PSO-ANN 在工業(yè)與工程領(lǐng)域應(yīng)用綜述

□文/劉 婷 孫傳家 劉卓偉

（沈陽化工大學(xué)經(jīng)濟與管理學(xué)院 遼寧·沈陽）

［提要］ 介紹人工神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法、人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法及相關(guān)研究。綜述人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在化工工程、機械工程、信息工程、建筑工程、水利工程、電氣工程、通信工程、工業(yè)機器人、飛機制造業(yè)、工業(yè)過程優(yōu)化等工業(yè)工程領(lǐng)域的研究。評述人工神經(jīng)網(wǎng)絡(luò)與粒子群優(yōu)化交叉算法在工業(yè)工程領(lǐng)域中的研究前景及經(jīng)濟價值。

近年來，人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算的發(fā)展迅速，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法可以在眾多領(lǐng)域中應(yīng)用，達(dá)到減少人力、物力，節(jié)約資源的效果。同時，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在眾多工業(yè)與工程領(lǐng)域中也有了一定的應(yīng)用，在工業(yè)與工程產(chǎn)業(yè)中產(chǎn)生了一定的經(jīng)濟價值。

一、人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是可用于處理實際問題的網(wǎng)絡(luò)結(jié)構(gòu)。雖然人腦和人工神經(jīng)網(wǎng)絡(luò)這兩個應(yīng)用程序都具有極其強大的信息處理能力，但仍然具有許多差異。Deepmin 最初是由Demis Hassabis，Mustafa Suleyma 和Shane Legg 創(chuàng)立的，在AlphaGo（阿爾法圍棋）擊敗了圍棋世界冠軍李世石后，逐漸得到人們的認(rèn)可，也表明人工神經(jīng)網(wǎng)絡(luò)具有巨大的潛力。與人腦處理信息的方式不同，人工神經(jīng)網(wǎng)絡(luò)開發(fā)的機器人采用線性思維方式對獲取的信息進(jìn)行處理，與計算機進(jìn)行通信，在串行算術(shù)任務(wù)中快速準(zhǔn)確的順序數(shù)值運算處理比人類更多。但人腦的“并行處理系統(tǒng)”相對人工神經(jīng)網(wǎng)絡(luò)具有絕對領(lǐng)先的能力。

近年來，隨著人工智能領(lǐng)域的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)也進(jìn)入研究者的視野，實現(xiàn)了不同程度的融合發(fā)展。雖然目前人工神經(jīng)網(wǎng)絡(luò)被廣泛使用，但仍然面臨著許多問題，在解決實際工業(yè)與工程領(lǐng)域問題時，需要結(jié)合其他算法進(jìn)行優(yōu)化。

二、粒子群優(yōu)化算法

Kennedy 和Eberhart 共同提出粒子群優(yōu)化（PSO）。VandenBerghF從理論角度對PSO 算法的穩(wěn)定性和收斂性進(jìn)行分析和證明。2002 年，Cello 與Lechuga 正式發(fā)表多目標(biāo)粒子群優(yōu)化算法的成果，用粒子群算法求解多目標(biāo)優(yōu)化問題，稱為粒子群（MOPSO）算法。PSO 算法中，將鳥群的個體位置或食物當(dāng)作優(yōu)化問題的解，利用群體中個體與最優(yōu)個體以及群體之間的信息交互，引導(dǎo)整個群體中個體在保留自身多樣性信息的同時，朝向群體最優(yōu)個體收斂，通過不斷地更新逐漸找到最優(yōu)解。鳥群中個體被抽象為“粒子”，忽略其質(zhì)量、體積，拓?fù)浣Y(jié)構(gòu)決定了每次迭代時“粒子”受到自身和群體狀態(tài)信息的綜合影響，即粒子的更新機制是通過種群歷史最優(yōu)粒子和個體歷史最優(yōu)粒子的有機結(jié)合得到的。

三、人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在工程領(lǐng)域中的研究與應(yīng)用

目前，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法的優(yōu)勢明顯在化工工程、機械工程、信息工程、建筑工程、水利工程、電氣工程、工業(yè)機器人、飛機制造業(yè)、工業(yè)過程優(yōu)化等眾多工業(yè)與工程領(lǐng)域得到了廣泛的應(yīng)用，并且產(chǎn)生了一定的經(jīng)濟價值。

（一）化工工程領(lǐng)域。田景芝等針對柴油加氫脫硫生產(chǎn)過程中工藝參數(shù)和產(chǎn)品質(zhì)量難以準(zhǔn)確控制的問題，提出了一種粒子群優(yōu)化（PSOBP）神經(jīng)網(wǎng)絡(luò)，選取生產(chǎn)過程中波動的工藝參數(shù)構(gòu)建培訓(xùn)，對于樣品采集和測試樣品采集，采用（PSO-BP）神經(jīng)網(wǎng)絡(luò)預(yù)測生產(chǎn)操作參數(shù)變化時精制柴油產(chǎn)品硫含量的變化。實驗結(jié)果表明，（PSO-BP）具有良好的穩(wěn)定性和泛化能力，能準(zhǔn)確預(yù)測生產(chǎn)運行參數(shù)的變化。李孟山為了提高溶出度預(yù)測模型的效率和相關(guān)性，建立了基于混沌理論、自適應(yīng)粒子群優(yōu)化（PSO）算法和反向傳播（BP）算法的算法——混沌自適應(yīng)PSO-BP 神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行預(yù)測實驗，該模型使用壓力和溫度作為輸入?yún)?shù)，模型結(jié)合了混沌理論、自適應(yīng)PSO 和BP 算法的優(yōu)點，提高了訓(xùn)練速度和預(yù)測精度。結(jié)果表明，混沌自適應(yīng)PSO-BP 神經(jīng)網(wǎng)絡(luò)具有良好的預(yù)測能力，預(yù)測值與實驗值相當(dāng)吻合，通過與傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)和PSO-BP 神經(jīng)網(wǎng)絡(luò)的對比可以看出，其預(yù)測是準(zhǔn)確的且度和相關(guān)性明顯更好。顏菲建立了基于粒子群優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，將工藝參數(shù)作為輸入變量，并將使用單因素檢驗得到的鎳鐵合金鍍層性能指標(biāo)為輸出變量，粒子群算法優(yōu)化人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，結(jié)果表明粒子群優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有更高的預(yù)測精度。

（二）機械工程領(lǐng)域。李琪提出一種人工智能算法和BP 神經(jīng)網(wǎng)絡(luò)結(jié)合的鉆井機械化預(yù)測模型。首先，利用小波濾波方法降低測量數(shù)據(jù)的噪聲，并基于互信息關(guān)系組合分析優(yōu)化輸入?yún)?shù)以減少模型冗余；其次，采用粒子群優(yōu)化（PSO）算法實現(xiàn)BP 神經(jīng)網(wǎng)絡(luò)的初始加權(quán)值和閾值優(yōu)化，建立ROP 預(yù)測新模型，將PSO-BP 新模型與標(biāo)準(zhǔn)BP、BAS-BP和GA（遺傳算法）-BP 等三種模型進(jìn)行對比分析；最后，根據(jù)實際工況建立PSO-BP 鉆井ROP 預(yù)測模型。結(jié)果表明，PSO-BP ROP 預(yù)測模型不僅具有較好的預(yù)測精度，而且為鉆進(jìn)過程中提高機械鉆速提供科學(xué)的參考。周家林利用粒子群算法開發(fā)了鉆孔加工尺寸誤差的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，實驗表明與誤差反向傳播算法（BP）相比，粒子群算法優(yōu)化了神經(jīng)網(wǎng)絡(luò)，具有更快的收斂速度和更高的預(yù)測精度。

（三）信息工程領(lǐng)域。余華提出了一種基于粒子群優(yōu)化算法的人工神經(jīng)網(wǎng)絡(luò)，并將其應(yīng)用于語音情感識別系統(tǒng)。情感的維度模型間，分別提取韻律特征和音質(zhì)特征，研究泛音特征隨情感類別的變化。使用粒子群優(yōu)化算法（PSO）訓(xùn)練隨機生成的初始數(shù)據(jù)，優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)重和閾值，快速實現(xiàn)網(wǎng)絡(luò)收斂。粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)用于語音情感識別提高了識別性能。

（四）建筑工程領(lǐng)域。李天翔為了快速準(zhǔn)確地預(yù)測隧洞的造價，建立粒子群-小波神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。針對小波神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)區(qū)和初始值選擇較敏感的問題，利用粒子群算法優(yōu)化其初始權(quán)值和閾值，加快小波神經(jīng)網(wǎng)絡(luò)的收斂速度，將模型應(yīng)用于某隧洞的造價預(yù)測中，表明模型滿足工程建設(shè)前期造價預(yù)測的精度要求，計算較簡便效率較高。段曉晨收集了以往類似的橋梁建筑工程案例33 個，利用PSO 聚類分析選取了25 個與張家莊大橋工程特征相似度高的案例，應(yīng)用到BP 神經(jīng)網(wǎng)絡(luò)運維成本預(yù)測模型中，取得了較好的效果；利用PDCA 動態(tài)周期優(yōu)化理論和EVM 管理理論，對張家莊大橋前兩個周期的運維成本進(jìn)行預(yù)測、統(tǒng)計和分析，及時發(fā)現(xiàn)問題并糾正偏差，在實際應(yīng)用中取得了良好的效果。

（五）水利工程領(lǐng)域。何勝男采用SWMMH 模型進(jìn)行模擬分析，根據(jù)地表徑流污染物的累積特性，利用人工神經(jīng)網(wǎng)絡(luò)得到各儲罐不同截留率與對應(yīng)總截留量之間的高精度非線性數(shù)，優(yōu)化目標(biāo)是使儲罐總截污能力最大化，污水處理廠的處理規(guī)模和可征地面積是約束條件。粒子群優(yōu)化算法得到優(yōu)化后的各儲罐污染截留率，結(jié)合各儲罐截污率與累計徑流量的關(guān)系，得到各儲罐的計算結(jié)果，可以在約束條件下達(dá)到最大的污染截留效果。在土地利用率和污染截留效果方面，按提出的方法設(shè)計的儲罐優(yōu)于標(biāo)準(zhǔn)設(shè)計方法，合理、高效、適用寬大的圍護(hù)結(jié)構(gòu)可為城市初期雨水蓄水池的設(shè)計提供技術(shù)支持。吳巍將人工神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法引入含沙水庫沖淤預(yù)測計算，通過自適應(yīng)粒子群優(yōu)化算法優(yōu)化基于BP 神經(jīng)網(wǎng)絡(luò)的含泥水庫沖淤預(yù)測模型。為了進(jìn)一步提高人工神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測精度，采用自適應(yīng)粒子群優(yōu)化算法對BP 神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和閾值進(jìn)行優(yōu)化，該算法參數(shù)少、結(jié)構(gòu)簡單，易于實現(xiàn)。該模型具有較強的合理性和廣泛的適用性，為砂質(zhì)儲層沖淤預(yù)測計算提供了一種新的有效途徑。

（六）電氣工程領(lǐng)域。楊耿煌提出一種基于量子行為粒子群優(yōu)化（QPSO）的改進(jìn)算法，用于優(yōu)化人工神經(jīng)網(wǎng)絡(luò)（ANN），實現(xiàn)電能質(zhì)量（PQ）擾動識別。典型站點采集的PQ 擾動數(shù)據(jù)識別結(jié)果表明，與前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法相比，該算法具有更好的性能收斂性和穩(wěn)定性。

（七）工業(yè)機器人領(lǐng)域。周煒提出一種基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的機器人綜合精度補償方法。在BP 神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法的基礎(chǔ)上，研究了基于粒子群優(yōu)化算法的BP 神經(jīng)網(wǎng)絡(luò)原理，綜合考慮了基于誤差相似度權(quán)重測量的機器人精度補償方法。針對定位精度的影響，提出了一種基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的機器人綜合精度補償方法，研究了驗證神經(jīng)網(wǎng)絡(luò)模型穩(wěn)定性和適用性的交叉驗證方法，并結(jié)合飛機裝配對定位精度要求高的實際情況，在交叉驗證常用的測量指標(biāo)的基礎(chǔ)上增加了新的評價指標(biāo)驗證。當(dāng)末端執(zhí)行器安裝完畢，環(huán)境溫度發(fā)生變化時，采用基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的綜合精度補償方法，對實際開孔實驗進(jìn)行驗證。研究成果對于提高工業(yè)機器人絕對定位精度，促進(jìn)工業(yè)機器人在航空制造領(lǐng)域的更深入應(yīng)用具有重要意義。

（八）飛機制造業(yè)領(lǐng)域。劉昕構(gòu)建混合感知工程模型，構(gòu)建人機工程學(xué)模型。首先，利用遺傳算法改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)以及利用自適應(yīng)權(quán)重改進(jìn)粒子群算法構(gòu)建正感知工程模型，并與未改進(jìn)算法和常用算法進(jìn)行比較，突出改進(jìn)算法的優(yōu)越性；其次，利用專家咨詢法和多元回歸分析構(gòu)建逆感知工程模型；最后，基于幾何和力學(xué)關(guān)系，以及人眼視野、人體可達(dá)視野、人體上肢運動分解，構(gòu)建駕駛姿勢人體工學(xué)模型，構(gòu)建了人機約束模型，基于混合感性工程的機艙人機設(shè)計，包括布局、造型和色彩設(shè)計，其中提出使用基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)和改進(jìn)粒子群算法的正向感知工程模型，建立感知圖像與設(shè)計元素的映射關(guān)系；提出利用多元回歸分析建立逆向感知工程模型，建立設(shè)計元素與感知圖像的映射關(guān)系。專家咨詢法構(gòu)建的逆感知工程模型驗證了正向感知工程建立的映射效果。

（九）工業(yè)過程優(yōu)化領(lǐng)域。夏靜針對工業(yè)過程的復(fù)雜性、非線性和不準(zhǔn)確性，采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行智能建模。人工神經(jīng)網(wǎng)絡(luò)不僅可以任意逼近非線性，還具有大規(guī)模并行處理、知識分布存儲、自學(xué)習(xí)能力強、容錯性好的特點。多層前向神經(jīng)網(wǎng)絡(luò)可以任意精度逼近任意連續(xù)函數(shù)。有一個通用回歸神經(jīng)網(wǎng)絡(luò)（GRNN），它結(jié)構(gòu)簡單，訓(xùn)練簡單，學(xué)習(xí)收斂速度快?；谝陨蟽?yōu)點，選用廣義回歸神經(jīng)網(wǎng)絡(luò)，對傳統(tǒng)的廣義回歸神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn)。提出了一種基于粒子群算法優(yōu)化結(jié)構(gòu)參數(shù)的旋轉(zhuǎn)廣義回歸神經(jīng)網(wǎng)絡(luò)，并通過實驗仿真驗證了其性能。為了獲得準(zhǔn)確的優(yōu)化參數(shù)，采用粒子群優(yōu)化算法來尋找網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的最優(yōu)值，不僅可以準(zhǔn)確擬合和預(yù)測，而且避免了人工選擇網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的缺陷。

四、人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在工業(yè)工程領(lǐng)域中的研究前景及經(jīng)濟價值

綜上所述，人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法目前在工業(yè)與工程領(lǐng)域中有以下功能：預(yù)測生產(chǎn)運行參數(shù)的變化及預(yù)測精度、提高信息識別性能、建筑工程造價計算較簡便效率較高，通信工程性能更加穩(wěn)定、提高工業(yè)機器人絕對定位精度、突出改進(jìn)飛機駕駛艙的優(yōu)越性、可以準(zhǔn)確擬合和預(yù)測工業(yè)過程優(yōu)化等，這些均體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法在工業(yè)與工程領(lǐng)域中的經(jīng)濟價值，并為其他工業(yè)與工程中應(yīng)用人工神經(jīng)網(wǎng)絡(luò)-粒子群優(yōu)化算法起到參考價值和啟發(fā)，在工業(yè)產(chǎn)業(yè)中具有廣闊的研究前景。