)思路：

①開(kāi)發(fā)錄入系統(tǒng)平臺(tái)，主要功能有：1）錄入基本信息：器件信息、器件參數(shù)信息、各種標(biāo)準(zhǔn)最小系統(tǒng)數(shù)據(jù)、已有的特定系統(tǒng)數(shù)據(jù)。2）規(guī)則錄入：飛線規(guī)則、倒角規(guī)則、引腳信息等。3）對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單分類(lèi)錄入數(shù)據(jù)庫(kù)。4）錄入某功能電路的功能需求。

該過(guò)程通過(guò)調(diào)用Scikit-Learn深度學(xué)習(xí)引擎中合適的分類(lèi)算法進(jìn)行分類(lèi)。

②對(duì)錄入數(shù)據(jù)進(jìn)行回歸分析，重點(diǎn)是提取可拆分的系統(tǒng)模塊，通過(guò)模塊化的分類(lèi)，便于根據(jù)不同需求靈活組合，只組合特定需求需要的模塊。

③對(duì)步驟2里的相似模塊進(jìn)行分類(lèi)，縮小模塊匹配查找的范圍，更快找到最佳匹配的模塊。

該過(guò)程通過(guò)調(diào)用Scikit-Learn深度學(xué)習(xí)引擎中的聚類(lèi)算法進(jìn)行分類(lèi)。

①設(shè)計(jì)人工智能學(xué)習(xí)算法，實(shí)際就是一個(gè)精確匹配過(guò)程，根據(jù)步驟1的第4步選定的功能，從模塊庫(kù)里選擇需要的最佳模塊組。

②根據(jù)模塊組中各個(gè)模塊的引腳信息，結(jié)合各種規(guī)則，對(duì)模塊進(jìn)行布局，尋找布局占用面積最小、飛線最合理的方案。

③將步驟5的方案生成仿真電路，模擬步驟1的第4步中選定的功能，如果通過(guò)驗(yàn)證，則將方案提交給用戶，同時(shí)將該方案錄入數(shù)據(jù)庫(kù)。在反復(fù)的模擬中，根據(jù)模擬結(jié)果，實(shí)時(shí)調(diào)整數(shù)據(jù)庫(kù)中的信息。

由于電路板制作工藝復(fù)雜，而且電路板對(duì)電磁兼容性極其敏感，前期在沒(méi)有大量樣本數(shù)據(jù)時(shí)，系統(tǒng)的整體匹配度會(huì)偏低。而且存在大量人工錄入，但當(dāng)積累的數(shù)據(jù)量達(dá)到一定級(jí)別后，整個(gè)系統(tǒng)的匹配度會(huì)出現(xiàn)質(zhì)的飛躍。

隨著物聯(lián)網(wǎng)的逐漸到來(lái)，智能設(shè)備層出不窮，每個(gè)智能設(shè)備中或多或少都含有了IC芯片。而每種智能設(shè)備需要的功能也是千差萬(wàn)別的。雖然直接用最小系統(tǒng)板可以滿足很多功能的需要，但深入研究可以發(fā)現(xiàn)，最小系統(tǒng)支持的很多功能，在當(dāng)前的智能設(shè)備中是不需要的，這勢(shì)必然造成了資源的浪費(fèi)；而如果針對(duì)每種智能設(shè)備設(shè)計(jì)一種專(zhuān)門(mén)電路，開(kāi)發(fā)周期和成本也十分巨大。因此，如何通過(guò)一種智能化繪制電路板系統(tǒng)，實(shí)現(xiàn)功能靈活的按需定制，在縮短開(kāi)發(fā)周期的同時(shí)，只提供必需的芯片，從而從兩方面實(shí)現(xiàn)成本的節(jié)省。

2.2 人工智能技術(shù)在天然氣管道設(shè)備電氣自動(dòng)化控制中的應(yīng)用思路

利用人工智能技術(shù)對(duì)數(shù)據(jù)的采集和處理，可以對(duì)電氣自動(dòng)化系統(tǒng)提供更精準(zhǔn)的反饋信息，從而實(shí)現(xiàn)電氣自動(dòng)化系統(tǒng)實(shí)現(xiàn)智能化的自我更新。本節(jié)以中油龍慧自動(dòng)化工程有限公司設(shè)計(jì)的典型壓氣分輸站中的人工智能調(diào)節(jié)閥為例，對(duì)人工智能技術(shù)在天然氣管道設(shè)備電氣自動(dòng)化控制的具體應(yīng)用進(jìn)行探索。

①系統(tǒng)硬件。

壓力變送器、控制接觸器、閥門(mén)、AB PCL RSLogix 5000、MOXA服務(wù)器NPort5630[7]。

②系統(tǒng)原理與流程。

將AI808人工智能調(diào)節(jié)器與自主研發(fā)的PLC人工智能功能模塊相結(jié)合，對(duì)輸氣管道壓力實(shí)現(xiàn)更加精準(zhǔn)的控制，具體原理為：

利用現(xiàn)場(chǎng)壓力傳感器儀表采集壓力數(shù)據(jù)，通過(guò)系統(tǒng)總線將壓力數(shù)據(jù)分別傳輸給AI808人工智能調(diào)節(jié)器與自主開(kāi)發(fā)的PLC人工智能功能模塊。利用AI808快速計(jì)算出壓力誤差和誤差變化率，盡可能實(shí)時(shí)的做出控制響應(yīng)，確保壓力在可控范圍內(nèi)；自主開(kāi)發(fā)的PLC人工智能功能模塊進(jìn)行歷史累計(jì)數(shù)據(jù)的智能分析，得出更精準(zhǔn)的壓力變化趨勢(shì)和控制幅度，通過(guò)系統(tǒng)總線盡可能實(shí)時(shí)的傳輸給AI808，實(shí)現(xiàn)對(duì)AI808的滯后補(bǔ)償控制，提高對(duì)輸氣管線壓力的控制精度[8]。

具體應(yīng)用流程圖如圖2所示。

2.3 控制邏輯與算法

輸氣管線壓力數(shù)據(jù)具有時(shí)變、非線性的特點(diǎn)，如果要達(dá)到理想的控制效果，單獨(dú)使用PID控制難以實(shí)現(xiàn)。因此使用本系統(tǒng)中的AI808和自主開(kāi)發(fā)的PLC人工智能功能模塊進(jìn)行模糊控制，通過(guò)更精確的分析壓力變化趨勢(shì)，實(shí)現(xiàn)更準(zhǔn)確的壓力控制。本文將AI808作為非線性函數(shù)近似器，PLC人工智能模塊作為補(bǔ)償器，對(duì)人工智能進(jìn)行開(kāi)發(fā)和研究[9]。與普通的函數(shù)估計(jì)器相比，人工智能非線性函數(shù)近似器具有非常明顯的優(yōu)勢(shì)。首先，如果使用普通的函數(shù)估計(jì)器，研究的過(guò)程中會(huì)遇到一些不確定性因素，對(duì)輸氣設(shè)備的穩(wěn)定性造成影響。而使用非線性函數(shù)近似解，則無(wú)需將研究對(duì)象的模型建立起來(lái)，能夠?qū)€(gè)別對(duì)象進(jìn)行便利的研究，結(jié)合自主開(kāi)發(fā)的PLC人工智能功能模塊進(jìn)行補(bǔ)償控制，從而實(shí)現(xiàn)輸氣管線壓力的高精度控制。其次，與控制器或者普通函數(shù)估計(jì)器相比，人工智能非線性函數(shù)近似器在調(diào)節(jié)數(shù)據(jù)方面更加便利，能夠?qū)υO(shè)輸氣備的數(shù)據(jù)進(jìn)行便利的調(diào)節(jié)。第三，在設(shè)計(jì)輸氣管線壓力自動(dòng)化控制系統(tǒng)的過(guò)程中，設(shè)計(jì)者只需獲取壓力傳感器的數(shù)據(jù)，就能夠應(yīng)用人工智能技術(shù)對(duì)其進(jìn)行設(shè)計(jì)。在設(shè)計(jì)輸氣管線壓力自動(dòng)化控制系統(tǒng)時(shí)，只需根據(jù)其反饋的數(shù)據(jù)，就可以完成全部的設(shè)計(jì)，極大地簡(jiǎn)化了設(shè)計(jì)過(guò)程[10]。

3 結(jié)論

通過(guò)設(shè)計(jì)“人工智能繪制電路板”系統(tǒng)，經(jīng)過(guò)海量樣本數(shù)據(jù)的反復(fù)學(xué)習(xí)，不斷優(yōu)化算法設(shè)計(jì)，將逐步建立一套完善的智能化電路板設(shè)計(jì)系統(tǒng)，能極大滿足未來(lái)物聯(lián)網(wǎng)對(duì)海量定制電路板設(shè)計(jì)的需求，整個(gè)系統(tǒng)設(shè)計(jì)復(fù)雜、建模難度大，越早布局才能更快的發(fā)揮出價(jià)值。天然氣輸氣管線壓力控制在天然氣傳輸中起著至關(guān)重要的作用。通過(guò)人工智能的控制模塊，可以實(shí)現(xiàn)更加精確的控制，確保將輸氣管線壓力控制在可控范圍內(nèi)。

參考文獻(xiàn)：

[1]紀(jì)文革.人工智能技術(shù)在電氣自動(dòng)化控制中的應(yīng)用思路分析[J].電子測(cè)試，2014（03）.

[2]王成林.人工智能在電氣工程自動(dòng)化中的應(yīng)用[J].無(wú)線互聯(lián)科技，2018（2）.

[3]章敏敏.谷歌TensorFlow機(jī)器學(xué)習(xí)框架及應(yīng)用[J].微型機(jī)與應(yīng)用，2017（5）.

[4]陸首群.積極投入開(kāi)源大發(fā)展洪流[J].辦公自動(dòng)化，2016（02）.

[5]張翼英，張麗麗.智能學(xué)習(xí)引擎的研究[J].沈陽(yáng)工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2018（04）.

[6]http：//sklearn.apachecn.org/cn/0.19.0/index.html.

[7]王希勇.天然氣長(zhǎng)輸管道運(yùn)行優(yōu)化及壓氣站負(fù)荷調(diào)度研究[D].西南石油學(xué)院，2004.

[8]唐光榮，李九齡，鄧麗曼.數(shù)據(jù)采集與控制技術(shù)[M].北京：清華大學(xué)出版社，2000.

[9]吳作明.工控組態(tài)軟件與PLC應(yīng)用技術(shù)[M].北京：北京航空航天大學(xué)出版社，2007.

[10]Logix5550控制器通用程序手冊(cè)[M].羅克韋爾自動(dòng)化公司，2006.