第1章 绪论
1.1 人工智能的发展历史
人工智能（artificial intelligence，AI）是一门致力于让机器具备类似人类智能的技术和方法的科学。它通过计算机模拟人类的认知过程，包括感知、推理、学习和决策，使得机器能够执行复杂任务。人工智能的核心技术包括机器学习、自然语言处理、计算机视觉和神经网络等。机器学习通过数据训练模型，使系统能够自我改进；自然语言处理则使计算机理解和生成人类语言；计算机视觉赋予机器“看”的能力；神经网络模仿人脑的结构，用于复杂模式识别。如今，人工智能广泛应用于医疗、金融、自动驾驶、制造等多个领域，推动着社会的数字化转型和创新。随着技术的不断进步，人工智能将在未来进一步改变人们的生活方式。
人工智能的思想可以追溯到更早的哲学和数学研究中。例如，17世纪法国哲学家兼数学家勒内？笛卡儿（René Descartes）提出了关于自动化和理性的理论，认为人类某些思维过程可以被视为一系列机械计算。20 世纪，英国数学家艾伦？图灵（Alan Turing）在1936年发表的论文《论可计算数及其在判定问题上的应用》为现代计算理论奠定了基础。图灵提出了“图灵机”的概念，这是一种抽象的计算设备，可以模拟任何算法的执行过程。1943年，神经科学家沃伦？麦卡洛克（Warren McCulloch）和逻辑学家沃尔特？皮茨（Walter Pitts）合作提出了基于神经元的计算模型（M-P模型），成为早期神经网络理论的里程碑。1950年，图灵在论文《计算机器与智能》中提出了“图灵测试”（模仿游戏），这是用来判断机器是否具有智能的标准。如果一台机器能在对话中让人类无法分辨它与另一名人类的区别，那么它就可以被认为是具有人类智能的。这一测试至今仍被视为衡量人工智能的重要方法之一。
1956 年的达特茅斯会议（Dartmouth Conference）被广泛视为人工智能学科正式诞生的标志。约翰？麦卡锡（John McCarthy）、马文？李？明斯基（Marvin Lee Minsky）、克劳德？香农（Claude Shannon）和内森尼尔？罗切斯特（Nathaniel Rochester）等科学家聚集在一起，提出了让机器模拟人类智能的目标，并*次明确了“人工智能”的概念，整合了此前分散的理论探索，推动了AI成为*立的研究领域。这次会议被认为是人工智能领域的开端。达特茅斯会议之后，人工智能相关研究迅速展开。20世纪50年代中期和20世纪60年代初，科学家们开发了**代人工智能程序。例如阿瑟？塞缪尔（Arthur Samuel）开发的西洋跳棋程序能通过自我学习提升棋艺，而麦卡锡等开发的“逻辑理论家”程序能自动证明数学定理。这些程序虽局限于特定任务，但*次实证了计算机在模拟学习和逻辑推理方面的潜力，为AI发展奠定了基础。1976年，艾伦？纽厄尔（Allen Newell）和赫伯特？西蒙（Herbert Simon）提出了“物理符号系统假说”，即任何形式的智能行为都可以通过物理符号系统（例如计算机）来实现。这一理论为人工智能研究提供了重要的理论基础。
20世纪70年代至20世纪80年代，人工智能进入一个新的发展阶段，专家系统开始流行。这些系统通过编码专家的知识和规则，帮助解决特定领域的复杂问题。此时，人工智能研究的重点从通用智能转向了特定领域的应用。与此同时，神经网络研究也逐渐复苏。虽然早期的神经网络模型由于计算资源有限和理论不成熟而一度沉寂，但随着计算能力的提升和算法的改进，神经网络在20世纪80年代重新受到关注，为后来的深度学习奠定了基础。
进入21世纪，人工智能技术得到了飞速发展，展现了前所未有的性能，尤其在图像识别、语音识别和自然语言处理等领域取得了重大突破。这些技术进展推动了人工智能从学术研究向实际应用的转化，使其进入了广泛商用的阶段。
随着人工智能技术从理论到实践的飞速跨越，各国政府都对人工智能的发展及其带
来的挑战给予高度的重视。
习近平总书记强调“发展新质生产力是推动高质量发展的内在要求和重要着力点”[1]，“人工智能是新一轮科技革命和产业变革的重要驱动力量，将对全球经济社会发展和人类文明进步产生深远影响。中国高度重视人工智能发展，积极推动互联网、大数据、人工智能和实体经济深度融合，培育壮大智能产业，加快发展新质生产力，为高质量发展提供新动能”[2]。李强总理在2024年的《政府工作报告》[3]中提到“大力推进现代化产业体系建设，加快发展新质生产力”“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”。
2024年7月12日，欧盟的《人工智能法案》*终版本正式公布[4]，标志着欧盟成员国层面就这一全球*部综合性AI监管法案达成一致。该法案于2024年5月21日获欧洲议会全会通过，计划于2025年起实施。此前，在《欧洲人工智能战略》（2018）[5]中，欧盟委员会指出，人工智能是其此前提出的“工业数字化战略”（2016）[6]和“新产业政策战略”（2017）[7]的延续和深化，计算能力的增长、数据的可用性和算法的进步使人工智能成为21世纪*具战略意义的技术之一。2022年10月，美国白宫科技政策办公室发布《人工智能权利法案蓝图：让自动化系统为美国人民服务》[8]。2023年5月下旬，拜登政府采取了几项额外措施，进一步明确其人工智能治理方法。美国白宫科技政策办公室发布了修订后的《国家人工智能研发战略计划》[9]，以“协调和集中联邦研发投资”。
从各国政府的态度可以看出，拥抱人工智能是大势所趋。在迎接人工智能技术带来
的风险的同时，如何使用好人工智能，探索其在不同领域的应用，为科技创新激发新的活力，需要各行各业的科技工作者共同努力。
1.2 人工智能在电力电子系统中的应用现状
人工智能技术在电力电子系统中的应用研究始于20世纪80年代中期（如模糊控制），并于20世纪90年代随着专家系统和神经网络的引入形成*个发展高峰[10]，随着30多年来的发展，人工智能已被广泛应用于电力电子系统的3个不同生命周期阶段，包括设计、控制和维护。在电力电子系统的不同环节，人工智能的基本功能分为优化、分类、回归和数据结构探索[11]。
（1）优化是指在给定解必须满足的约束、等式、不等式的情况下，为了*大化或*小化目标函数，从一组可用的备选方案中找到一个*优解。例如，在设计任务中，优化是一种探索*优参数集的工具，这些参数集在设计约束下*大化或*小化设计目标。
（2）分类是为输入信息或数据分配一个标签，指示多个离散类型中的一个。具体而言，系统维护中的异常检测和故障诊断是一项典型的分类任务，用于确定具有状态检测信息的故障标签。
（3）回归是在给定输入变量的情况下，通过识别输入变量和目标变量之间的关系来预测一个或多个连续目标变量的值。例如，智能控制器可以通过输入电信号和输出控制变量之间的回归模型来实现。
（4）数据结构探索包括在数据集中发现相似数据组的数据聚类、确定输入空间内数据分布的密度估计，以及将高维数据向下投影到低维数据以进行特征约简的数据压缩。例如，在系统维护中，老化状态聚类属于数据结构探索类别。
根据人工智能类型、功能类型和电力电子系统相关任务，现有人工智能在电力电子系统中应用的相关研究如图1.1[11]所示。
图1.1 人工智能在电力电子系统中的主要应用
TSK型方法全称为 Takagi-Sugeno-Kang 型方法；*小运算方法也称 Mamdani 运算方法
4 人工智能与电力电子变换器调制技术
按照主流研究论文的数量排序，目前人工智能在电力电子系统中应用的相关研究，绝大多数针对控制任务，其次为维护任务和设计任务。在功能方面，目前的研究绝大多数关注归和优化问题，其次为分类问题，关注数据结构探索的则*少。在所使用的人工智能方法中，使用*多的方法类型为机器学习，其次为元启发式方法和模糊逻辑，而使用专家系统的相关研究占比较小[11]。人工智能与电力电子系统的交叉领域中，机器学习相关的研究，成了热门与主流。
机器学习主要可分为有监督学习、无监督学习和强化学习。
在训练集包含输入和输出的情况下，有监督学习旨在建立输入和输出之间隐含的映
射和函数关系。此功能对电力电子系统中难以构建模型的情况特别有用。一般来说，监督学习的任务包括分类和回归。
与有监督学习相比，无监督学习在学习过程中没有学习目标地输出数据。一般来说，电力电子应用中的无监督学习任务可分为数据聚类和数据压缩。
与有监督学习和无监督学习相比，强化学习不需要训练集。它的目的是找到一个合适的动作策略，以*大限度地提高特定任务的回报，这本质上是一个动态规划或优化任务。在电力电子变换器的调制技术中，通常其发波规则是为了满足特定的目标，比如大软开关范围、高转换效率、低电压或电流谐波等，因此，强化学习在电力电子变换器调制技术中的应用获得了广泛的研究。
参考文献
[1] 习近平. 发展新质生产力是推动高质量发展的内在要求和重要着力点[J]. 求是， 2024(11): 4-8.
[2] 刘虎沉. 人工智能为发展新质生产力提供关键驱动力[N]. 科技日报， 2024-07-22(8).
[3] 中华人民共和国中央人民政府. 政府工作报告[R]. 北京: 新华社， 2024.
[4] 王天凡. 人工智能监管的路径选择: 欧盟《人工智能法》的范式、争议及影响[J]. 欧洲研究， 2024， 42(3): 1-30， 173.
[5] European Commission. Artificial intelligence for Europe[EB/OL]. (2018-04-25)[2025-01-02]. https://www.europeansources.info/record/communication-artificial-intelligence-for-europe/.
[6] European Commission. Digitising European industry: Reaping the full benefits of a digital single market[EB/OL]. (2016-04-19)[2025-01-02]. https://ec.europa.eu/information_society/newsroom/image/document/ 2016-18/
digitising_ european_industry_reaping_the_full_benefits_of_a_dsm_15422.pdf.
[7] European Commission. Industrial policy strategy: Investing in a smart， innovative and sustainable industry[EB/OL]. (2017-09-18)[2025-01-02]. https: //ec.europa.eu/commission/presscorner/api/files/document/print/en/ip_17_3185/IP_17_3185_EN.pdf.
[8] 佚名. 美白宫发布《人工智能权利法案》蓝图[J]. 中国教育网络， 2022(10): 5.
[9] 佚名. 美国发布《国家人工智能研发战略计划》2023 更新版[J]. 中国计量， 2023(8): 51.
[10] Izuno Y， Takeda R， Nakaoka M. New
展开
