人工智能控制技术在电气传动领域的运用
人工智能技术在电气自动化控制的应用
人工智能技术在电气自动化控制的应用
1. 数据分析与预测：人工智能技术可以通过对大量数据的分析和处理，提取出有价
值的信息并进行预测。
在电气自动化控制中，可以利用人工智能技术对过程数据进行分析，了解生产过程中可能存在的问题，并提前预测出可能发生的故障，从而避免生产中断或设
备损坏。
2. 自适应控制：人工智能技术可以通过对系统的实时监测和分析，根据外部环境和
内部变化实时调整控制策略，实现自适应控制。
在电气自动化控制中，可以利用人工智能
技术实现对控制策略的自主学习和适应，提高系统的响应速度和控制精度。
3. 优化调度：人工智能技术可以通过对生产过程中的各个环节进行优化调度，实现
资源的合理分配和生产效率的最大化。
在电气自动化控制中，可以利用人工智能技术对生
产设备、工作人员和物料等进行综合分析和优化调度，提高产能和降低生产成本。
人工智能技术的应用可以提高电气自动化控制系统的智能化水平，实现更高效、更精
确的工业生产。
随着人工智能技术不断发展和成熟，相信电气自动化控制将迎来更多创新
和突破。
人工智能在电气工程自动化中的应用
人工智能在电气工程自动化中的应用随着科技的不断发展，人工智能在各个领域的应用越来越广泛，其中包括电气工程自动化领域。
人工智能的引入不仅提高了电气系统的智能化和自动化水平，还为电力行业带来了更高效、更安全、更可靠的解决方案。
本文将就人工智能在电气工程自动化中的应用进行介绍和分析。
一、智能电网智能电网是人工智能在电气工程领域的重要应用之一。
智能电网利用人工智能技术的优势，实现对电网的智能化管理和控制。
通过大数据分析、机器学习和优化算法，智能电网能够实现对电网设备的智能监测、快速故障诊断和智能调度，提高了电网的运行效率和稳定性。
利用人工智能技术可以对电网进行实时监测，及时发现设备故障和电网拓扑变化，提前预警和迅速响应，从而提高了电网的可靠性和安全性。
二、智能电力设备在电力设备领域，人工智能技术也被广泛应用。
传统的电力设备监测需要人工巡检，工作量大且容易发生疏漏，而引入人工智能技术可以实现设备的智能监测和预测维护。
通过机器学习技术，可以对设备的运行状态进行智能分析，实现对设备故障的智能预测，提前对设备进行维护和保养，降低了设备故障的风险，延长了设备的使用寿命。
人工智能技术还可以用于电力设备的故障诊断与修复。
利用人工智能技术进行电力设备的故障诊断，可以对设备的故障类型和原因进行智能分析，快速定位故障点，缩短了故障处理的时间，降低了维修成本，提高了设备的可靠性和安全性。
三、智能能源管理智能能源管理还可以实现对能源系统的智能监测和控制。
通过人工智能技术可以实现对能源系统运行状态的实时监测和智能调控，提高了能源系统的响应速度和稳定性，保障了供电的安全和稳定。
在电气设备控制领域，人工智能技术也起到了至关重要的作用。
传统的电气设备控制需要人工干预，存在效率低、响应慢的缺点，而引入人工智能技术可以实现电气设备的智能控制和优化调度。
通过智能控制系统，可以实现对电气设备的智能监测和自动控制，提高了设备的运行效率和可靠性。
电气自动化控制中人工智能技术的应用
电气自动化控制中人工智能技术的应用随着人工智能技术的不断发展，越来越多的应用场景出现在各个领域中，其中包括了电气自动化控制领域。
人工智能技术的应用可以提高电气自动化控制系统的精准度和效率，从而进一步提升电气自动化控制领域的发展水平和应用领域。
本文将从人工智能识别技术、智能控制技术、智能优化技术等几个方面来分析电气自动化控制中人工智能技术的应用。
在电气自动化控制领域中，人工智能识别技术的应用非常广泛。
目前电气自动化控制系统中存在的一些问题需要经过人工智能识别技术的支持来解决。
例如，判断系统故障原因和系统异常信息的分析等，都需要通过人工智能识别技术来实现。
通常使用的方法是将机器学习算法和数据挖掘技术应用到电气自动化控制系统中的数据中，来实现系统故障的自动识别和异常信息的获取和分析。
电气自动化控制系统中的控制需求非常多样化，可通过人工智能技术实现更加智能化的控制。
在智能控制技术中，可采用基于模糊逻辑控制和神经网络控制等技术实现更为智能化的控制。
采用人工智能技术实现电气自动化控制系统中的的智能控制，可提高控制的精确度和效率，也有助于降低人工干预的成本和不稳定性。
在电气自动化控制系统中，存在大量需要进行优化的参数。
传统的优化方法无法解决这些问题，而智能优化技术却可以很好的实现。
智能优化技术可以使用人工神经网络、粒子群算法等方法来优化系统参数。
同时，智能优化技术还可以用于电气自动化控制系统中的自适应控制，在控制模型的动态调整中有着重要的应用价值。
总的来说，人工智能技术在电气自动化控制领域中有着广泛的应用价值。
通过采用人工智能技术可实现更加智能化、可靠化和高效化的控制，从而进一步提高电气自动化控制领域的发展水平和应用范围。
人工智能在电气工程自动化中的应用——论文
人工智能在电气工程自动化中的应用——论文人工智能在电气工程自动化中的应用摘要：随着人工智能技术的快速发展，其在电气工程自动化领域的应用也日益广泛。
本文将探讨人工智能在电气工程自动化中的应用，并分析其在电力系统、智能电网、工业自动化和智能家居等方面的具体应用案例。
通过对相关文献的综述和分析，本文总结了人工智能在电气工程自动化中的优势和挑战，并展望了未来的发展趋势。
1. 引言随着信息技术的快速发展，人工智能作为一种新兴的技术手段，在电气工程自动化领域得到了广泛应用。
人工智能技术能够模拟人类的智能行为，通过学习和推理来解决复杂的问题。
在电气工程自动化中，人工智能技术能够提高系统的智能化程度，提升工作效率和质量，降低能源消耗和环境污染。
本文将重点探讨人工智能在电气工程自动化中的应用，并分析其优势和挑战。
2. 人工智能在电力系统中的应用2.1 智能电网智能电网是一种基于信息技术和通信技术的电力系统，它能够实现电力的高效传输和分配。
人工智能技术在智能电网中的应用主要包括负荷预测、电力调度和故障诊断等方面。
通过对历史数据的分析和建模，人工智能能够准确预测负荷需求，提前做好电力调度，从而降低能源的浪费。
此外，人工智能还能够通过对电力系统的监测和分析，实现故障的自动诊断和修复，提高电力系统的可靠性和稳定性。
2.2 智能电表智能电表是一种能够实时监测电力消耗的设备，它能够通过与智能电网的连接，实现电力的智能分配和管理。
人工智能技术在智能电表中的应用主要包括电力消耗分析、能源管理和电力优化等方面。
通过对电力消耗数据的分析和建模，人工智能能够帮助用户了解自己的用电习惯，并提供相应的节能建议。
此外，人工智能还能够通过对电力系统的优化调度，实现电力资源的最优分配，减少能源的浪费。
3. 人工智能在工业自动化中的应用3.1 智能制造智能制造是一种基于信息技术和通信技术的制造方式，它能够实现生产过程的智能化和自动化。
人工智能技术在智能制造中的应用主要包括生产计划优化、质量控制和机器人控制等方面。
人工智能技术在电气自动化领域的应用及标准
人工智能技术在电气自动化领域的应用及标准摘要：随着计算机技术和互联网的快速发展，人工智能技术已经融入到生产和生活的方方面面，提高了企业的生产效率也提升了人民的生活水平。
如今人工智能技术也被广泛应用在电气自动化领域的各个环节中，有效推动了电气自动化领域的快速发展。
文章从人工智能技术在电气自动化领域的应用价值、优势以及实际应用等多个维度进行了较为深入的分析，最后对人工智能技术应用到电气自动化领域的未来发展趋势进行了多个方面的探究并分析了人工智能的标准。
关键词：人工智能；电气技术；自动化领域；应用标准引言现阶段，电力工程建设项目越来越多，为了切实提升电力工程的质量，提高电力系统运行的可靠性，就需要利用电气自动化技术来实时监测整个电力系统的运行状况，同时应用自动化技术来弥补传统变电运营与管理模式中的漏洞与不足，以确保电力系统的稳定运行，确保用户的用电体验。
虽然在当前电力系统的运作过程中，电气自动化系统的运用已经十分普遍，但仍然会存一些技术上的不足、管理上的盲区，会在电力生产、传输，以及运维过程中产生不同程度的隐患与风险，不仅仅会影响电力的连续供应，同时还会对运维人员的生命安全产生威胁。
所以，为了进一步提升电气自动化的控制能力，就需要通过运用人工智能技术的优势作用进行有效补充，从而使得电力电气自动化的控制作用最大化地发挥出来，为企业的可持续发展创造良好条件。
文章就人工智能技术在电气自动化控制中应用的积极作用，以及人工智能技术在电气自动化控制中的具体运用进行简单阐述，以供参考。
1人工智能概述1.1人工智能释义人工智能是目前信息技术领域最为先进的科技之一，它以成熟的计算机技术为基础，兼顾包含了自然科学和社会科学的理论知识。
从根本上来说，它属于计算机语言编程的结果，主要是全面模仿人类的行为和思维方式，相当于通过技术来呈现人类的智慧，代表着科技的一种新的发展趋势。
目前，人工智能技术还不够成熟，仅能识别和处理有限的图像语言和自然语言，随着人工智能的发展，在其他科技的加持下，其极有可能逐步识别和处理各类语言，而其应用范围也因此得到进一步拓展。
基于人工智能技术在电气自动化控制中的应用
基于人工智能技术在电气自动化控制中的应用随着人工智能技术的快速发展，越来越多的传统行业开始运用人工智能技术。
在电气自动化控制领域，人工智能技术也拥有广泛的应用。
下面将从以下几个方面探讨基于人工智能技术在电气自动化控制中的应用。
1. 智能控制系统智能控制系统是目前人工智能技术在电气自动化控制中最为广泛应用的领域之一。
智能控制系统采用了人工智能技术，可以识别、分析和处理大量的数据，并且具有学习和自适应能力。
智能控制系统可以自主实现故障预测，快速响应和智能化检测。
2. 机器视觉系统机器视觉系统是一种可以模仿人类视觉系统进行图像处理的技术。
在电气自动化控制中，机器视觉系统可以用来检测设备的状态、保护环境和监测机器等。
机器视觉系统具有高度的精度和速度，可以实时地对设备进行检测和诊断。
同时，该技术具有一定的灵活性，可以根据实际情况进行配置和调整。
3. 机器学习技术机器学习技术可以帮助智能控制系统自主实现智能化分析和处理数据。
机器学习技术可以利用算法和模型来处理信息和数据，从而提高智能控制系统的学习能力和适应性。
这种技术能够帮助智能控制系统实现自主的决策和操作，并且可以根据不同的环境和需求进行调整和优化。
4. 人机交互系统人机交互系统是一种可以实现人与机器之间的交互交流的技术。
该技术可以帮助使用者快速地掌握设备的使用方法，同时也可以对设备进行监测和诊断。
人机交互系统可以通过多种方式进行交互，例如语音、图形等，具有很高的实用性和可行性。
总之，人工智能技术在电气自动化控制中的应用涵盖了智能控制系统、机器视觉系统、机器学习技术和人机交互系统等多个方面。
这些技术的应用可以提高电气自动化控制的效率和安全性，并且具有较大的推广和实用前景。
人工智能在电气工程及自动化中的应用
人工智能在电气工程及自动化中的应用I 引言人工智能是一种模拟人类智能的技术，可以分为专家系统、神经网络、遗传算法和基于知识推理等，它不仅是当今科学技术发展的方向，也是未来的趋势，正在深刻影响着人类的生活和社会发展。
在电气工程及自动化领域，人工智能的应用也是极为广泛和重要的。
2 人工智能在电气工程中的应用1.人工智能在电网调度与能源管理中的用途。
传统的电力系统依赖于人工决策，难以处理大规模电力系统的复杂问题，而基于人工智能的电网调度和能源管理系统能够自动完成实时功率控制，实时电能预测和调度，并提供响应式负载管理策略，使得系统更加智能化和高效化。
2. 基于人工智能的电气故障检测与修复。
在电气设备中，故障的检测和修复显得尤为关键，传统手段存在着检测到设备实际发生断路等故障时，处理不及时、处理质量差、检修不彻底等问题。
在此方面，基于人工智能的故障检测和修复技术能够自动监测电气设备的运行数据，实时检测可能的故障，自动诊断，为维护人员提供参考和支持，更快更准地解决故障问题。
2.人工智能在智能化制造中的应用。
工业生产中，基于人工智能的机器视觉技术可以自动地进行质量控制，智能机械臂可以完成复杂的操作任务，通过精准监测和控制能源与物料的流动，实现资源的优化配置和节约，调整生产过程的参数，实现智能化高效化生产。
3 人工智能在自动化中的应用1.基于人工智能的自动化控制技术。
人工智能技术对自动化控制提供了新的思路。
智能控制系统采用了模糊控制、模型预测控制、遗传算法和神经网络等技术，为自动化系统的控制和管理提供了全新的手段和理念。
2.人工智能在机器人控制领域的应用。
人工智能技术的不断发展，使得机器人控制也得到更多的应用。
机器人控制基于人工智能技术，使得机器人可以自主完成任务，同时，机器人的操作行为也更加的智能化和高效化。
4 人工智能与智能电网的关系1.智能电网的特点。
智能电网采用了先进的通信和控制技术，能够实现电能的智能分配、计量、交易和管理等功能。
小议人工智能在电气传动控制过程中的应用
丽
科技 论坛
小议人工智能在电气传动控制过程中的应用
李连全
（ 北 省 水 利 水 电勘 测 设 计研 究 院 ， 津 ３０ ５ ） 河 天 ０ ２ ０
摘 要 ：随着人工智 能在 电气 自 动化领 导的广泛应 用，带来了革命性 的变化 。以下结合 当前 电气传动控制 中人 工智能的应 用情 况，简要 作
形式 的反向传播技术 ， 而不是已知的标准形式。反向 传播技术是在线（ｕ ｓ— ｐｒｉ ｄ学习技术 ， ｅｖｓ ） ｅ 需要充分的输 ＾ 、 —输出数据对 ， 虽然这种限制也可以用 另外的方法加以克服 ， 但该方法是离线的。 研究人员试图把 ＡＮ Ｓ Ｎ 用于控制电力变换器，但到 目前为止没有获得 满意的结果， 这也是—个很有趣的领域。主要的有待解决的障碍是学习阶段 时间花费过长， 总而言之 。 问题的关键是要给 的非线性函数近似器 、 得到期望的非线性输 入 ・输出 映射。常规技术就能实 现简单的映射， 而神经网络能实现更复杂的映射， 并且由于它的并行结构这 种映射相当快。 ３ 人工智能在交流传动中的应用 模糊逻辑的应用 ： 在大多数讨沦 模糊逻辑在交流传动中运用的文章中， 都介绍的是用模 糊控制器取代常规的速度调节器，可英国 Ａ ｅｄｅ 大学开发的全数字高性 ｂｒｅｎ 能传动系统中有多个模糊控制器 ， 这些模糊控制器不仅用来取代常规的 Ｐ Ｉ 或 ＰＤ控制器， Ｉ 同时也用于其他任务。 该大学还把模糊神经控制器用于各种 全数字高动态性能传动系统开发中。 也有 控制感应电机的磁通和力矩。 讨论这种技术的第一篇交 章发表于 １９ 年。 ９ ２ 该 文中讨论了两种控制策略， 如用第一种策略 ， 规则表有 ３ ６条规则， Ｉ 模描 控制 器的输入是磁通和转矩误差 ， 根据转矩和磁通误差， 改变磁通矢量的辐值和 旋转方向， 反模糊化技术用到的是中心梯度法 ， 第一种策略没有考虑最优电 压矢量选择的梯度。而第二种策略考虑了， 这种方案被成功地实现了。 到 目前为止， 只有两种运用 ＾ 工智能技术的工业产品， 其一是安川矢量 变频器， 另—个是 日立矢量变频器 ， 日立公司最近开发了 Ｊ０ ３ ０系列 Ｉ 矢 Ｇ盯 量变频器， 功率范围是 ５ ￣ ５Ｗ。 ． ５ ｋ 它的主要特 ５ 法和强大的 自 调整功能。无传感器磁通矢量控制方案采样两相定子电流 ， 在 初始 自整定阶段， 电机和负载的惯性以及其他参数例如定子电感 ， 定子和转 子电阻、 励磁电感等参数被｛算 。日立公司宣称这是世界 ｔ １ 第一台使用模糊 控制的变频器。它考虑了电机和系统的特性， 转矩计算软件在整个频率范围 保证了转矩的精确控制。 变频器的主要性能指标如下 ：Ｈｚ １０ Ｉ 时 ５ ％￣ 高的 启动转矩 ； ３ 的速度范围（０ ６ Ｈ ／ 到 ５ Ｈ ） 在 ： １ ２ 到 ０ ｚ６ １ ０ ｚ电机不用降低功率使 用。 ３ ｏ Ｊｏ 系列变频器由于使用了高速微处理器和内置 Ｄ Ｐ 因此具有很的响 Ｓ， 应速度 ， 转矩响应速度大约可达到 ｎ 秒。它使用模糊逻辑控制电机电流和 １ 加减速斜率。它能根据电机负载和制动需要计算加减速的最优时间， 因此不 需要尝试法进行调整。 模糊逻辑加减速度函数根据模糊规则设定加减速度比 例因子和速度 ， 而模糊规则则用当 前值与过载限幅（ 或其它限幅 ） 值的差值以 及电机电流和电压的梯度作为输入变量。 梯度和差值构成四个隶属函数， 两 个隶 属函数是三角函数， 另两个是半梯形。 当用常规的简单电流限幅控制， 变 频器的斜率是步进型的 ， 经常引起变频器跳闸。 特别是在减速时。 当用模｛逻 飙 辑控制时， 斜率十ｙ ３滑， ￣ ｚ 变频器假跳闸的现象也消除了。 － 变频器在风机ｌ 和泵 运用最能体现模糊逻辑控制的优势。在这些应用中， 不需要恒定的加减 速时间或精确的位置控制。在这些应用中， 不 的位置控制。 需要的是与负载条件有关的加减速度的最优化。 模糊控制能实 现加减速度的最优控制。 ��
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能控制技术在电气传动领域的运用
阎巍娟
(郑州纺织机械股份有限公司，河南省郑州市450000)
摘要: 本文论述了人工智能在电气传动领域的发展概况。
其中主要包括模糊控制、神经网络和遗传算法的应用特点及发展趋势等。
关键词: 神经网络控制;模糊神经元控制;自适应控制
1引言
人工智能控制技术一直没能取代古典控制方法。
但随着现代控制理论的发展，控制器设计的常规技术正逐渐被广泛使用的人工智能软件技术(人工神经网络、模糊控制、模糊神经网络、遗传算法等)所替代。
这些方法的共同特点是:都需要不同数量和类型的必须的描述系统和特性的“a priori”知识。
由于这些方法具有很多优势，因此工业界强烈希望开发、生产使用这些方法的系统，但又希望该系统实现简单、性能优异。
在将来，智能技术在电气传动技术中占相当重要的地位，特别是自适应模糊神经元控制器在性能传动产品中将得到广泛应用。
但是，还有很多研究工作要做，现在还只有少数实际应用的例子(学术研究组实现少，工业运用的就更少了)，大多数研究只给出了理论或仿真结果，因此，常规控制器在将来仍要使用相当长一段时间。
2人工智能控制器的优势
人工智能控制器可分为监督、非监督或增强学习型屯种。
常规的监督学习型神经网络控制器的拓朴结构和学习算法已经定型，这就给这种结构的控制器增加了限制，使得计算时间过长，常规非人工智能学习算法的应用效果不好。
采用自适应神经网络和试探法就能克服这些困难，加快学习过程的收敛速度。
常规模糊控制器的规则初值和模糊规则表是既定”a-priori"型，这就使得调整困难，当系统得不到’'a-priori"(既定)信息时，整个系统就不能正常工作。
而应用自适应AI控制器，例如使用自适应模糊神经控制器就能克服这些困难，并且用DSP比较容易实现这些控制器。
总而言之，当采用自适应模糊神经控制器，规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。
有很多方法来实现这个过程，但主要的目标是使用系统技术实现稳定的解，并且找到最简单的拓朴结构配置，自学习迅速，收敛快速。
3人工智能在电气传动控制中的运用
这一部分主要讨论人工智能在交直流传动中运用的进展。
值得指出的是这是一个广阔的领域，在过去二年中，研究活动极快的增长，本文只是概括一下人工智能在电气传动中的运用这一领域的进展，不可能覆盖研究的每一个可能领域。
AI控制器在直流传动中运用的大多数研究集中于模糊逻辑应用，在人工神经网络和其它智能控制的研究还很少。
下面主要讨论模糊、神经元和模糊神经元和模糊神经元控制器在交直流传动中的应用。
3.1人1:智能在直流传动中的运用
模糊逻辑控制应用
主要有两类模糊控制器，Mamdani和Sugeno型。
到目前为止只有Mamdani模糊控制
器用于调速控制系统中。
限于篇幅本文不详绥讨论其中的原因。
值得注意的是这两种控制器都有规则库，它是一个if-then模糊规则集。
但Sugeno控制器的典型规则是”如果X是A，并且Y是B，那么Z=f(x,y)"。
这里A和B是模糊集;Z=f(x,y)是x,y的函数，通常是输人变量x,y的多项式。
当f是常数，就是零阶Sugeno模型，因此Sugen。
是Mamdani控制器的特例。
Mamdani控制器由下面四个主要部分组成:
模糊化实现输人变量的测量、量化和模糊化。
隶属函数有多种形式;知识库由数据库和语言控制规则库组成。
开发规则库的主要方法是:把专家的知识和经历用于应用和控制目标;建模操作器的控制行动;建模过程;使用自适应模糊控制器和人工神经网络推理机制;推理机是模糊控制器的核心，能模仿人的决策和推理模糊控制行为;反模糊化实现量化和反模糊化。
有很多反模糊化技术，例如，最大化反模糊化，中间平均技术等。
ANNS的应用
过去二十年，人工神经网络(ANNS)在模式识别和信号处理中得到广泛运用。
由于ANNS 有一致性的非线性函数估计器，因此它也可有效的运用于电气了传动控制领域，它们的优势是不需要被控系统的数学模型，一致性很好，对噪音不敏感。
另外，由于ANNS的并行结构，它很适合多传感器输人运用，比如在条件监控、诊断系统中能增强决策的可靠性，当然，最近电气传动朝着最小化传感器数量方向发展，但有时，多传感器可以减少系统对特殊传感器缺陷的敏感性，不需要过高的精度，也不需要复杂的信号处理。
3.2人工智能在交流传动中的应用
模糊逻辑的应用
在大多数讨论模糊逻辑在交流传动中运用的文章中，都介绍的是用模糊控制器取代常规的速度调节器，可英国Aberdeen大学开发的全数字高性能传动系统中有多个模糊控制器，这些模糊控制器不仅用来取代常规的PI或PID控制器，同时也用于其他任务。
该大学还把模糊神经控制器用于各种全数字高动态性能传动系统开发中。
也有一些优秀的文章论述运用模糊逻辑控制感应电机的磁通和力矩。
讨论这种技术的第一篇文章发表于1992年。
该文中讨论了两种控制策略，如用第一种策略，规则表有36条规则，模糊控制器的输人是磁通和转矩误差，根据转矩和磁通误差，改变磁通矢量的辐值和旋转方向，反模糊化技术用到的是中心梯度法，第一种策略没有考虑最优电压矢量选择的梯度。
而第二种策略考虑了，这种方案被成功地实现了。
神经网络的应用
非常少的文章讨论神经网络用于交流电机的控制，大量文章讨论神经网络在交流电机和驱动系统的条件监测和诊断中的运用。
文献介绍了使用常规反向转波算法的ANN用于步进电机控制算法的最优化。
该方案使用实验数据，根据负载转矩和初始速度来确定最大可观测速度增量。
这就需要ANN学习三维图形映射。
该系统与常规控制算法(梯形控制法)相比具有更好的性能，并且大大减少了定位时间，对负载转矩的大范围变化和非初始速度也有满意的控制效果。
文献用两个ANNS控制和辩识感应电机，但只给出了仿真研究。
这是第一篇讨论神经网络在感应电机控制中的应用，这个方案与 3.1节中讨沦的直流驱动方案类似，ANNS的结构是多层前馈型，运用常规反向传播学习算法。
该系统由两个子系统构成，一个系统通过电气动态参数的辩识自适应控制定子电流，另一个系统通过对机电系统参数的辩识自适应控制转子速度。
该文讨论了这些控制方案与常规方案的各种优点。
结论二本文试图对人工智能电气传动控制系统领域的进展做一回顾。
内容涉及模糊控制、神经网络、模糊神经网络在电气传动系统中的应用，讨论了模糊、神经和模糊神经控制器等人工智能技术的优点。
也讨沦了人工智能最小配置的应用。
但到目前为止，使用人工智能技术的变速传动工业产品才一刚刚出现，只有少数公司推出他们的产品。
虽然使用人工智能技术的实际产品和应用还不多，但不久的将来，人工智能技术在电气传动领域将会取得重要的地位，特别是自适应模糊神经控制器将在高性能驱动产品中得到广泛使用。
参考文献
[1]张玉清.计算机通信网安全协议的分析研究[D].西安电子科技大学，2000.
[2]安靖，王亚弟，韩继红，安全协议的CSP描述技术[J]微计算机信息，2006,10-3:P52-55.。