淺談人工神經(jīng)網(wǎng)絡(luò)在現(xiàn)代自動(dòng)化中的應(yīng)用

吳雨霖,陳俊宇

（成都理工大學(xué),610059）

淺談人工神經(jīng)網(wǎng)絡(luò)在現(xiàn)代自動(dòng)化中的應(yīng)用

吳雨霖,陳俊宇

（成都理工大學(xué),610059）

隨著科技革新的速度逐漸加快，傳統(tǒng)的生產(chǎn)、生活方式正在被新興的科技手段所優(yōu)化或替代。自動(dòng)化控制技術(shù)因其具有的智能化、高效化的特點(diǎn)，最大程度上降低了原有的人力資源成本，即促進(jìn)了制造、運(yùn)輸、消費(fèi)等工業(yè)活動(dòng)的向前發(fā)展。20世紀(jì)90年代之后，人工神經(jīng)網(wǎng)絡(luò)理論與技術(shù)得到了跨越式發(fā)展，這使得原有的生產(chǎn)、流通、交換、分配等關(guān)鍵節(jié)點(diǎn)的控制手段又有了進(jìn)一步的提升，提高了工業(yè)活動(dòng)的整體運(yùn)作效率。

自動(dòng)化；人工神經(jīng)網(wǎng)絡(luò)；控制

人工神經(jīng)網(wǎng)絡(luò)理論產(chǎn)生伊始，其就具備了靈活的復(fù)雜模型結(jié)構(gòu)和固有的非線性模擬能力，優(yōu)秀的自適應(yīng)行和容錯(cuò)特性特征，在自動(dòng)化控制中就獲得了廣泛的應(yīng)用。該技術(shù)優(yōu)化了基本的控制結(jié)構(gòu)中原有的監(jiān)督控制、逆?？刂啤⒛Ｐ蛥⒖伎刂?、內(nèi)模控制，實(shí)現(xiàn)了一定程度上的預(yù)測(cè)控制和最優(yōu)決策控制等新功能。

1 人工神經(jīng)網(wǎng)絡(luò)理論分析

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，即ANN ）的廣泛研究用于興起于上個(gè)世紀(jì)80年代并迅速成為人工智能領(lǐng)域的研究熱點(diǎn)，它模擬人腦神經(jīng)網(wǎng)絡(luò)在信息獲取處理過程中的行為并對(duì)該行為進(jìn)行抽象，按照簡(jiǎn)化的實(shí)際工程需要進(jìn)行建模。人工神經(jīng)網(wǎng)絡(luò)技術(shù)本質(zhì)上是一種運(yùn)算模型，由多個(gè)簡(jiǎn)單網(wǎng)絡(luò)有機(jī)組合而成。每一個(gè)簡(jiǎn)單網(wǎng)絡(luò)則由很多個(gè)神經(jīng)元（亦稱節(jié)點(diǎn)），本質(zhì)為一種既定的輸出函數(shù)（亦稱激勵(lì)函數(shù)），多個(gè)神經(jīng)元之間則依靠權(quán)重連接。由以上理論可知，整個(gè)神經(jīng)網(wǎng)絡(luò)產(chǎn)生的輸出結(jié)果僅僅取決于其內(nèi)部節(jié)點(diǎn)的連接方式和權(quán)重因子。90年代初，支持向量機(jī)( Support vector machines, SVM )和VC( Vapnik-Chervonenkis)維數(shù)概念被提出后，人工神經(jīng)網(wǎng)絡(luò)的研究受到了世界范圍的重視。

人工神經(jīng)網(wǎng)絡(luò)是研究使計(jì)算機(jī)來(lái)模擬人類的某些思維和智能行為過程中大腦神經(jīng)元的活動(dòng)機(jī)制。其具體內(nèi)容涵蓋了機(jī)器模仿人類的智能大部分行為，如：感知、推理、判斷、統(tǒng)籌等行為并自主地應(yīng)用于工程實(shí)踐中。人工神經(jīng)網(wǎng)絡(luò)技術(shù)涉及學(xué)科內(nèi)容十分廣泛，它是由認(rèn)知科學(xué)，數(shù)學(xué)，計(jì)算機(jī)科學(xué)，控制論，不確定性理論等多學(xué)科交叉產(chǎn)生并發(fā)展起來(lái)的，更多地應(yīng)用于自動(dòng)控制，信息采集與非線性處理，圖像和語(yǔ)言識(shí)別等?？傊斯ど窠?jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自動(dòng)化控制的目的就是：使機(jī)器能夠模擬人類大腦對(duì)現(xiàn)有信息進(jìn)行收集、分析、交換、處理、回饋并且能進(jìn)行有效的結(jié)果“預(yù)判”，“自主”完成一些通常需要人類智能完成的復(fù)雜工作。

2 人工神經(jīng)網(wǎng)絡(luò)自動(dòng)化控制的優(yōu)勢(shì)

2.1 結(jié)構(gòu)簡(jiǎn)單。傳統(tǒng)的控制器設(shè)計(jì)思路一般是面向被控制對(duì)象的，即突出專業(yè)性和標(biāo)準(zhǔn)化。這就造成了當(dāng)控制要求改變后，需要針對(duì)性地進(jìn)行大量參數(shù)的修改，耗費(fèi)更多的人力和物力資源。與此同時(shí)，控制器運(yùn)行過程中摻雜的多種不確定的擾動(dòng)因素，比如被控制參量數(shù)值范圍發(fā)生變化導(dǎo)致了控制器二次設(shè)計(jì)困難的加大。人工神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器自身可以根據(jù)反饋信息自主調(diào)節(jié)控制參數(shù)，在該類問題的處理上取得了較好的效果。

2.2 性能更高。人工神經(jīng)網(wǎng)絡(luò)通過自主調(diào)節(jié)，可尋找最優(yōu)方案，極大地節(jié)約了計(jì)算資源并提高了工作效率。如：基于模糊語(yǔ)言的邏輯控制器比現(xiàn)有的最優(yōu)“比例-積分-微分”控制器的反應(yīng)時(shí)間更短，執(zhí)行效率更高；基于人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的控制汽輪機(jī)機(jī)械參數(shù)的監(jiān)視保護(hù)儀表，可用于同時(shí)調(diào)節(jié)多參數(shù)，如：轉(zhuǎn)速、軸向位移、軸承蓋振動(dòng)、軸振動(dòng)、偏心度、汽缸熱膨脹等，提高了控制器的性能，這使得汽輪機(jī)運(yùn)行人員能夠在第一時(shí)間獲取設(shè)備綜合性能指標(biāo)，保證設(shè)備的安全正常運(yùn)行。目前，已有將人工神經(jīng)網(wǎng)絡(luò)與模糊系統(tǒng)、遺傳算法等多種人工智能方法結(jié)合應(yīng)用的成功實(shí)例，其應(yīng)用發(fā)展前景必將十分廣闊。

3 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用

隨著人工神經(jīng)網(wǎng)絡(luò)理論與實(shí)踐的研究逐步深入，人工神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)滲透進(jìn)入如故障預(yù)測(cè)及診斷、控制與保護(hù)等幾乎全部工業(yè)研究、生產(chǎn)過程。

3.1 故障診斷。電氣設(shè)備的故障特征非線性程度高、不確定因素?cái)_動(dòng)多、故障現(xiàn)象復(fù)雜多樣，采用傳統(tǒng)的方法診斷的效率較低、準(zhǔn)確率不高。如前所述，人工神經(jīng)網(wǎng)絡(luò)方法自身具有極高的非線性自適應(yīng)能力和容錯(cuò)率，該特征可以確保故障診斷工作的準(zhǔn)確性和高效性。其中，模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法已經(jīng)用于現(xiàn)代電氣設(shè)備故障診斷。例如，在對(duì)發(fā)電機(jī)或電動(dòng)機(jī)的故障進(jìn)行診斷時(shí)，由于人工神經(jīng)網(wǎng)絡(luò)隱含層的“黑盒”特點(diǎn)，極大地簡(jiǎn)化了多故障識(shí)別診斷的復(fù)雜程度，提高了故障診斷的時(shí)效性。

3.2 智能控制。人工神經(jīng)網(wǎng)絡(luò)控制，目前已經(jīng)在以下幾個(gè)方面得以應(yīng)用，如：開關(guān)量、模擬量的數(shù)據(jù)進(jìn)行實(shí)時(shí)獲取與處理，如汽輪機(jī)啟動(dòng)狀態(tài)和閥門異常狀態(tài)信息的獲取與管理；對(duì)聯(lián)軸器、汽封、軸承等主要設(shè)備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)視，對(duì)系統(tǒng)整體運(yùn)行參數(shù)的實(shí)時(shí)綜合調(diào)節(jié)，如：汽輪機(jī)轉(zhuǎn)速、電功率、調(diào)節(jié)級(jí)后壓力三個(gè)回路的綜合控制；記錄故障并進(jìn)行在線分析等。

隨著人工神經(jīng)網(wǎng)絡(luò)的研究工作的不斷深入，其應(yīng)用潛力必將得到更深的挖掘，為工業(yè)智能化進(jìn)步提供必要的理論和技術(shù)支持。

[1]朱慶華.BP多層神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用[D].廣西大學(xué),2004.

[2]汪鐳,周國(guó)興,吳啟迪.人工神經(jīng)網(wǎng)絡(luò)理論在控制領(lǐng)域中的應(yīng)用綜述[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2001（03）:357-361.

吳雨霖（1991—），四川廣安，成都理工大學(xué)核技術(shù)與自動(dòng)化工程學(xué)院，研究方向：自動(dòng)安裝機(jī)構(gòu)控制系統(tǒng)設(shè)計(jì) 。

A discussion about the application of artificial neural network in the modern automation

Wu Yulin,Chen Junyu
(Chengdu University of Technology,610059)

As the speed of science and technology innovation speeding up,the traditional production and life style have be replaced by emerging technology.Automation control is smarter and more efficient and reduces the cost of labor to a large extent.It makes the industrial activities such as manufacturing, transportation and consumption moving forward.After the 1990s, artificial neural network theory and technology obtained the significant development.The traditional control technology is promoted again in production,circulation, exchange and distribution.The Artificial Neural Network improve the overall efficiency of industrial activity.

automation;Artificial Neural Network;control