3计算机网络技术中人工智能的应用分析
在计算机网络技术中应用人工智能，可极大程度满足人们对计算机提供人性化及智能化服务的需求。其中，计算机网络技术智能化服务主要指的是智能化的人机界面、信息服务、系统开发及支撑的环境这几个方面，与此同时，这些需求进一步促进了人工智能在计算机网络技术，尤其是在智能人机界面、网络安全及系统管理评价等方面的应用进程。
3.2人工智能在计算机网络系统管理及评价中的应用。计算机网络管理的智能化发展，离不开人工智能技术及电信技术的发展。除了应用在计算机网络安全管理中，人工智能技术中的问题求解技术及专家知识库等，均可促进计算机网络综合管理的实现。由于网络具有瞬变性及动态性的特点，因而给计算机网络管理工作增加了一定的难度，这同时也使得现代化网络管理工作朝着智能化的方向发展。其中，以人工智能理论为发展基础的专家级决策及支持方法，在信息系统的管理工作中得到了广泛应用。作为一项智能计算机程序，专家系统可累积尽可能多的专家经验与知识，并通过进行归纳与总结，在形成资源录入系统的基础上，利用这一汇集了多位特定领域中的专家经验的系统，对此领域中相似的其他问题进行解决。因此，对于计算机网络管理及其系统评价，可通过众多专家系统来开展计算机网络管理及系统评价等大量工作。
4结数语
工作中存在的不足网络舆情监测工作是指网络信息工作的部门或人员在特定时期或者在特定的事件中对公众在互联网上发表的言论和意见进行监视、收集、分析、整理及预测的行为，这些言论被称为网络舆情。
进入大数据时代，网络舆论呈现的新特点，促使网络舆情监测工作暴露出诸多不足之处，这为网络舆情监测工作带来了诸多挑战。
热点事件话语体系不可控，舆情预警能力亟待增强。纵观近年来发生的热点公共突发事件，可以发现，在以大数据为基础的社交平台上，公众的话语体系呈现出了一些全新特征，如舆论主体的匿名性、参与渠道的多元化、生成议题的自发性、交流观点的无界性、汇集意见的实时性、发展趋势的不确定性等。这些特征与舆论话语体系在传统媒体的呈现完全不同，网络舆论热点事件话语体系的不可控性大大增强。
舆情监测的技术体系落后，人机不协调问题亟待解决。网络舆论的实时性及其发展的不确定性要求网络舆情监测必须迅速、及时，但很多单位部门的舆情监测平台的方法技术体系滞后，部分单位采用了网络监控系统、有害信息过滤系统等方式进行网络舆情监测，而有些单位为了节省舆情监测设备的成本，甚至将网络舆情监测工作依托于人工网页搜索及浏览的“人工盯梢”方式上，这成为监测工作的一大阻碍，监测工作出现疏忽错判也在所难免。排除资金、人力等客观因素，现阶段的网络舆情监测工作中技术方法体系的不足主要归因于“人机不协调”。机器与人工的协同分工模式不成熟、机器的辅助力量不够，导致人工智能技术在预测监测体系中分析情感、预测走势、检查效果等方面应用还稍显粗浅、机械，而在需要人工进行的高级维度分析、提出应对策略等层面，机器的应用又显得粗糙以及同质化。
人工智能为网络舆情监测带来的三大变革
网络舆情监测要适应大数据时代人工智能的要求，就必须顺势而为，积极进行变革，主要包括网络舆情监测技术体系的变革、网络舆情监测研究范式的变革以及网络舆情监测管理思维的变革三个方面。
网络舆情监测技术体系的变革。将人工智能技术应用于网络舆情是为了更好地对舆情进行分析研判，通过直观、简明的方式描述网络舆情信息的产生，进一步推导信息传播主体的态度倾向性、情绪感染性以及初衷、意图等，从而预测网络舆情信息的发展趋势。
人工智能技术的介入将有利于对信息进行挖掘、采集、分类、整理，从而找寻出最核心的关键性数据。在此基础上，还可以运用人工神经网络预测模型，对网络舆情的性质、发展趋势进行正确描述，并提出相应的对策。
网络舆情监测研究范式的变革。人工智能和大数据对网络舆情监测工作及其研究产生了颇为深刻的影响，舆情监测的研究范式从多角度发生了转向。
第一，舆情监测工作视角的转向：从单一化到多元化。在社交媒体平台上，受众的角色首先发生了转向，由信息的被动接收者转变为信息的参与者和传播者。这一转向给网络舆情监测工作带来了新的挑战，当受众是单纯的信息接收方时，网络信息的可控性强，舆情监测工作形式单一，把关相对容易。而受众角色发生变化以后，网络信息传播的不可控性大大增加，信息传播速度加快，信息传播呈现多元化特征，把关难度增加，网络舆情监测工作也从单一转向多元化，还需要对信息进行疏导、研判处理。
在以上变化的基础上，舆情监测的管理思维也必须转向，组建一支人员分工明确、高度聚合集约的舆情分析团队势在必行。舆情管理的思维变革依托于人工智能监控系统改变团队的组织结构及管理方式，通过智能化的舆情监测系统代替低效的人工操作，其专业性要求颇高，而最佳处理模式就是专业化团队加人工智能技术。按照这样的管理思维，未来舆情监测团队的分工将更加明确，行业内部集约聚合程度将进一步提高，行业有机化程度也将逐步增强。
关键词：人工智能；本科高年级教学；教学改革
中图分类号：G642文献标识码：B
1引言
由于人工智能课程的学习难度较大，内容更新比较快，也繁多，使得教学有一定的难度。特别是针对本科高年级的人工智能教学，由于本科生的研究意识相对较弱，而人工智能比较强调科研性，所以如何教好本科高年级的人工智能课程是一项非常具有挑战性的任务。
本文通过分析本科高年级的教学特点和人工智能课程的自身特点，在如何提高教学质量这一问题上提出了几点思考。
2本科高年级的教学特点
中国的本科教育，由于历史和经济发展水平等诸多原因，目前的定位还是培养某方面专业人才的专才教育。本科高年级学生在完成了低年级公共基础课程和部分专业基础课程的学习之后，迫切希望了解本专业的应用领域和发展前景，所以在教学过程中要注意内容的应用性和专业性。另一方面，本科高年级学生也是研究生教育的储备人才，在教学过程中要适时的进行科研引导，这样能够让毕业生保持对科学的兴趣，从而为研究生阶段进一步深入研究打下基础。本科生一般于4年级的10月份开始着手毕业设计，在本科高年级的教学过程中还要注意与毕业设计的内容相结合，这样可以让学生提前做好准备，选择适合自己的方向。
3人工智能课程的学科特点
4人工智能教学的三点思考及对策
4.1注重应用性和介绍性
4.2注重科研引导性
4.3教学内容与毕业设计相结合
关键词：人工智能自动化
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。随着电气的设计的发展，传统的方法有时很难适应。在此背景下，人工智能技术被引入电气设备的优化设计过程中，并取得了一些成功经验。本文在总结人工智能在电气设备领域取得成果的基础上，对具体应用提出一些看法与策略。积极运用人工智能的新成果无疑有利于电气自动化学科特别是自动控制领域的发展，也有利于提高电气设备运行的智能化水平，对改造电气设备系统，增强控制系统稳定性，加快生产效率都有重大意义。
1人工智能控制器的优势
不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下：
（1）它们的设计不需要控制对象的模型（在许多场合，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如：参数变化，非线性时，往往不知道）。
（3）它们比古典控制器的调节容易。
（4）在没有必须专家知识时，通过响应数据也能设计它们。
（5）运用语言和响应信息可能设计它们。
（6）它们有相当好的一致性（当使用一些新的未知输入数据就能得到好的估计），与驱动器的特性无关。现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。
（7）它们对新数据或新信息具有很好的适应性。
（8）它们能解决常规方法不能解决的问题。
（9）它们具有很好的抗噪声干扰能力。
（10）它们的实现十分便宜，特别是使用最小配置时。
（11）它们很容易扩展和修改。
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。
2人工智能的应用现状
随着人工智能技术的发展，许多高等院校及科研机构就人工智能在电气设备的应用方面展开了研究工作，如将人工智能用于电气产品优化设计、故障预测及诊断、控制与保护等领域。
2.1优化设计
电气设备的设计是一项复杂的工作，它不仅要应用电路、电磁场、电机电器等学科的知识，还要大量运用设计中的经验性知识。传统的产品设计是采用简单的实验手段和根据经验用手工的方式进行的，因此很难获得最优方案。随着计算机技术的发展，电气产品的设计从手工逐渐转向计算机辅助设计(CAD)，大大缩短了产品开发周期。人工智能的引进，使传统的CAD技术如虎添翼，产品设计的效率及质量得到全面提高。
用于优化设计的人工智能技术主要有遗传算法和专家系统。遗传算法是一种比较先进的优化算法，非常适合于产品优化设计。因此电气产品人工智能优化设计大部分采用此种方法或其改进方法。
2.2故障诊断
电气设备的故障与其征兆之间的关系错综复杂，具有不确定性及非线性，用人工智能方法恰好能发挥其优势。已用于电气设备故障诊断的人工智能技术有：模糊逻辑、专家系统、神经网络。
人工智能故障诊断技术在发电机及电动机方面的研究工作也较为活跃。
2.3智能控制
人工智能控制技术在自动控制领域的研究与应用已广泛展开，但在电气设备控制领域所见报道不多。可用于控制的人工智能方法主要有3种：模糊控制、神经网络控制、专家系统控制。由于模糊控制是其中最为简单、最具实际意义的方法，因而它的应用实例最多。
【关键字】人工智能；教育；进展
【中图分类号】G40-057【文献标识码】A【论文编号】1009―8097（2008）13―0018―03
人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。
人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。
一专家系统
专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。
目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-basedinstruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（IDExpert）。[6]
教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]
目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答；能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。
二机器人学
机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以“示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。
机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。
机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。
三机器学习
机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]
随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-basedreasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。
四自然语言理解
自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]
自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]
五人工神经网络
人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。
人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。
六分布式人工智能(DistributedArtificialIntelligence，DAI)
分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。
技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮,引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25]人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。
参考文献
[1]史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.
[2][11][18][19]《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.
[3]任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.
[4][21]蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.
[5][12][15][20][24]蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007:12-14,19-20.
[7]任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.
[8]路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.
[9]陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.
[13]柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.
[14]杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.
[16]自然语言理解[DB/OL].
[17]贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.
[22]ErinShaw,W.LewisJohnson,andRajaramGaneshan,PedagogicalAgentsontheWeb[DB/OL].
关键词：人工智能，电气，自动化控制
人类智能主要要包括三个力面，即感知能力，思维能力，行为能力，而人工智能是指由人类制造出来的“机器”所表现出来的智能。人工智能主要包括感知能力、思维能力和行为能力。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。电气自动化是研究与电气工程有关的系统运行、自动控制、电力电子技术、信息处理、试验分析、研制开发以及电子与计算机应用等领域的一门学科。实现自动化，就等于减少了人力资本投入，并提高了运作的效率。
1人工智能应用理论分析
人工智能(ArtificialIntelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是门边沿学科，属于自然科学和社会科学的交叉。涉及哲学和认知科学、数学、心理学、计算机科学、控制论、不定性论，其研究范畴为自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法等，应用于智能控制，机器人学，语言和图像理解，遗传编程。
当今社会，计算机技术已经渗透到生产和生活的方方面面，计算机编程技术的日新月异催生自动化生产、运输、传播的快速发展。人脑是最精密的机器，编程也不过是简单的模仿人脑的收集、分析、交换、处理、回馈，所以模仿模拟人脑的机能将是实现自动化的主要途径。电气自动化控制是增强生产、流通、交换、分配等关键一环，实现自动化，就等于减少了人力资本投入，并提高了运作的效率。
2人工智能控制器的优势
不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如:神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下
（1）它们的设计不需要控制对象的模型（在许多场合，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素。例如:参数变化，非线性时，往往不知道。)
(3)它们比古典控制器的调节容易。
(4)在没有必须专家知识时，通过响应数据也能设计它们。
(5)运用语言和响应信息可能设计它们。论文格式，自动化控制。。
(6)它们有相当好的一致性(当使用一些新的未知输入数据就能得到好的估计)，与驱动器的特性无关。论文格式，自动化控制。。现在没有使用人工智能的控制算法对特定对象控制效果非常好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。
3人工智能的应用现状
(1)优化设计电气设备的设计是一项复杂的工作，它不仅要应用电路、电磁场、电机电器等学科的知识，还要大量运用设计中的经验性知识。传统的产品设计是采用简单的实验手段和根据经验用手工的方式进行的。因此，很难获得最优方案。随着计算机技术的发展，电气产品的设计从手工逐渐转向计算机辅助设计(CAD)，大大缩短了产品开发周期。人工智能的引进，使传统的CAD技术如虎添翼，产品设计的效率及质量得到全面提高。
用于优化设计的人工智能技术主要有遗传算法和专家系统。遗传算法是一种比较先进的优化算法，非常适合于产品优化设计，因此电气产品人工智能优化设计大部分采用此种方法或其改进方法。
（2）智能控制的功能实现
①数据采集与处理：对所有开关量、模拟量的实时采集，并能按要求处理或存贮。
②画面显示：模拟画面真实显示一次设备和系统的运行状态，可实时显示电流、电压等所有模拟量、计算量、隔离开关、断路器等实际开关状态及挂牌检修功能，能生成历史趋势图。
④操作控制：通过键盘或鼠标实现对断路器及电动隔离开关的控制，励磁电流的调整。按顺控程序进行同期并网带负荷或停机操作。系统对运行人员的操作权限加以限制，以适应各级运行值班管理。
⑤故障录波:模拟量故障录波，波形捕捉，开关量变位，顺序记录等（包括主要辅机)。论文格式，自动化控制。。
⑥在线分析：不对称运行分析、负序量计算等。
⑦在线参数设定及修改：保护定值包括软压板的投退。
⑧运行管理:操作票专家系统，运行日志，报表的生成及存储或打印，运行曲线等。
人工智能控制技术在自动控制领域的研究与应用已广泛展开，但在电气设备控制领域所见报道不多。可用于控制的人工智能方法主要有3种:模糊控制、神经网络控制、专家系统控制。
4恒压供水案例简析
恒压供水在工业和民用供水系统中已普遍使用，由于系统的负荷变化的不确定性，采用传统的PID算法实现压力控制的动态特性指标很难收到理想的效果。在恒压供水自动化控制系统的设计初期曾采用多种进口的调节器，系统的动态特性指标总是不稳定，通过实际应用中的对比发现，应用模糊控制理论形成的控制方案在恒压系统中有较好的效果。在实施过程中选用了AI一808人工智能调节器作为主控制器，结合FXINPLC逻辑控制功能很好地实现了水厂的全自动化恒压供水。对于单独采用PLC实现压力和逻辑控制方案，由于PLC的运算能力不足编写一个完善的模糊控制算法比较困难，而且参数的调整也比较麻烦，所以所提出的方案具有较高的性价比。
本案例中只是一个人工智能在电气自动化中的一个小小的应用，也是电气元
件生产供给的一个方向，实现机械智能化是我们努力的追求，将人工智能的先进的最新成果应用于电气自动化控制的实践是一个诱人的课题。
5结语
人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能完成的复杂的工作，电气自动化是研究与电气工程有关的系统运行。人工智能主要包括感知能力、思维能力和行为能力，人工智能的应用体现在问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系统，机器人学等方面。而这诸多方面都体现了一个自动化的特征，表达了一个共同的主题，即提高机械的人类意识能力，强化控制自动化。因此人工智能在电气自动化领域将会大有作为，电气自动化控制也需要人工智能的参与。
[1]陈洪峰.国内电气自动化发展状况与趋势[J].科技创新导报，2009
[2]张培铭，缪希仁等.展望21世纪电器发展方向----人工智能电器[J].电工技术杂志，2006(4).