導(dǎo)語：如何才能寫好一篇神經(jīng)網(wǎng)絡(luò)的基本功能，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

[關(guān)鍵詞]股指期貨；BP神經(jīng)網(wǎng)絡(luò)；價格預(yù)測

[中圖分類號]F832 [文獻(xiàn)標(biāo)識碼]A [文章編號]1005-6432（2013）30-0121-02

2010年4月16日，中國正式推出了首個股指期貨合約——滬深300股指期貨，該合約的推出結(jié)束了國內(nèi)證券市場沒有避險工具的時代。股指期貨不僅具有價格發(fā)現(xiàn)、套期保值的基本功能，與此同時還具有投機(jī)、套利等資產(chǎn)配置功能。近幾年來，學(xué)術(shù)界和投資界也越來越重視對股指期貨價格預(yù)測的研究。股指期貨市場是一個復(fù)雜的非線性動態(tài)系統(tǒng)，存在著非線性和不確定性，采用傳統(tǒng)的計量經(jīng)濟(jì)學(xué)方法預(yù)測其價格，必然會存在許多困難。國內(nèi)現(xiàn)有的文獻(xiàn)資料中，鮮有對股指期貨價格進(jìn)行預(yù)測的文章，但存在許多對單一股票價格預(yù)測的文章，如付成宏，傅明等（2004）[1]在基于RBF神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上對上海石化這只股票價格進(jìn)行預(yù)測，得出了該模型對于股價格的短期預(yù)測效果很好，還有張慧斌，高秀萍（2011）[2]在基于Elman神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上對浦發(fā)銀行股價在時間序列上作了若干天的預(yù)測，實驗結(jié)果取得了較高的精度和較為穩(wěn)定的預(yù)測效果和較快的收斂速度，這表明該模型對個股的預(yù)測短期是可行和有效的。為此，本文在基于BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，擬利用Matlab2011A軟件對滬深300股指期貨的每日收盤價進(jìn)行實際模擬與預(yù)測。

1 BP神經(jīng)網(wǎng)絡(luò)模型概述

BP神經(jīng)網(wǎng)絡(luò)，即誤差反向傳播神經(jīng)網(wǎng)絡(luò)，是多層前饋神經(jīng)網(wǎng)絡(luò)的一種，它與其他多層前饋神經(jīng)網(wǎng)絡(luò)相比，多出了一層隱含層。它其實反映了一種歐式空間的映射，即加入神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點的數(shù)目為N，且該神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點為M，那么該神經(jīng)網(wǎng)絡(luò)其實就是從N維的歐式空間到M維的歐式空間的一個映射。

篇2

本研究應(yīng)用神經(jīng)網(wǎng)絡(luò)的原理，基于BP網(wǎng)絡(luò)使用MATLAB語言建立一個剩余油分布的預(yù)測系統(tǒng)。該系統(tǒng)通過學(xué)習(xí)在地理坐標(biāo)和孔隙度之間建立一個非線性函數(shù)關(guān)系，以此來預(yù)測任何區(qū)域的孔隙度，再通過孔隙度與剩余油飽和度之間的關(guān)系達(dá)到剩余油分布預(yù)測的目的。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；剩余油分布；BP網(wǎng)絡(luò)；預(yù)測

中圖分類號：TP183文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2008)36-2706-03

BP Artificial Neural Networks for the Remaining Oil Prediction

SHI Xiao-song, CHENG Guo-jian

(School of Computer Science, Xi'an Shiyou University, Xi'an 710065, China)

Abstract: After a majority of our oilfield and secondary recovery, we just get 30% of the total reserves, which means that 60% to 70% of the remaining residual oil in the ground become remaining oil . China's 2007 crude oil output grew only by 1.6 percent to 12.872 million tons. Clarifying the law of distribution of the remaining oil and improving oil recovery is not only an economic effect, but also a National oil strategic issue.

In this study, we used MATLAB language to establish a forecast system of distribution of remaining oil based on BP network. After studying, this system can get a nonlinear function between the geographical coordinates and porosity. We can get the regional porosity using this system. Then using the relationship the porosity and the remaining oil, we can known the distribution of the remaining oil.

Key words: artificial neural networks; distribution of remaining oil; BP network; prediction

1 引言

我國多數(shù)油田經(jīng)過一次、二次采油后，僅能采出地下總儲量的30%左右，這意味著有60%～70%的剩余石油仍然殘留在地下成為剩余油。對剩余油分布預(yù)測的研究可以提高石油開發(fā)的效率和節(jié)約開發(fā)成本。人工神經(jīng)網(wǎng)絡(luò)是計算機(jī)中重要的一門學(xué)科，它具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過預(yù)先提供的一批相互對應(yīng)的輸入－輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來推算輸出結(jié)果。本文就是用人工神經(jīng)網(wǎng)絡(luò)，基于已知的數(shù)據(jù)來預(yù)測剩余油的分布。神經(jīng)網(wǎng)絡(luò)技術(shù)有著逼近任意非線性映射的能力，通過學(xué)習(xí)獲知系統(tǒng)差分方程中的位置非線性函數(shù)，這使得它在系統(tǒng)建模和預(yù)測中有著很好的應(yīng)用。

2 剩余油分布預(yù)測的研究

從20世紀(jì)80年代開始，研究剩余油分布和提高采收率問題已引起世界各石油生產(chǎn)國的普遍關(guān)注。針對剩余油分布的研究方法在各個層面都有了一定的突破。目前，剩余分布的研究方法主要有：地質(zhì)方法，油藏工程、試井及數(shù)值模擬方法和室內(nèi)實驗技術(shù)等。

2.1 剩余油分布預(yù)測的研究現(xiàn)狀

目前，國內(nèi)外對剩余油研究的重點主要集中在三個方面：1）對生于有分布的描述；2）對剩余油飽和度的測量與監(jiān)測技術(shù)的研究；3）對剩余油挖潛技術(shù)的研究。

2.2 剩余油分布預(yù)測要用到的主要參數(shù)

影響剩余油分布的因素很多，通常劃分為兩類：地質(zhì)因素和開發(fā)因素。地質(zhì)因素主要包括有：油藏非均質(zhì)性、構(gòu)造、斷層等。開發(fā)因素主要包括有：注采系統(tǒng)的完善程度、注采關(guān)系和井網(wǎng)布井、成產(chǎn)動態(tài)。前者屬于內(nèi)因，后者屬于外因。它們的綜合作用就導(dǎo)致了目前剩余油分布的多樣性。

剩余油飽和度是描述剩余油的重要概念。某種流體的飽和度是指：儲層巖石孔隙中某種流體所占的體積百分?jǐn)?shù)。它表示了孔隙空間為某種流體所占據(jù)的程度。巖石中由幾相流體充滿其孔隙，則這幾相流體飽和度之和就為1(100%)。隨著油田發(fā)開油層能力的衰減，即使是經(jīng)過注水侯還會在地層孔隙中存在著尚未驅(qū)盡的原油，這些油在巖石孔隙中所占體積的百分比稱為剩余油飽和度

3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Artifical Neural Network,ANN），亦稱為神經(jīng)網(wǎng)絡(luò)（Neural Networks,NN），是由大量處理神經(jīng)單元（神經(jīng)元Neuros）廣泛互聯(lián)而成的網(wǎng)絡(luò)，是對人腦的抽象、簡化和模擬，反應(yīng)人腦的基本特征。神經(jīng)網(wǎng)絡(luò)的基本功能有聯(lián)想記憶、非線性映射、分類與識別、優(yōu)化計算、知識處理等。ANN在解決復(fù)雜的或是非線性問題時，具有獨特的性能。近年來，國內(nèi)外眾多學(xué)者將其應(yīng)用到石油等領(lǐng)域，取得了不少成果。人工神經(jīng)網(wǎng)絡(luò)具有以下幾個特征：1）并行分布處理；2）非線性映射； 3）通過訓(xùn)練進(jìn)行學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)是通過研究過去的數(shù)據(jù)記錄進(jìn)行訓(xùn)練的，一個經(jīng)過適當(dāng)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力，因此，神經(jīng)網(wǎng)絡(luò)能夠解決那些由數(shù)學(xué)模型或描述規(guī)則難以處理的控制過程問題；4）適應(yīng)與綜合； 5）分類與識別，神經(jīng)網(wǎng)絡(luò)可以很好地解決對非線性曲面的逼近問題，因此比傳統(tǒng)的分類器具有更好的分類與識別能力。

目前，BP算法已經(jīng)成為應(yīng)用最多且最主要的一種訓(xùn)練前饋人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，也是前饋網(wǎng)絡(luò)得以廣泛應(yīng)用的基礎(chǔ)。BP算法的學(xué)習(xí)目的是對網(wǎng)絡(luò)的連接權(quán)值進(jìn)行調(diào)整，使得調(diào)整后的網(wǎng)絡(luò)對任一輸入都能得到所期望的輸出。BP算法的基本思想是學(xué)習(xí)過程由正向傳播和反向傳播組成。正向傳播用于對前饋網(wǎng)絡(luò)進(jìn)行計算，即對某一輸入信息，經(jīng)過網(wǎng)絡(luò)計算后求出它的輸出結(jié)果；反向傳播用于逐層傳遞誤差，修改神經(jīng)元間的連接權(quán)值，以使網(wǎng)絡(luò)對輸入信息經(jīng)過計算后所得到的輸出能達(dá)到期望的誤差要求。BP網(wǎng)絡(luò)算法的指導(dǎo)思想是：網(wǎng)絡(luò)權(quán)值的修正與閾值的修正，使誤差函數(shù)沿梯度方向下降。

圖1給出了整個BP算法學(xué)習(xí)過程的流程圖。

篇3

【摘要】 目的： 探討矽肺纖維化同生物活性介質(zhì)之間的關(guān)系。方法： 利用Delphi語言編制了BP人工神經(jīng)網(wǎng)絡(luò)模型計算機(jī)程序，建立并分析了矽肺膠原纖維預(yù)測的數(shù)學(xué)模型。結(jié)果： 選定網(wǎng)絡(luò)隱含層節(jié)點為9，初始權(quán)值閾值約為(-0.2，0.2)，最大相對誤差為4%，最小相對誤差為0.2%。 結(jié)論： 應(yīng)用神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測效果，可為臨床醫(yī)學(xué)研究提供一個很好的研究思路。

【關(guān)鍵詞】 BP神經(jīng)網(wǎng)絡(luò)； 生物活性介質(zhì)； 矽肺； 膠原纖維； 預(yù)測

矽肺是塵肺中最嚴(yán)重的一種類型，是由于長期吸入超過一定濃度的含有游離二氧化硅的粉塵，肺內(nèi)發(fā)生廣泛的結(jié)節(jié)性纖維化。矽肺纖維化的預(yù)測困難，診斷滯后。目前，矽肺的發(fā)病機(jī)理仍然不完全清楚，尚無有效的早期診斷（篩檢）方法，也無早期診斷的特異性指標(biāo)和特異性的治療藥物和方法。一經(jīng)傳統(tǒng)的后前位胸大片確診，肺部病變已經(jīng)無法逆轉(zhuǎn)。因此，尋找早期診斷(篩檢)特異性的生物介質(zhì)組合，對預(yù)防、治療乃至最終消除矽肺具有重要意義。矽肺的發(fā)病與細(xì)胞因子（Cytokine，CK）網(wǎng)絡(luò)調(diào)控有密切聯(lián)系，高宏生等用系統(tǒng)生物學(xué)的方法論證了細(xì)胞因子對矽肺纖維化的網(wǎng)絡(luò)調(diào)控關(guān)系［1，2］，論證了細(xì)胞因子復(fù)雜非線性致炎致纖維化的網(wǎng)絡(luò)調(diào)控假說。王世鑫等用判別方程的方法，通過診斷肺纖維化正確率。矽肺纖維化與不同活性介質(zhì)、基因表達(dá)等多種因素密切相關(guān)［3］，因此預(yù)計是一個多目標(biāo)決策問題。傳統(tǒng)的預(yù)測方法是用多元線性回歸來進(jìn)行預(yù)測，統(tǒng)計者千方百計的想找出決策目標(biāo)和各因素之間找出一個線性的公式關(guān)系，試圖想用一個嚴(yán)格的數(shù)學(xué)模型公式表達(dá)出相應(yīng)的關(guān)系。實際上，具有良好的非線性的神經(jīng)網(wǎng)絡(luò)可以預(yù)測矽肺纖維化結(jié)果。本研究圖基于神經(jīng)網(wǎng)絡(luò)的方法預(yù)測生物活性介質(zhì)網(wǎng)絡(luò)調(diào)控的矽肺纖維化。

1 神經(jīng)網(wǎng)絡(luò)的基本理論

人工神經(jīng)網(wǎng)絡(luò)是基于對人腦組織結(jié)構(gòu)、活動機(jī)制的初步認(rèn)識提出的一種新型信息處理體系。通過模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動機(jī)理，人工神經(jīng)網(wǎng)絡(luò)可呈現(xiàn)出人腦的許多特征，并具有人腦的一些基本功能。從本質(zhì)上講，人工神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模并行的非線性動力系統(tǒng)。它具有許多引人注目的特點：大規(guī)模的復(fù)雜系統(tǒng)，有大量可供調(diào)節(jié)的參數(shù)；高度并行的處理機(jī)制，具有高速運算的能力；高度冗余的組織方式等。

在預(yù)測領(lǐng)域中應(yīng)用最廣泛的還是BP網(wǎng)絡(luò)。BP網(wǎng)絡(luò)的學(xué)習(xí)算法是一種誤差反向傳播式網(wǎng)絡(luò)權(quán)值訓(xùn)練方法。實質(zhì)就象最小二乘法一樣，BP算法是在樣本空間中耦合這樣一個曲面，即使所有的樣本點均在這個曲面上，若這樣的曲面不存在，就找到離樣本點的距離之和最小的曲面作為近似解。

BP網(wǎng)絡(luò)的學(xué)習(xí)過程包括：正向傳播和反向傳播。當(dāng)正向傳播時，輸入信息從輸入層經(jīng)隱單元處理，后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層的神經(jīng)元的狀態(tài)。如果在輸出層得不到希望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的神經(jīng)連接通路返回。返回過程中，逐一修改各層神經(jīng)元連接的權(quán)值。這種過程不斷迭代，最后使得信號誤差達(dá)到允許的誤差范圍之內(nèi)。如圖1所示為3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

輸入層

隱含層

輸出層

圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

設(shè)3層BP神經(jīng)網(wǎng)絡(luò)，輸入向量為X=(x1，x2，…xn)T ；隱層輸出向量為Y=(y1，y2，…ym)T ，輸出層向量為O=(o1，o2，…ol)T ，期望輸出向量為d=(d1，d2，…dl)T 。

對于輸出層，有ok =f(net)，netk=m j=0wjkyj ，k=1，2，…l

對于隱層，有yj =f(net)，netj=n i=0vijxi ，k=1，2，…m

f(x)=1 1+e-x ，BP學(xué)習(xí)算法權(quán)值調(diào)整計算公式為：

Δwjk=η(dk-ok)ok(1-ok)yj

Δvij=η(l k=1δ0k wjk)yj(1-yj)xi

δ0k =(dk-ok)ok(1-ok)

η∈(0，1)

2 應(yīng)用實例

2.1 矽肺預(yù)測的影響因素

大量研究表明，肺泡巨噬細(xì)胞和肺泡上皮細(xì)胞在肺組織炎癥反應(yīng)及纖維化病變的啟動、發(fā)展過程中起到最為關(guān)鍵的作用，主要是通過分泌細(xì)胞因子、炎性介質(zhì)等生物活性物質(zhì)，發(fā)揮直接或間接的生物學(xué)作用。這些CK包括：白介素（interleukin，IL）、腫瘤壞死因子（tumor necrosis factor ，TNF）、轉(zhuǎn)化生長因子（transforming growth factor，TGF）等。根據(jù)分泌細(xì)胞因子不同將Th 細(xì)胞分為Th1 和Th2 兩種類型。Th1主要分泌白介素-2（interleukin-2，IL-2）、白介素-12（interleukin-12，IL-12）、白介素-18（interleukin-18，IL-18）、干擾素-γ（Interferon-γ，IFN-γ）等，主要介導(dǎo)細(xì)胞免疫應(yīng)答，與炎癥有關(guān)，具有抗纖維化作用，可抑制成纖維細(xì)胞的增殖及纖維的生成。Th2主要分泌白介素-4 （interleukin-4，IL-4）、白介素-5 （interleukin-5，IL-5）、白介素-10 （interleukin-10，IL-10）、白介素-13（interleukin-13，IL-13）、單核細(xì)胞趨化蛋白-1 （monocyte chemoattractant protein-1，MCP-1）等，而Th2主要介導(dǎo)體液免疫反應(yīng)，可促進(jìn)成纖維細(xì)胞的增生，導(dǎo)致膠原蛋白合成增加，并抑制膠原蛋白的降解，最終導(dǎo)致細(xì)胞外的基質(zhì)蛋白沉積和纖維生成。Th1 型和Th2 型免疫應(yīng)答之間存在著交互的負(fù)反饋作用，維持著正常的免疫平衡。其負(fù)反饋調(diào)節(jié)通常就是靠產(chǎn)生的細(xì)胞因子起作用的，即一型CK可以下調(diào)另一型CK的功能。Th1/Th2型CK失衡可導(dǎo)致機(jī)體對損傷的異常反應(yīng)。總之，矽肺病人存在CK網(wǎng)絡(luò)的平衡紊亂，其錯綜復(fù)雜的調(diào)控機(jī)制可能參與矽肺的發(fā)生和發(fā)展［6~9］，如圖2所示。

圖2 細(xì)胞因子網(wǎng)絡(luò)調(diào)控圖

2.2 矽肺預(yù)測的BP網(wǎng)絡(luò)模型的設(shè)計

本研究運用神經(jīng)網(wǎng)絡(luò)的模型方法，對矽肺預(yù)測進(jìn)行設(shè)計，得出其預(yù)測模型。

2.2.1 輸入層、隱含層、輸出層的設(shè)計

矽肺纖維化輸入層的確定：根據(jù)meta分析和微分方程網(wǎng)絡(luò)模型確定生物活性介質(zhì)為輸入層。

轉(zhuǎn)貼于

對于矽肺預(yù)測，應(yīng)當(dāng)依據(jù)其關(guān)鍵要素來確定輸入層各因素，在神經(jīng)網(wǎng)絡(luò)模型中，輸入層可以選定白介素（interleukin，IL）、腫瘤壞死因子（tumor necrosis factor ，TNF）、轉(zhuǎn)化生長因子（transforming growth factor，TGF）等。根據(jù)分泌細(xì)胞因子不同將Th 細(xì)胞分為Th1 和Th2 兩種類型。Th1主要分泌白介素-2（interleukin-2，IL-2）、白介素-12（interleukin-12，IL-12）、白介素-18（interleukin-18，IL-18）、干擾素-γ（Interferon-γ，IFN-γ）作為輸入層，輸入單元數(shù)為8，隱含層節(jié)點的確定參考下面單元計算公式：

c=n+m+a

其中c 為隱層單元數(shù)，n為輸入神經(jīng)元個數(shù)，m 為輸出神經(jīng)元個數(shù)，a 為1~10之間的常數(shù)。本研究中，隱層單元數(shù)計算如下：

8+2+1≤c≤8+2+10

即：4.33≤c≤13.33

根據(jù)c 的計算值，由小到大改變節(jié)點數(shù)訓(xùn)練并檢驗其精度，當(dāng)節(jié)點數(shù)的增加誤差不進(jìn)一步減小時，其臨界值即為應(yīng)采用的值。最后，經(jīng)過網(wǎng)絡(luò)的實際訓(xùn)練結(jié)果比較，選定網(wǎng)絡(luò)隱含層節(jié)點為9，此時網(wǎng)絡(luò)能較快地收斂至所要求的精度。

2.2.2 初始權(quán)值的確定

在神經(jīng)網(wǎng)絡(luò)模型中，初始權(quán)值選取對于輸出結(jié)果是否最接近實際，及是否能夠收斂、學(xué)習(xí)時間的長短等關(guān)系很大。初始權(quán)值太大，使得加權(quán)之后的輸入和N落在了網(wǎng)絡(luò)模型的s型激活函數(shù)的飽和期中，從而會導(dǎo)致φ′(·)非常小，而由于當(dāng) φ′(·)0時，則有δ0，使得Δwji 0，最終使得調(diào)節(jié)過程沒有什么效果。所以權(quán)值及閾值的初始值應(yīng)選為均勻分布的小數(shù)經(jīng)驗值，約為(-2.4/F，2.4/F)之間，其中F為所連單元的輸入層節(jié)點數(shù)。本模型輸入端節(jié)點數(shù)為11，所以初始值約為(-0.2，0.2)，可隨機(jī)選取［4］。

2.2.3 目標(biāo)值及學(xué)習(xí)步長的選取

對矽肺預(yù)測之前，應(yīng)先根據(jù)影響矽肺預(yù)測的因素進(jìn)行綜合預(yù)測。在實際操作時，還應(yīng)結(jié)合經(jīng)驗值。若Sigmoid函數(shù)選取反對稱函數(shù)——雙曲正切函數(shù)，綜合評估指標(biāo)的目標(biāo)值D的范圍也應(yīng)在［-1，1］之間，也即是綜合指標(biāo)的無量綱數(shù)值在［0，1］之間。通常輸出單元的局部梯度比輸入端的大，所以輸出單元的學(xué)習(xí)的步長應(yīng)比輸入單元小一些［5］。

通過以上分析可得網(wǎng)絡(luò)模型結(jié)構(gòu)如圖3。利用Delphi語言編制了BP人工神經(jīng)網(wǎng)絡(luò)模型計算機(jī)程序進(jìn)行訓(xùn)練集樣本訓(xùn)練，訓(xùn)練輸入節(jié)點數(shù)為8，表1為矽肺預(yù)測輸入訓(xùn)練樣本和檢測樣本，當(dāng)誤差給定E＝0.00005，學(xué)習(xí)步長為0.1，經(jīng)200次訓(xùn)練，網(wǎng)絡(luò)精度達(dá)到要求，如表2和圖4所示。表1 矽肺預(yù)測輸入訓(xùn)練樣本和檢測樣本表2 訓(xùn)練樣本訓(xùn)練次數(shù)網(wǎng)絡(luò)誤差

樣本經(jīng)200次訓(xùn)練后，網(wǎng)絡(luò)誤差滿足精度要求，隱含單元到各輸入單元的權(quán)值和閾值及輸出單元到各隱含單元的權(quán)值和閾值調(diào)整為表3和表4所示。

由于矽肺預(yù)測神經(jīng)網(wǎng)絡(luò)模型經(jīng)訓(xùn)練后，網(wǎng)絡(luò)精度已經(jīng)達(dá)到要求，可以用檢驗樣本檢測預(yù)測效果，如表5所示。

從預(yù)測結(jié)果看，最大相對誤差為4.0%，最小相對誤差為0.2%，預(yù)測效果非常明顯，該網(wǎng)絡(luò)的檢驗性能穩(wěn)定，可以很好的對矽肺進(jìn)行預(yù)測。表3 隱含單元到各輸入單元的權(quán)值和閾值表4 輸出單元到各隱含單元的權(quán)值和閾值表5 檢驗樣本及矽肺預(yù)測結(jié)果

3 討論

本研究通過采用神經(jīng)網(wǎng)絡(luò)的方法，探討矽肺纖維化同生物活性介質(zhì)之間的關(guān)系，并建立了矽肺纖維化的影響因素和Ⅰ型膠原、Ⅲ型膠原的BP神經(jīng)網(wǎng)絡(luò)，從預(yù)測效果看，能夠較準(zhǔn)確的預(yù)測矽肺纖維化。但還應(yīng)當(dāng)看到神經(jīng)網(wǎng)絡(luò)應(yīng)用到預(yù)測還有許多不盡如意的問題，主要的弱點之一是它是一種黑盒方法，無法表達(dá)和分析被預(yù)測系統(tǒng)的輸入與輸出間的關(guān)系，因此，也難于對所得結(jié)果作任何解釋，對任何求得數(shù)據(jù)做統(tǒng)計檢驗； 二是采用神經(jīng)網(wǎng)絡(luò)作預(yù)測時，沒有一個便于選定最合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的標(biāo)準(zhǔn)方法，只能花大量時間采用湊試法，從許多次實驗中找出“最合適”的一種。本研究在矽肺預(yù)測上運用神經(jīng)網(wǎng)絡(luò)建模上進(jìn)行了初步的探討，對網(wǎng)絡(luò)模型的拓展性、收斂性等問題還有待于進(jìn)一步的研究 。

參考文獻(xiàn)

1 高宏生， 伍瑞昌， 張雙德， 等. 基于meta分析和微分方程模型的肺纖維化細(xì)胞因子調(diào)控網(wǎng)絡(luò)研究. 軍事醫(yī)學(xué)科學(xué)院院刊，2008，32（3）：312~316.

2 高宏生，楊霞，丁朋，等. 應(yīng)用meta分析肺纖維化TNF-α的時空變化. 武警醫(yī)學(xué)院學(xué)報，2008，17（8）：561~562.

3 劉萍 王世鑫 陳蕾，等. 矽肺患者血清克拉拉細(xì)胞蛋白和表面活性蛋白D的改變. 中華勞動衛(wèi)生職業(yè)病雜志， 2007， 25(01):18~21.

4 韓力群.人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計及應(yīng)用.化學(xué)工業(yè)出版社，2001.

5 何海龍，王青海，王精業(yè).神經(jīng)網(wǎng)絡(luò)在裝備保障性評估中的應(yīng)用. 系統(tǒng)工程理論與實踐，2003，9：111~116.

6 Kohonen T.Self-Organization and Associative Memory. Berlin Heidelberg:Springer-Verlag，1984.

7 Lapedes A，F(xiàn)arber.Nonlinear signal processing using neural networks :prediction and system modelling［R］.Technical Report LA-UR-87-2662，Los Alam os National Laboratory.Los Alamos.NM，1987.

8 Wang CH， Mo LR， Lin RC， et al. Artificial neural network model is superior to logistic regression model in predicting treatment outcomes of interferon-based combination therapy in patients with chronic hepatitis C.Intervirology，2008，51(1):14~20.

9 Kato H， Kanematsu M， Zhang X，et al. Computer-aided diagnosis of hepatic fibrosis: preliminary evaluation of MRI texture analysis using the finite difference method and an artificial neural network.AJR Am J Roentgenol， 2007，189(1):117~122.

10 Piscaglia F， Cucchetti A， Benlloch S，et al. Prediction of significant fibrosis in hepatitis C virus infected liver transplant recipients by artificial neural network analysis of clinical factors. J Gastroenterol Hepatol， 2006，18(12):1255~1261.

篇4

關(guān)鍵詞人工神經(jīng)網(wǎng)絡(luò)供暖熱網(wǎng)預(yù)測外時延內(nèi)時延反饋型BP網(wǎng)絡(luò)Elman網(wǎng)絡(luò)

一些復(fù)雜的生產(chǎn)過程，如熱網(wǎng)供熱，由于其反應(yīng)機(jī)理非常復(fù)雜，具有很強的非線性、大滯后、時變性和不確定性，難以建立被控對象的數(shù)學(xué)模型，至今仍很少實現(xiàn)閉環(huán)控制，只好有經(jīng)驗的操作人員進(jìn)行調(diào)節(jié)。操作人員雖然沒有被控對象的數(shù)學(xué)模型，但是由于他們比較熟悉供暖熱網(wǎng)和設(shè)備，且在長期的現(xiàn)場工作中積累了豐富的操作經(jīng)驗，他們通過觀察儀表指示的變化，如熱網(wǎng)的從、回水溫度、室外溫度等參數(shù)，并且預(yù)估某些參數(shù)將要發(fā)生的變化，然后調(diào)整供熱負(fù)荷，以保證熱網(wǎng)供暖正常。這種人工控制方式一般也能達(dá)到較好的控制效果，但是由于操作人員的經(jīng)驗與能力的不同，或由于人的疲勞、責(zé)任心等原因，也時常會因操作不當(dāng)造成熱網(wǎng)供暖不正常，或在產(chǎn)生突發(fā)事件時，不能預(yù)測將會發(fā)展或延續(xù)擴(kuò)大的嚴(yán)重故障，而引發(fā)更大的故障。

預(yù)測對于提供未來的信息，為當(dāng)前人人作出有利的決策具有重要意義?，F(xiàn)有的預(yù)測方法如時間序列分析中的AR模型預(yù)測方法，只適用于線性預(yù)測，而且，還需要對所研究的時間序列進(jìn)行平穩(wěn)性、零均值等假定，其適用范圍受到一定的限制。近年來，人工神經(jīng)網(wǎng)絡(luò)以其高度的非線性映射能力，在某些領(lǐng)域的預(yù)測中得到廣泛的關(guān)注。本文利用神經(jīng)網(wǎng)絡(luò)技術(shù)辨識供暖熱網(wǎng)動態(tài)預(yù)報系統(tǒng)的模型，并對其進(jìn)行了實際訓(xùn)練和測試，分別建立了外時延反饋型BP網(wǎng)絡(luò)模型和內(nèi)時延反饋型Elman網(wǎng)絡(luò)的預(yù)測模型。

1外時延反饋BP網(wǎng)絡(luò)

多層前向網(wǎng)絡(luò)是研究和應(yīng)用的最廣泛也是最成功的人工神經(jīng)元網(wǎng)絡(luò)之一。多層前向網(wǎng)絡(luò)是一種映射型網(wǎng)絡(luò)。理論上，隱層采用Sigmoid激活函數(shù)的三層前向網(wǎng)絡(luò)能以任意精度逼近任一非線函數(shù)，神經(jīng)元網(wǎng)絡(luò)可以根據(jù)與環(huán)境的相互作用對自身進(jìn)行調(diào)節(jié)即學(xué)習(xí)，一個BP網(wǎng)絡(luò)即是一個多層前向網(wǎng)絡(luò)加上誤差反向傳播學(xué)習(xí)算法，因此一個BP網(wǎng)絡(luò)應(yīng)有三項基本功能：（1）信息由輸入單元傳到隱單元，最后傳到輸出單元的信息正向傳播；（2）實際輸出與期望輸出之間的誤差由輸出單元傳到隱單元，最后傳到輸入單元的誤差反向傳播；（3）利用正向傳播的信息和反向傳播的誤差對網(wǎng)絡(luò)權(quán)系數(shù)進(jìn)行修正的學(xué)習(xí)過程。目前，多層前向網(wǎng)絡(luò)的權(quán)系數(shù)學(xué)習(xí)算法大多采用BP算法及基于BP算法的改進(jìn)算法，如帶動量項的BP算法等。BP網(wǎng)絡(luò)雖然有很廣泛的應(yīng)用，但由于它是一個靜態(tài)網(wǎng)絡(luò)，所以只能用于處理與時間無關(guān)的對象，如文字識別、空間曲線的逼近等問題。熱網(wǎng)供暖的各項參數(shù)都是與時間有關(guān)系的，而且我們即將建立的供暖熱網(wǎng)預(yù)報模型必須是一個動態(tài)模型。為此，必須在網(wǎng)絡(luò)中引入記憶和反饋功能?？梢杂袃煞N方式實現(xiàn)這一功能，一是采用外時延反饋網(wǎng)絡(luò)，即反輸入量以前的狀態(tài)存在延時單元中，且在輸入端引入輸出量以前狀態(tài)的反饋，如圖1所示；另一種方式是采用內(nèi)時延反饋網(wǎng)絡(luò)，既在網(wǎng)絡(luò)內(nèi)部引入反饋，使網(wǎng)絡(luò)本身構(gòu)成一個動態(tài)系統(tǒng)，如下面將要介紹的Elman網(wǎng)絡(luò)。

圖1處延時反饋網(wǎng)絡(luò)

2Elman網(wǎng)絡(luò)

如前所述，在BP網(wǎng)絡(luò)外部加入延時單元，把時間信號展開成空間表示后再送給靜態(tài)的前向網(wǎng)絡(luò)作為一類輸入，從而實現(xiàn)時間序列建模和預(yù)測。然而，這種方式大大增加了輸入節(jié)點個數(shù)因而導(dǎo)致了網(wǎng)絡(luò)結(jié)構(gòu)膨脹，訓(xùn)練精度下降，訓(xùn)練時間過長。

Elman動態(tài)網(wǎng)絡(luò)是動態(tài)遞歸網(wǎng)絡(luò)中較為簡單的一種結(jié)構(gòu)，如圖2所示。

圖2Elman網(wǎng)絡(luò)

由輸入層、隱含層、結(jié)構(gòu)層（聯(lián)系單元層）和輸出層組成，結(jié)構(gòu)層記憶隱含層過去的狀態(tài)，并在下一時刻與網(wǎng)絡(luò)的輸入，一同輸入隱含層，起到一步延時算子作用。因此，Elman動態(tài)遞歸網(wǎng)絡(luò)具有動態(tài)記憶的功能，無需使用較多的系統(tǒng)狀態(tài)作為輸入，從而減少了輸入層單元數(shù)。

3供熱網(wǎng)絡(luò)預(yù)報模型

根據(jù)研究問題的性質(zhì)不同，選擇不同的網(wǎng)絡(luò)結(jié)構(gòu)和激活函數(shù)，以便建立準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)預(yù)報模型。外時延反饋網(wǎng)絡(luò)和內(nèi)時延反饋網(wǎng)絡(luò)都將其時延單元和反饋單元視為BP網(wǎng)絡(luò)的輸入?yún)?shù)，因此可以應(yīng)用BP算法訓(xùn)練網(wǎng)絡(luò)，其隱含層和輸出層的節(jié)點激活函數(shù)可選擇tansig、purelin函數(shù)，表達(dá)式為：

tansig函數(shù)：

purelin函數(shù)：f2(x)=kx

輸出：

其中：xi----熱網(wǎng)輸入；

wji----由輸入層節(jié)點i隱層節(jié)點j之間的權(quán)值；

θj----隱層節(jié)點j的閾值；

wkj----由隱層節(jié)點j至輸出層節(jié)點k之間的權(quán)值；

θk----輸出層層節(jié)點k的閾值。

從成因上分析供暖熱網(wǎng)的影響因子，運用相關(guān)圖法或逐步回歸分析法等對初選影響因子進(jìn)行顯著性分析和檢驗，剔除不顯著因子。在此基礎(chǔ)上，研究基于人工神經(jīng)網(wǎng)絡(luò)的供暖熱網(wǎng)實時預(yù)報模型的建模和預(yù)報問題。本文選用牡丹江西海林小區(qū)鍋爐房2000年11月～2001年4月的部分測量數(shù)據(jù)進(jìn)行建模及測試，預(yù)測在相應(yīng)時刻的熱網(wǎng)供水溫度、回水溫度及室外溫度值。

3．1模型I：外進(jìn)延反饋網(wǎng)絡(luò)

輸入?yún)?shù)為當(dāng)前時刻與過去時刻的①室外溫度（i）（i-1）（i-2）（i-3）（i-4）;②供水流量（i）（i-1）（i-2）（i-3）（i-4）;③補水流量（i）（i-1）（i-2）（i-3）（i-4）;④供水溫度（i）（i-1）（i-2）（i-3）（i-4）;⑤回水溫度（i）（i-1）（i-2）（i-3）（i-4）;，共二十五個輸入量。輸出量為未來時刻的①室外溫度（i+1）（i+2）；②供水溫度（i+1）（i+2）；③回水溫度（i+1）（i+2）；共六個輸出量。其中每一周期間隔15min。訓(xùn)練樣本為前2000個數(shù)據(jù)組，測試樣本為后2000個數(shù)據(jù)組。輸出曲線有訓(xùn)練樣本與計算數(shù)據(jù)比較曲線和測試樣本與計算數(shù)據(jù)比較曲線。

網(wǎng)絡(luò)結(jié)構(gòu)共三層，輸入層節(jié)點25個，隱層節(jié)點25個，輸出層節(jié)點6個。取學(xué)習(xí)率η=0.7，動量因子a=0.3，訓(xùn)練精度ε=4.5e-3，經(jīng)過1000次正反向傳播和學(xué)習(xí)，網(wǎng)絡(luò)訓(xùn)練滿足設(shè)定條件，此時訓(xùn)練計算的均方差為0.00449767。將檢驗樣本輸入訓(xùn)練好的網(wǎng)絡(luò)模型，其檢驗結(jié)果如圖3、圖4（因篇幅所限僅給出回水溫度預(yù)報值）所示。

圖3回水溫度一步預(yù)報曲線

實線：計算數(shù)據(jù)；虛線：實際數(shù)據(jù)

圖4回水溫度二步預(yù)報曲線

實線：計算數(shù)據(jù)；虛線：實際數(shù)據(jù)

3．2模型II：內(nèi)時延反饋Elman網(wǎng)絡(luò)。

輸入?yún)?shù)為當(dāng)前時刻的①室外溫度（i）;②供水流量（i））;③補水流量（i）;④供水溫度（i）;⑤回水溫度（i）;，共五個輸入量。輸出量為未來時刻的①室外溫度（i+1）（i+2）；②供水溫度（i+1）（i+2）；③回水溫度（i+1）（i+1）；共六個輸出量。其中每一周期間隔15min。訓(xùn)練樣本為前2000個數(shù)據(jù)組，測試樣本為后2000個數(shù)據(jù)組。輸出曲線有訓(xùn)練樣本與計算數(shù)據(jù)比較曲線和測試樣本與計算數(shù)據(jù)比較曲線。

網(wǎng)絡(luò)結(jié)構(gòu)共三層，輸入層節(jié)點25個，隱層節(jié)點25個，輸出層節(jié)點6個。取學(xué)習(xí)率η=0.7，動量因子a=0.3，訓(xùn)練精度ε=4.5e-3，經(jīng)過1000次正反向傳播和學(xué)習(xí)，網(wǎng)絡(luò)訓(xùn)練滿足設(shè)定條件，此時訓(xùn)練計算的均方差為0.0044999。將檢驗樣本輸入訓(xùn)練好的Elman網(wǎng)絡(luò)模型，其檢驗結(jié)果如圖5、圖6（因篇幅所限僅給出回水溫度預(yù)報值）所示。

圖5回水溫度一步預(yù)報曲線

實線：計算數(shù)據(jù)；虛線：實際數(shù)據(jù)

圖6回水溫度二步預(yù)報曲線

實線：計算數(shù)據(jù)；虛線：實際數(shù)據(jù)

表1列出了外時延反饋網(wǎng)絡(luò)（模型I）與內(nèi)時延反饋Elman網(wǎng)絡(luò)（模型II）的訓(xùn)練與測試結(jié)果的部分?jǐn)?shù)據(jù)。

預(yù)測模型I、II的比較表1輸入層節(jié)點數(shù)隱層層節(jié)點數(shù)輸出層節(jié)點數(shù)訓(xùn)練次數(shù)訓(xùn)練時間（s）訓(xùn)練精度訓(xùn)練樣本誤差測試樣本誤差

模型I25256415236.7010.004497673.09982.2628

模型II5256199140.5420.00449993.19741.4620

4結(jié)論

從測試結(jié)果可以看出，對同一動態(tài)系統(tǒng)預(yù)測模型的辨識，外時延反饋網(wǎng)絡(luò)與內(nèi)時延反饋Elman網(wǎng)絡(luò)的逼近能力基本相同，而且都具有很強的跟蹤能力。但是Elman網(wǎng)絡(luò)的結(jié)構(gòu)要比外時延反饋網(wǎng)絡(luò)簡單得多，而且在訓(xùn)練過程中，外時延反饋網(wǎng)絡(luò)延遲步數(shù)要通過多次的訓(xùn)練才能找到最佳值，本預(yù)測模型就是在取到四步延遲后才得到最佳值，而Elman網(wǎng)絡(luò)就省卻了這一部分工作；此外在本動態(tài)系統(tǒng)模型的辨識過程中也可以看出，無論是采用外時BP網(wǎng)絡(luò)，還是采用內(nèi)時延Elman網(wǎng)絡(luò)辨識動態(tài)系統(tǒng)的模型，都必須恰當(dāng)?shù)囊胼敵鰠?shù)的反饋，才能保證系統(tǒng)的動態(tài)跟蹤能力；本文選用了牡丹江西海林小區(qū)鍋爐房2000年冬季的部分測量數(shù)據(jù)進(jìn)行建模及測試，用前20天的數(shù)據(jù)進(jìn)行預(yù)測模型辨識，用后20天的數(shù)據(jù)進(jìn)行預(yù)測模型測試，得到了比較令不滿意的預(yù)測結(jié)果，熱網(wǎng)供水溫度及室外溫度的預(yù)測結(jié)果也是很好的，只是由于篇幅關(guān)系同有繪出。

通過上述的系統(tǒng)辨識與實測，說明用外時延反饋網(wǎng)絡(luò)或內(nèi)時延反饋Elman網(wǎng)絡(luò)建立供熱系統(tǒng)的動態(tài)預(yù)測模型是可行的，解決了供熱系統(tǒng)對象中非線性、大滯后、時變性等問題，為進(jìn)一步的供熱系統(tǒng)優(yōu)化控制奠定了基礎(chǔ)。

參考文獻(xiàn)

1袁曾任，人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，清華大學(xué)出版社，1999

2李士勇，模糊控制·神經(jīng)控制和智能控制論，哈爾濱工業(yè)大學(xué)出版社，1996

3張乃堯，閻平凡，神經(jīng)網(wǎng)絡(luò)與模糊控制，清華大學(xué)出版社，1998

4董德存，張樹京，用于NARMAX參數(shù)辨識的一種神經(jīng)網(wǎng)絡(luò)方法，鐵道學(xué)報，1994

5謝新民，蔣云鐘等，基于人工神經(jīng)元網(wǎng)絡(luò)的河川徑流時時預(yù)報研究，水利水電技術(shù)，1999，（9）

6李勇，孫艷萍等，用于故障預(yù)測的BP網(wǎng)絡(luò)模型及改進(jìn)，東北電力學(xué)院淡報，1999，（1）

7郭創(chuàng)新等，一種魯棒BP算法及其在非線性動態(tài)系統(tǒng)辨識中的應(yīng)用，信息與控制，1996，（6）

8賴曉平，周鴻興，云昌欽，混合模型神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測中的應(yīng)用，控制理論與應(yīng)用，2000，17（1）69～72

9王玉濤，夏靖波，周建常，王師，基于神經(jīng)網(wǎng)絡(luò)模型的時間序列預(yù)測算法及其應(yīng)用，信息與控制，1998，27（6）：413～417

篇5

一、計算機(jī)化

隨著計算機(jī)硬件的迅猛發(fā)展，微機(jī)保護(hù)硬件也在不斷發(fā)展。原華北電力學(xué)院研制的微機(jī)線路保護(hù)硬件已經(jīng)歷了3個發(fā)展階段：從8位單CPU結(jié)構(gòu)的微機(jī)保護(hù)問世，不到5年時間就發(fā)展到多CPU結(jié)構(gòu)，后又發(fā)展到總線不出模塊的大模塊結(jié)構(gòu)，性能大大提高，得到了廣泛應(yīng)用。華中理工大學(xué)研制的微機(jī)保護(hù)也是從8位CPU，發(fā)展到以工控機(jī)核心部分為基礎(chǔ)的32位微機(jī)保護(hù)。

電力系統(tǒng)對微機(jī)保護(hù)的要求不斷提高，除了保護(hù)的基本功能外，還應(yīng)具有大容量故障信息和數(shù)據(jù)的長期存放空間，快速的數(shù)據(jù)處理功能，強大的通信能力，與其它保護(hù)、控制裝置和調(diào)度聯(lián)網(wǎng)以共享全系統(tǒng)數(shù)據(jù)、信息和網(wǎng)絡(luò)資源的能力，高級語言編程等。這就要求微機(jī)保護(hù)裝置具有相當(dāng)于一臺PC機(jī)的功能。在計算機(jī)保護(hù)發(fā)展初期，曾設(shè)想過用一臺小型計算機(jī)作成繼電保護(hù)裝置。由于當(dāng)時小型機(jī)體積大、成本高、可靠性差，這個設(shè)想是不現(xiàn)實的。現(xiàn)在，同微機(jī)保護(hù)裝置大小相似的工控機(jī)的功能、速度、存儲容量大大超過了當(dāng)年的小型機(jī)，因此，用成套工控機(jī)作成繼電保護(hù)的時機(jī)已經(jīng)成熟，這將是微機(jī)保護(hù)的發(fā)展方向之一。天津大學(xué)已研制成用同微機(jī)保護(hù)裝置結(jié)構(gòu)完全相同的一種工控機(jī)加以改造作成的繼電保護(hù)裝置。這種裝置的優(yōu)點有：

具有486PC機(jī)的全部功能，能滿足對當(dāng)前和未來微機(jī)保護(hù)的各種功能要求。尺寸和結(jié)構(gòu)與目前的微機(jī)保護(hù)裝置相似，工藝精良、防震、防過熱、防電磁干擾能力強，可運行于非常惡劣的工作環(huán)境，成本可接受。采用STD總線或PC總線，硬件模塊化，對于不同的保護(hù)可任意選用不同模塊，配置靈活、容易擴(kuò)展。繼電保護(hù)裝置的微機(jī)化、計算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢。但對如何更好地滿足電力系統(tǒng)要求，如何進(jìn)一步提高繼電保護(hù)的可靠性，如何取得更大的經(jīng)濟(jì)效益和社會效益，尚須進(jìn)行具體深入的研究。

二、網(wǎng)絡(luò)化

計算機(jī)網(wǎng)絡(luò)作為信息和數(shù)據(jù)通信工具已成為信息時代的技術(shù)支柱，使人類生產(chǎn)和社會生活的面貌發(fā)生了根本變化。它深刻影響著各個工業(yè)領(lǐng)域，也為各個工業(yè)領(lǐng)域提供了強有力的通信手段。到目前為止，除了差動保護(hù)和縱聯(lián)保護(hù)外，所有繼電保護(hù)裝置都只能反應(yīng)保護(hù)安裝處的電氣量。繼電保護(hù)的作用也只限于切除故障元件，縮小事故影響范圍。這主要是由于缺乏強有力的數(shù)據(jù)通信手段。國外早已提出過系統(tǒng)保護(hù)的概念，這在當(dāng)時主要指安全自動裝置。因繼電保護(hù)的作用不只限于切除故障元件和限制事故影響范圍(這是首要任務(wù))，還要保證全系統(tǒng)的安全穩(wěn)定運行。這就要求每個保護(hù)單元都能共享全系統(tǒng)的運行和故障信息的數(shù)據(jù)，各個保護(hù)單元與重合閘裝置在分析這些信息和數(shù)據(jù)的基礎(chǔ)上協(xié)調(diào)動作，確保系統(tǒng)的安全穩(wěn)定運行。顯然，實現(xiàn)這種系統(tǒng)保護(hù)的基本條件是將全系統(tǒng)各主要設(shè)備的保護(hù)裝置用計算機(jī)網(wǎng)絡(luò)聯(lián)接起來，亦即實現(xiàn)微機(jī)保護(hù)裝置的網(wǎng)絡(luò)化。這在當(dāng)前的技術(shù)條件下是完全可能的。

對于一般的非系統(tǒng)保護(hù)，實現(xiàn)保護(hù)裝置的計算機(jī)聯(lián)網(wǎng)也有很大的好處。繼電保護(hù)裝置能夠得到的系統(tǒng)故障信息愈多，則對故障性質(zhì)、故障位置的判斷和故障距離的檢測愈準(zhǔn)確。對自適應(yīng)保護(hù)原理的研究已經(jīng)過很長的時間，也取得了一定的成果，但要真正實現(xiàn)保護(hù)對系統(tǒng)運行方式和故障狀態(tài)的自適應(yīng)，必須獲得更多的系統(tǒng)運行和故障信息，只有實現(xiàn)保護(hù)的計算機(jī)網(wǎng)絡(luò)化，才能做到這一點。

由上述可知，微機(jī)保護(hù)裝置網(wǎng)絡(luò)化可大大提高保護(hù)性能和可靠性，這是微機(jī)保護(hù)發(fā)展的必然趨勢。保護(hù)、控制、測量、數(shù)據(jù)通信一體化

目前，為了測量、保護(hù)和控制的需要，室外變電站的所有設(shè)備，如變壓器、線路等的二次電壓、電流都必須用控制電纜引到主控室。所敷設(shè)的大量控制電纜不但要大量投資，而且使二次回路非常復(fù)雜。但是如果將上述的保護(hù)、控制、測量、數(shù)據(jù)通信一體化的計算機(jī)裝置，就地安裝在室外變電站的被保護(hù)設(shè)備旁，將被保護(hù)設(shè)備的電壓、電流量在此裝置內(nèi)轉(zhuǎn)換成數(shù)字量后，通過計算機(jī)網(wǎng)絡(luò)送到主控室，則可免除大量的控制電纜。如果用光纖作為網(wǎng)絡(luò)的傳輸介質(zhì)，還可免除電磁干擾。現(xiàn)在光電流互感器(OTA)和光電壓互感器(OTV)已在研究試驗階段，將來必然在電力系統(tǒng)中得到應(yīng)用。在采用OTA和OTV的情況下，保護(hù)裝置應(yīng)放在距OTA和OTV最近的地方，亦即應(yīng)放在被保護(hù)設(shè)備附近。OTA和OTV的光信號輸入到此一體化裝置中并轉(zhuǎn)換成電信號后，一方面用作保護(hù)的計算判斷；另一方面作為測量量，通過網(wǎng)絡(luò)送到主控室。從主控室通過網(wǎng)絡(luò)可將對被保護(hù)設(shè)備的操作控制命令送到此一體化裝置，由此一體化裝置執(zhí)行斷路器的操作。

篇6

關(guān)鍵詞：電力系統(tǒng)繼電保護(hù) 發(fā)展現(xiàn)狀趨勢

前言：

繼電保護(hù)技術(shù)是隨著電力系統(tǒng)的發(fā)展而發(fā)展起來的，20世紀(jì)初隨著電力系統(tǒng)的發(fā)展，繼電器才開始廣泛應(yīng)用于電力系統(tǒng)的保護(hù)。這個時期可認(rèn)為是繼電保護(hù)技術(shù)發(fā)展的開端。電力系統(tǒng)決定著電力能源的產(chǎn)生、傳輸和配送。而系統(tǒng)中的任何一個環(huán)節(jié)出現(xiàn)問題都會導(dǎo)致設(shè)備的損壞，甚至更嚴(yán)重的后果，隨著我國電力系統(tǒng)規(guī)模和容量的日益增大,電力系統(tǒng)面臨的故障日益嚴(yán)重。一旦電力系統(tǒng)出現(xiàn)故障,那么將會造成嚴(yán)重的經(jīng)濟(jì)損失和人身傷亡。繼電保護(hù)就是一種電路故障時實現(xiàn)瞬間切斷的自動裝置，是電力系統(tǒng)中不可或缺的一部分。

1.電力系統(tǒng)繼電保護(hù)簡介

繼電保護(hù)是電力系統(tǒng)不可分割的一部分，在電力系統(tǒng)的正常運行中起著至關(guān)重要的作用。繼電保護(hù)的基本任務(wù)是在被保護(hù)的電力系統(tǒng)元件發(fā)生故障的瞬間斷開電路，使故障元件及時從電力系統(tǒng)中斷開，最大限度地減少對電力系統(tǒng)元件本身的損壞。在電力系統(tǒng)運行中，外界因素內(nèi)部因素及操作等，都可能引起各種故障及不正常運行的狀態(tài)出現(xiàn)。常見的故障有：單相接地、兩相接地、相間短路、短路等。另外一種情況，當(dāng)電氣設(shè)備出現(xiàn)不正常工作時，可發(fā)出警報信號，以便操作人員進(jìn)行處理，此時的繼電保護(hù)裝置允許有一定的延時動作。

繼電保護(hù)裝置應(yīng)滿足可靠性、選擇性、靈敏性和速動性的要求。這四個要求之間緊密聯(lián)系，既矛盾又統(tǒng)一。

2.我國電力系統(tǒng)繼電保護(hù)現(xiàn)狀

由于繼電保護(hù)的安全性直接關(guān)系到電力系統(tǒng)的安全穩(wěn)定運行,因此對繼電保護(hù)裝置有著很高的要求。電力系統(tǒng)繼電保護(hù)技術(shù)經(jīng)歷了漫長的發(fā)展歷程,我國電力系統(tǒng)繼電保護(hù)技術(shù)經(jīng)歷了四個發(fā)展階段，繼電保護(hù)裝置經(jīng)歷了機(jī)電式、整流式、晶體管式、集成電路式、微處理機(jī)式等不同的發(fā)展階段。各個階段的特點和結(jié)構(gòu)如表1.

時期 硬件結(jié)構(gòu) 特點 發(fā)展階段

20世紀(jì)50年代 機(jī)電式保護(hù)裝置 體積大、功耗大、動作慢 機(jī)電保護(hù)

20世紀(jì)60-80年代 晶體管式保護(hù)裝置 體積小、功耗小、動作快 晶體管保護(hù)

20世紀(jì)80年代 集成電路式 體積更小、性能較好 集成電路保護(hù)

20世紀(jì)90年代 微機(jī)保護(hù) 性能完善、可靠性高 微機(jī)保護(hù)

表1 繼電保護(hù)發(fā)展歷程及特點

3.繼電保護(hù)技術(shù)的發(fā)展趨勢

經(jīng)過近20年的研究、應(yīng)用和發(fā)展，微機(jī)保護(hù)在電力系統(tǒng)中取得了巨大的成功。不僅積累了豐富的運行經(jīng)驗，產(chǎn)生了顯著的經(jīng)濟(jì)效益，還大大提高了電力系統(tǒng)運行管理水平。電力系統(tǒng)繼電保護(hù)技術(shù)未來將會向計算機(jī)化，網(wǎng)絡(luò)化，智能化，保護(hù)、控制、測量和數(shù)據(jù)通信一體化發(fā)展。

3.1繼電保護(hù)計算機(jī)化

隨著科技的飛速發(fā)展，計算機(jī)的硬件制造水平在不斷提高，微機(jī)保護(hù)硬件水平也在不斷提高電力系統(tǒng)對微機(jī)保護(hù)的要求水平與日俱增，除了進(jìn)行繼電保護(hù)的基本功能外，還應(yīng)具有以下更多功能：大容量的故障信息和數(shù)據(jù)的長期存放功能；快速的數(shù)據(jù)處理功控制裝置和調(diào)度聯(lián)網(wǎng)來共享全系統(tǒng)的數(shù)據(jù)；具有信息和網(wǎng)絡(luò)資源的管理功能；高級語言編程功能等。

按照摩爾定律來計算，芯片上的集成度每隔一年半到兩年的時間翻一番。其結(jié)果是不僅計算機(jī)硬件的性能成倍增加，價格也在迅速降低。微處理機(jī)的發(fā)展主要體現(xiàn)在單片化及相關(guān)功能的極大增強。片內(nèi)硬件資源得到很大擴(kuò)充，單片機(jī)與DSP芯片二者技術(shù)上的融合,運算能力的顯著提高以及嵌入式網(wǎng)絡(luò)通信芯片的出現(xiàn)及應(yīng)用等方面。這些發(fā)展使硬件設(shè)計更加方便，高性價比使冗余設(shè)計成為可能，為實現(xiàn)靈活化、高可靠性和模塊化的通用軟硬件平臺創(chuàng)造了條件。我國在2003年底, 220KV以上系統(tǒng)的微機(jī)保護(hù)已占到70.29%，線路的微機(jī)化率達(dá)到97.6%。實際運行中微機(jī)保護(hù)的正確動作率要明顯高于其他保護(hù)，一般比平均正常動作率高0.2-0.3個百分點。繼電保護(hù)裝置的計算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢。電力系統(tǒng)對微機(jī)保護(hù)的要求不斷提高，除了保護(hù)基本功能外，還應(yīng)具有大容量故障信息和數(shù)據(jù)的長期存放空間，快速的數(shù)據(jù)處理功能，強大的通信功能，與其他保護(hù)、控制裝置和調(diào)度聯(lián)網(wǎng)以供享全系統(tǒng)數(shù)據(jù)、信息和網(wǎng)絡(luò)資源的能力、高級語言編程等。

3.2繼電保護(hù)網(wǎng)絡(luò)化

近年來，計算機(jī)網(wǎng)絡(luò)逐漸開始在電力傳輸與配電系統(tǒng)中得到應(yīng)用和發(fā)展。與此同時，隨著電力科技的進(jìn)步，電力系統(tǒng)對計算機(jī)保護(hù)的要求也提升到了新的層次。因此大容量的長期存放空間、高速處理數(shù)據(jù)、高效的通信與其它保護(hù)、控制裝置和調(diào)度聯(lián)網(wǎng)以共享全系統(tǒng)數(shù)據(jù)、信息和網(wǎng)絡(luò)資源的能力、高級語言編程等均為繼電保護(hù)發(fā)展指明了方向。國內(nèi)在自適應(yīng)保護(hù)領(lǐng)域中的研究取得了可喜的成果，但要真正實現(xiàn)保護(hù)對系統(tǒng)運行方式和故障狀態(tài)的自適應(yīng)，必須獲得更多的系統(tǒng)運行和故障信息，也就是實現(xiàn)整體網(wǎng)絡(luò)化，因此整體網(wǎng)絡(luò)化是電力系統(tǒng)繼電保護(hù)一個重要方向。

3.3繼電保護(hù)智能化

在電力系統(tǒng)繼電保護(hù)中，計算機(jī)技術(shù)得到了廣泛的應(yīng)用。相關(guān)的研究方法也層出不窮,近些年來人工智能技術(shù)在電力系統(tǒng)領(lǐng)域取得了廣泛的應(yīng)用,引起了人們的廣泛關(guān)注。人工智能技術(shù)主要包括人工神經(jīng)網(wǎng)絡(luò)、小波理論、遺傳算法等相關(guān)內(nèi)容,下面我們對人工神經(jīng)網(wǎng)絡(luò)做簡要的闡述。在電力系統(tǒng)繼電保護(hù)方面,人工神經(jīng)網(wǎng)絡(luò)主要用來實現(xiàn)故障類型判別、方向保護(hù)和主設(shè)備保護(hù)等。人工神經(jīng)網(wǎng)絡(luò)主要主要研究信息處理、自動控制和非線性優(yōu)化等相關(guān)問題。例如,在輸電線兩側(cè)系統(tǒng)電勢角度擺開情況下發(fā)生經(jīng)過渡電阻的短路就是一個非線性問題,這時距離保護(hù)很難正確做出故障位置的判別,從而造成系統(tǒng)誤動或拒動。我們?nèi)绻捎萌斯ど窠?jīng)網(wǎng)絡(luò)技術(shù)來進(jìn)行處理,只需要經(jīng)過大量故障樣本的訓(xùn)練和充分考慮各種情況,那么我們就可以在電力系統(tǒng)發(fā)生任何故障時進(jìn)行正確的判別。人工智能技術(shù)給電力系統(tǒng)繼電保護(hù)的發(fā)展注入了新的活力,具有非常美好的發(fā)展前景。

3.4保護(hù)、控制、測量、數(shù)據(jù)通信一體化

保護(hù)裝置從網(wǎng)上獲取電力系統(tǒng)運行和故障的任何信息和數(shù)據(jù)，也可將它所獲得的被保護(hù)元件的任何信息和數(shù)據(jù)傳送給網(wǎng)絡(luò)控制中心或任一終端。因此，每個微機(jī)保護(hù)裝置不但可完成繼電保護(hù)功能。而且在無故障正常運行情況下還可完成測量、控制、數(shù)據(jù)通信功能，亦即實現(xiàn)保護(hù)、控制、測量、數(shù)據(jù)通信一體化。比如為了測量、保護(hù)和控制的需要，室外變電站的所有設(shè)備，如果將保護(hù)、測量、數(shù)據(jù)通信集成為一體，設(shè)計一個集合的計算機(jī)裝置，安裝在室外變電站的被保護(hù)設(shè)備附近將其電流等模擬量在此裝置轉(zhuǎn)換成數(shù)字量后，通過網(wǎng)絡(luò)傳輸?shù)街骺厥?，就可減少大量電纜。

3.5繼電保護(hù)技術(shù)改善方向

在今后技術(shù)的創(chuàng)新中，對繼電保護(hù)進(jìn)行重新選型配置時，首先考慮的是可靠性、選擇性、靈敏性及快速性，其次考慮運行維護(hù)調(diào)試方便，便于統(tǒng)一管理。優(yōu)選經(jīng)運行考驗且可靠的保護(hù)，個別新保護(hù)可少量試行，在取得經(jīng)驗后再推廣運用。

4.變電所綜合自動化技術(shù)

現(xiàn)代計算機(jī)技術(shù)、通信技術(shù)和網(wǎng)絡(luò)技術(shù)為改變變電站目前監(jiān)視、控制、保護(hù)和計量裝置及系統(tǒng)分割的狀態(tài)提供了優(yōu)化組合和系統(tǒng)集成的技術(shù)基礎(chǔ)。高壓、超高壓變電站正面臨著一場技術(shù)創(chuàng)新。實現(xiàn)繼電保護(hù)和綜合自動化的緊密結(jié)合，它表現(xiàn)在集成與資源共享遠(yuǎn)方控制與信息共享。以遠(yuǎn)方終端單元、微機(jī)保護(hù)裝置為

核心，將變電所的控制、信號、測量、計費等回路納入計算機(jī)系統(tǒng)，取代傳統(tǒng)的控制保護(hù)屏，能夠降低變電所的占地面積和設(shè)備投資，提高二次系統(tǒng)的可靠性。綜合自動化技術(shù)相對于常規(guī)變電所二次系統(tǒng)，主要有以下特點：

（1）. 設(shè)備、操作、監(jiān)視微機(jī)化

（2）. 通信局域網(wǎng)絡(luò)化、光纜化

（3）. 運行管理智能化

結(jié)語：

電力系統(tǒng)中繼電保護(hù)要保證全系統(tǒng)的安全穩(wěn)定運行。當(dāng)前，隨著電力系統(tǒng)的高速發(fā)展和計算機(jī)技術(shù)、網(wǎng)路技術(shù)及人工智能技術(shù)的進(jìn)步，繼電保護(hù)技術(shù)面臨著更大的挑戰(zhàn)。未來的繼電保護(hù)技術(shù)是以計算機(jī)和微處理器為核心技術(shù)，以計算機(jī)、網(wǎng)絡(luò)、系統(tǒng)、通信、自動控制理論為關(guān)鍵技術(shù)，其發(fā)展將出現(xiàn)原理突破和應(yīng)用革命。

參考文獻(xiàn)

1.許建安.電力系統(tǒng)繼電保護(hù)[M].北京：中國水力電力出版社，2005

2.張宇輝.電力系統(tǒng)微型計算機(jī)繼電保護(hù)[M].北京：中國電力出版社,2000

3.嚴(yán)興疇.繼電保護(hù)技術(shù)及其應(yīng)用.科技資訊,2007

篇7

【關(guān)鍵字】人工智能；教育；進(jìn)展

【中圖分類號】G40-057 【文獻(xiàn)標(biāo)識碼】A 【論文編號】1009―8097（2008）13―0018―03

人工智能是一門綜合的交叉學(xué)科，涉及計算機(jī)科學(xué)、生理學(xué)、哲學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等多個領(lǐng)域。人工智能主要研究用人工的方法和技術(shù)，模仿、延伸和擴(kuò)展人的智能，實現(xiàn)機(jī)器智能，其長期目標(biāo)是實現(xiàn)人類水平的人工智能。[1]從腦神經(jīng)生理學(xué)的角度來看，人類智能的本質(zhì)可以說是通過后天的自適應(yīng)訓(xùn)練或?qū)W習(xí)而建立起來的種種錯綜復(fù)雜的條件反射神經(jīng)網(wǎng)絡(luò)回路的活動。[2]人工智能專家們面臨的最大挑戰(zhàn)之一是如何構(gòu)造一個可以模仿人腦行為的系統(tǒng)。這一研究一旦有突破，不僅給學(xué)習(xí)科學(xué)以技術(shù)支撐，而且能反過來促使人腦的學(xué)習(xí)規(guī)律研究更加清晰，從而提供更加切實有效的方法論。[3]人工智能技術(shù)的不斷發(fā)展，使人工智能不僅成為學(xué)校教育的內(nèi)容之一，也為教育提供了豐富的教育資源，其研究成果已在教育領(lǐng)域得到應(yīng)用，并取得了良好的效果，成為教育技術(shù)的重要研究內(nèi)容。

人工智能的研究更多的是結(jié)合具體領(lǐng)域進(jìn)行的，其主要研究領(lǐng)域有：專家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識別、自然語言理解、自動定理證明、自動程序設(shè)計、機(jī)器人學(xué)、博弈、智能決策支持系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)和分布式人工智能等。[4]目前，在教育中應(yīng)用較為廣泛與活躍的研究領(lǐng)域主要有專家系統(tǒng)、機(jī)器人學(xué)、機(jī)器學(xué)習(xí)、自然語言理解、人工神經(jīng)網(wǎng)絡(luò)和分布式人工智能，下面就這些領(lǐng)域進(jìn)行闡述。

一 專家系統(tǒng)

專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它使用人工智能技術(shù)，根據(jù)某個領(lǐng)域中一個或多個人類專家提供的知識和經(jīng)驗進(jìn)行推理和判斷，模擬人類專家的決策過程，以解決那些需要專家決定的復(fù)雜問題。[5]專家系統(tǒng)主要組成部分為：知識庫，用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識；綜合數(shù)據(jù)庫，用于存儲領(lǐng)域或問題的初始數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)或信息；推理機(jī)，用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作；解釋器，向用戶解釋專家系統(tǒng)的行為；接口，使用戶與專家系統(tǒng)進(jìn)行對話。近幾十年來，專家系統(tǒng)迅速發(fā)展，是人工智能中最活躍、最有成效的一個研究領(lǐng)域，廣泛用于醫(yī)療診斷、地質(zhì)勘探、軍事、石油化工、文化教育等領(lǐng)域。

目前，專家系統(tǒng)在教育中的應(yīng)用最為廣泛與活躍。專家系統(tǒng)的特點通常表現(xiàn)為計劃系統(tǒng)或診斷系統(tǒng)。計劃系統(tǒng)往前走，從一個給定系統(tǒng)狀態(tài)指向最終狀態(tài)。如計劃系統(tǒng)中可以輸入有關(guān)的課堂目標(biāo)和學(xué)科內(nèi)容，它可以制定出一個課堂大綱，寫出一份教案，甚至有可能開發(fā)一堂樣板課，而診斷系統(tǒng)是往后走，從一個給定系統(tǒng)陳述查找原因或?qū)ζ溥M(jìn)行分析，例如，一個診斷系統(tǒng)可能以一堂CBI（基于計算機(jī)的教學(xué)，computer-based instruction）課為例，輸入學(xué)生課堂表現(xiàn)資料，分析為什么課堂的某一部分效果不佳。在開發(fā)專家計劃系統(tǒng)支持教學(xué)系統(tǒng)開發(fā)（ISD）程序的領(lǐng)域中最有名的是梅里爾（Merrill）的教學(xué)設(shè)計專家系統(tǒng)（ID Expert）。[6]

教學(xué)專家系統(tǒng)的任務(wù)是根據(jù)學(xué)生的特點（如知識水平、性格等），以最合適的教案和教學(xué)方法對學(xué)生進(jìn)行教學(xué)和輔導(dǎo)。其特點為：同時具有診斷和調(diào)試等功能；具有良好的人機(jī)界面。已經(jīng)開發(fā)和應(yīng)用的教學(xué)專家系統(tǒng)有美國麻省理工學(xué)院的MACSYMA符號積分與定理證明系統(tǒng)，我國一些大學(xué)開發(fā)的計算機(jī)程序設(shè)計語言、物理智能計算機(jī)輔助教學(xué)系統(tǒng)以及聾啞人語言訓(xùn)練專家系統(tǒng)等。[7]

目前，在教育中，專家系統(tǒng)的開發(fā)和應(yīng)用更多的集中于遠(yuǎn)程教育，為現(xiàn)代遠(yuǎn)程教育的智能化提供了有力的技術(shù)支撐?；趯＜蚁到y(tǒng)構(gòu)造的智能化遠(yuǎn)程教育系統(tǒng)具有以下幾個方面的功能：具備某學(xué)科或領(lǐng)域的專門知識，能生成自己的提問和應(yīng)答； 能夠分析學(xué)生的特征，評價和記錄學(xué)生的學(xué)習(xí)情況，診斷學(xué)生學(xué)習(xí)過程中的錯誤并進(jìn)行補救教學(xué)；可以選擇不同的教學(xué)方法實現(xiàn)以學(xué)生為主體的個別化教學(xué)。[8]目前應(yīng)用于遠(yuǎn)程教育的專家系統(tǒng)有智能決策專家系統(tǒng)、智能答疑專家系統(tǒng)、網(wǎng)絡(luò)教學(xué)資源專家系統(tǒng)、智能導(dǎo)學(xué)系統(tǒng)和智能網(wǎng)絡(luò)組卷系統(tǒng)等。

二 機(jī)器人學(xué)

機(jī)器人學(xué)是人工智能研究是一個分支，其主要內(nèi)容包括機(jī)器人基礎(chǔ)理論與方法、機(jī)器人設(shè)計理論與技術(shù)、機(jī)器人仿生學(xué)、機(jī)器人系統(tǒng)理論與技術(shù)、機(jī)器人操作和移動理論與技術(shù)、微機(jī)器人學(xué)。[9]機(jī)器人的發(fā)展經(jīng)歷了三個階段：第一代機(jī)器人是以 “示教―再現(xiàn)”方式進(jìn)行工作；第二代機(jī)器人具有一定的感覺裝置，表現(xiàn)出低級智能；第三代機(jī)器人是具有高度適應(yīng)性的自治機(jī)器人，即智能機(jī)器人。目前開發(fā)和應(yīng)用的機(jī)器人大多是智能機(jī)器人。機(jī)器人技術(shù)的發(fā)展對人類的生活和社會都產(chǎn)生了重要影響，其研究和應(yīng)用逐漸由工業(yè)生產(chǎn)向教育、環(huán)境、社會服務(wù)、醫(yī)療等領(lǐng)域擴(kuò)展。

機(jī)器人技術(shù)涉及多門科學(xué)，是一個國家科技發(fā)展水平和國民經(jīng)濟(jì)現(xiàn)代化、信息化的重要標(biāo)志，因此，機(jī)器人技術(shù)是世界強國重點發(fā)展的高技術(shù)，也是世界公認(rèn)的核心競爭力之一，很多國家已經(jīng)將機(jī)器人學(xué)教育列為學(xué)校的科技教育課程，在孩子中普及機(jī)器人學(xué)知識，從可持續(xù)和長遠(yuǎn)發(fā)展的角度，為本國培養(yǎng)機(jī)器人研發(fā)人才。[10]在機(jī)器人競賽的推動下，機(jī)器人教育逐漸從大學(xué)延伸到中小學(xué)，世界發(fā)達(dá)國家例如美國、英國、法國、德國、日本等已把機(jī)器人教育納入中小學(xué)教育之中，我國許多有條件的中小學(xué)也開展了機(jī)器人教育。

機(jī)器人在作為教學(xué)內(nèi)容的同時，也為教育提供了有力的技術(shù)支撐，成為培養(yǎng)學(xué)習(xí)者創(chuàng)新精神和實踐能力的新的載體與平臺，大大豐富了教學(xué)資源。多年來，我國中小學(xué)信息技術(shù)教育的主要載體是計算機(jī)和網(wǎng)絡(luò)，教學(xué)資源單一，缺乏前瞻性。教學(xué)機(jī)器人的引入，不僅激發(fā)了學(xué)生的學(xué)習(xí)興趣，還為教學(xué)提供了豐富的、先進(jìn)的教學(xué)資源。隨著機(jī)器人技術(shù)的發(fā)展，教學(xué)機(jī)器人種類越來越多，目前在中小學(xué)較為常用的教學(xué)機(jī)器人有：能力風(fēng)暴機(jī)器人、通用機(jī)器人、未來之星機(jī)器人、樂高機(jī)器人、納英特機(jī)器人、中鳴機(jī)器人等。

三 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是要使計算機(jī)能夠模仿人的學(xué)習(xí)行為，自動通過學(xué)習(xí)來獲取知識和技巧，[11]其研究綜合應(yīng)用了心理學(xué)、生物學(xué)、神經(jīng)生理學(xué)、邏輯學(xué)、模糊數(shù)學(xué)和計算機(jī)科學(xué)等多個學(xué)科。機(jī)器學(xué)習(xí)的方法與技術(shù)有機(jī)械學(xué)習(xí)、示教學(xué)習(xí)、類比學(xué)習(xí)、示例學(xué)習(xí)、解釋學(xué)習(xí)、歸納學(xué)習(xí)和基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)等，近年來，知識發(fā)現(xiàn)和數(shù)據(jù)挖掘是發(fā)展最快的機(jī)器學(xué)習(xí)技術(shù)。機(jī)器學(xué)習(xí)（自動獲取新的事實及新的推理算法）是使計算機(jī)具有智能的根本途徑，對機(jī)器學(xué)習(xí)的研究有助于發(fā)現(xiàn)人類學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。[12]

隨著計算機(jī)技術(shù)的進(jìn)步和機(jī)器學(xué)習(xí)研究的深入，機(jī)器學(xué)習(xí)系統(tǒng)的性能大大提高，各種學(xué)習(xí)算法的應(yīng)用范圍不斷擴(kuò)大，例如將連接學(xué)習(xí)用于圖文識別，歸納學(xué)習(xí)、分析學(xué)習(xí)用于專家系統(tǒng)等，大大推動了在教育中的應(yīng)用，例如在建構(gòu)適應(yīng)性教學(xué)系統(tǒng)中，用機(jī)器學(xué)習(xí)與樸素的貝葉斯分類器動態(tài)了解學(xué)生的學(xué)習(xí)偏好，有較高的準(zhǔn)確率[13]?；诎咐耐评恚╟ase-based reasoning，CBR）是一種新興的機(jī)器學(xué)習(xí)和推理方法，其核心思想是重用過去人們解決問題的經(jīng)驗解決新問題，在計算機(jī)輔助教育方面，已經(jīng)出現(xiàn)了基于CBR的圖形仿真教育系統(tǒng)，并且，針對個體特征的教育教學(xué)方法研究也有所突破。[14]另外，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)在生物醫(yī)學(xué)、金融管理、商業(yè)銷售等領(lǐng)域的成功應(yīng)用，不僅給機(jī)器學(xué)習(xí)注入新的生機(jī)，也為機(jī)器學(xué)習(xí)在教育中的應(yīng)用提供了新的前景。

四 自然語言理解

自然語言理解就是研究如何讓計算機(jī)理解人類的自然語言，以實現(xiàn)用自然語言與計算機(jī)之間的交流。一個能夠理解自然語言信息的計算機(jī)系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據(jù)這些上下文知識和信息用信息發(fā)生器進(jìn)行推理的過程。[15]自然語言理解包括口語理解和書面理解兩大任務(wù)，其功能為：回答問題，計算機(jī)能正確地回答用自然語言提出的問題；文摘生成，計算機(jī)能根據(jù)輸入的文本產(chǎn)生摘要；釋義，計算機(jī)能用不同的詞語和句型來復(fù)述輸入的自然語言信息；翻譯，計算機(jī)能把一種語言翻譯成另外一種語言。由于創(chuàng)造和使用自然語言是人類高度智能的表現(xiàn)，因此對自然語言處理的研究也有助于揭開人類高度智能的奧秘，深化對語言能力和思維本質(zhì)的認(rèn)識。[16]

自然語言理解最早的研究領(lǐng)域是機(jī)器翻譯，隨著應(yīng)用研究的廣泛開展，也為機(jī)器人和專家系統(tǒng)的知識獲取提供了新的途徑，例如由MIT研制的指揮機(jī)器人的自然語言理解系統(tǒng)SHRDLU就可以接收自然語言，進(jìn)行人機(jī)對話，回答關(guān)于桌面上積木世界中的各種問題。同時，對自然語言理解的研究也促進(jìn)了計算機(jī)輔助語言教學(xué)和計算機(jī)語言設(shè)計等方面的發(fā)展，例如“希賽可”網(wǎng)絡(luò)智能英語學(xué)習(xí)系統(tǒng)，這個基于網(wǎng)絡(luò)的“人-機(jī)”語境的建立，突破了普通英語教師和傳統(tǒng)的單機(jī)的多媒體教學(xué)軟件所能具備能力限制，也比建立于網(wǎng)絡(luò)的“人-人”語境更具靈活性，可以為遠(yuǎn)程學(xué)習(xí)者提供良好的英語學(xué)習(xí)支持，在國內(nèi)第一次系統(tǒng)地將用自然語言進(jìn)行的人機(jī)對話系統(tǒng)應(yīng)用在計算機(jī)輔助外語教學(xué)上，在國際上也是一種創(chuàng)新。[17]

五 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)就是在對大腦的生理研究的基礎(chǔ)上，用模擬生物神經(jīng)元的某些基本功能的元件（即人工神經(jīng)元），按各種不同的聯(lián)結(jié)方式組織起來的一個網(wǎng)絡(luò)，其目的在于模擬大腦的某些機(jī)理與機(jī)制，實現(xiàn)某個方面的功能，例如可以用于模仿視覺、模式識別、聲音信號處理、控制、故障診斷等領(lǐng)域，人工神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)的基本單元。[18]人工神經(jīng)網(wǎng)絡(luò)有兩種基本結(jié)構(gòu)：遞歸（反饋）網(wǎng)絡(luò)和多層（前饋）網(wǎng)絡(luò)，兩種主要學(xué)習(xí)算法：有指導(dǎo)式學(xué)習(xí)和非指導(dǎo)式學(xué)習(xí)。

人工神經(jīng)網(wǎng)絡(luò)從模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為出發(fā)，具有大規(guī)模并行、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)習(xí)能力，特別適合于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題，[19]這使人工神經(jīng)網(wǎng)絡(luò)具有更大的發(fā)展?jié)撃?，目前已?jīng)開發(fā)和應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)模型有30多種。人工神經(jīng)網(wǎng)絡(luò)在教育中的應(yīng)用大多是與教學(xué)專家系統(tǒng)相結(jié)合，以此來改進(jìn)教學(xué)專家系統(tǒng)的性能，提高智能性，使其在教學(xué)過程中對突發(fā)問題具有更好的應(yīng)對能力。人工神經(jīng)網(wǎng)絡(luò)在學(xué)校管理中也得到應(yīng)用，例如采用誤差反傳算法（BP）的多層感知器已應(yīng)用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式計算與人工智能結(jié)合的結(jié)果，研究目標(biāo)是要創(chuàng)建一種能夠描述自然系統(tǒng)和社會系統(tǒng)的精確概念模型，主要研究問題是各Agent之間的合作與對話，包括分布式問題求解和多Agent系統(tǒng)兩個領(lǐng)域。[20]分布式人工智能系統(tǒng)一般由多個Agent組成，每個Agent又是一個半自治系統(tǒng)，Agent之間及Agent與環(huán)境之間進(jìn)行并發(fā)活動并進(jìn)行交互來完成問題求解。[21]由于分布式人工智能系統(tǒng)具有并行、分布、開放、協(xié)作和容錯等優(yōu)點，在資源、時空和功能上克服了單智能系統(tǒng)的局限性，因此獲得了廣泛的應(yīng)用。

分布式人工智能中的Agent和多Agent技術(shù)在教學(xué)中的應(yīng)用逐漸受到關(guān)注。在教學(xué)中引入Agent可以有效地提高教學(xué)系統(tǒng)的智能性，創(chuàng)造良好的學(xué)習(xí)情境，并能激發(fā)學(xué)習(xí)者的學(xué)習(xí)興趣，進(jìn)行個性化教育。目前，Agent和多Agent技術(shù)多用于遠(yuǎn)程智能教學(xué)系統(tǒng)，通過利用其分布性、自主性和社會性等特點，提高網(wǎng)絡(luò)教學(xué)系統(tǒng)的智能性，使教學(xué)資源得到充分利用，并可實現(xiàn)對學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行動態(tài)跟蹤，為學(xué)習(xí)者的網(wǎng)絡(luò)學(xué)習(xí)創(chuàng)造合作性的學(xué)習(xí)環(huán)境。在網(wǎng)絡(luò)教學(xué)軟件中應(yīng)用Agent技術(shù)的一個典型是美國南加利福尼亞大學(xué)（USC）開發(fā)的教學(xué)Adele（Agent for Distance Education - Light Edition） [22]。Agent技術(shù)在網(wǎng)絡(luò)教學(xué)軟件中取得的良好效果，促進(jìn)了研究者對分布式人工智能在教育中的應(yīng)用研究。

綜上所述，科學(xué)技術(shù)的發(fā)展將會推動人工智能技術(shù)在教育中應(yīng)用的廣度和深度。從人工智能的應(yīng)用趨勢來看，人工智能在教育中應(yīng)用的擴(kuò)展可以通過以下三個方面進(jìn)行：一是人工智能與其他先進(jìn)信息技術(shù)結(jié)合。人工智能已經(jīng)與多媒體技術(shù)、網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫技術(shù)等有效的融合，為提高學(xué)習(xí)效率和效度提供了有力的技術(shù)支持，而引起教育技術(shù)界廣泛關(guān)注。[23]例如人工智能技術(shù)通過與多媒體技術(shù)相結(jié)合，可以提高智能教學(xué)系統(tǒng)的教學(xué)效果；與網(wǎng)絡(luò)通訊技術(shù)相結(jié)合，可以提高和改進(jìn)遠(yuǎn)程教育的智能性。二是人工智能應(yīng)用研究領(lǐng)域間的集成。人工智能應(yīng)用研究領(lǐng)域之間并不是彼此獨立，而是相互促進(jìn)，相互完善，它們可以通過集成擴(kuò)展彼此的功能和應(yīng)用能力。例如自然語言理解與專家系統(tǒng)、機(jī)器人的集成，為專家系統(tǒng)和機(jī)器人提供了新的知識獲取途徑。三是人工智能的研究和應(yīng)用出現(xiàn)了許多新的領(lǐng)域，它們是傳統(tǒng)人工智能的延伸與擴(kuò)展，這些新領(lǐng)域有分布式人工智能與Agent、計算智能與進(jìn)化計算、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)以及人工生命等[24]，這些發(fā)展與應(yīng)用蘊藏著巨大潛能，必將對教育產(chǎn)生重要的影響。

技術(shù)發(fā)展不斷發(fā)揮著引導(dǎo)教育技術(shù)研究的作用，一種新興技術(shù)的出現(xiàn)總是會掀起相應(yīng)的研究熱潮, 引發(fā)對技術(shù)在教育中應(yīng)用的探討、評價以及與傳統(tǒng)技術(shù)的對比。[25] 人工智能作為一門交叉的前沿學(xué)科，雖然在基本理論和方法等方面存在著爭論，但從其研究成果與應(yīng)用效果來看，有著廣闊的應(yīng)用前景，值得進(jìn)一步的開發(fā)和利用。

參考文獻(xiàn)

[1] 史忠植,王文杰.人工智能[M].北京:國防工業(yè)出版社,2007:1.

[2][11][18][19] 《計算機(jī)與信息科學(xué)十萬個為什么》叢書編輯委員會,計算機(jī)與信息科學(xué)十萬個為什么(8):人工智能[M].北京:清華大學(xué)出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.論學(xué)習(xí)科學(xué)的本質(zhì)及其學(xué)科基礎(chǔ)[J].中國電化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李長河.人工智能[M].武漢:武漢理工大學(xué)出版社,2003:12-13.

[5][12][15][20][24] 蔡自興,徐光.人工智能及其應(yīng)用(第三版)――研究生用書[M].北京:清華大學(xué)出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]諾伯特•M. 西爾,[德]弗蘭茲•肖特,等.任友群,鄭太年主譯.教學(xué)設(shè)計的國際觀第2冊:解決教學(xué)設(shè)計問題[M].北京:教育科學(xué)出版社,2007:67.

[7] 任友群.技術(shù)支撐的教與學(xué)及其理論基礎(chǔ)[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.應(yīng)用專家系統(tǒng)提升現(xiàn)代遠(yuǎn)程教育的智能化[J].中國教育技術(shù)裝備,2007,(12):79-80.

[9] 陳懇,楊向東,劉莉等.機(jī)器人技術(shù)與應(yīng)用[M].北京:清華大學(xué)出版社,2007:6.

[10] 關(guān)注機(jī)器人幼兒教育――訪鮑青山博士[DB/OL].

[13] 柏宏權(quán),韓慶年.機(jī)器學(xué)習(xí)在適應(yīng)性教學(xué)系統(tǒng)中的應(yīng)用研究[J].南京師范大學(xué)學(xué)報(工程技術(shù)版),2007,7(4):76-79.

[14] 楊健,趙秦怡.基于案例的推理技術(shù)研究進(jìn)展及應(yīng)用[J].計算機(jī)工程與設(shè)計,2008,29(3):710-712.

[16] 自然語言理解[DB/OL].

[17] 賈積有.人工智能技術(shù)的遠(yuǎn)程教育應(yīng)用探索――“希賽可”智能型網(wǎng)上英語學(xué)習(xí)系統(tǒng)[J].現(xiàn)代教育技術(shù),2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].

篇8

關(guān)鍵詞:智能技術(shù);系統(tǒng)配置;故障診斷;

Abstract：This paper expounds the application of intelligent technology in elevator control system, including intelligent control and intelligent power grid, which can optimize the system configuration of elevator, improve the quality of fault diagnosis and enhance the efficiency of line processing.

0 引言

電梯控制系統(tǒng)是電梯運載的有機(jī)組成部分，能夠切實保障電梯得到平穩(wěn)、安全、有效的運行。我國傳統(tǒng)的控制系統(tǒng)主要是通過繼電器對電梯進(jìn)行控制的。雖然能夠?qū)崿F(xiàn)較為簡單的邏輯功能，然而卻存在諸多的問題和弊端。而在電梯智能化發(fā)展的背景下，智能技術(shù)能夠充分地融入控制系統(tǒng)中，使電梯的安全系數(shù)得到有效提升。

1 電梯的基本結(jié)構(gòu)與運行原理

電梯是種垂直運送貨物和人的輸送設(shè)備，根據(jù)運行速度可分為低速電梯、快速電梯、高速電梯等三種。主要有層站部分、轎廂部分、底坑部分、井道部分、機(jī)房部分等部分組成。其操作系統(tǒng)具體包括拽引系統(tǒng)、導(dǎo)向系統(tǒng)、轎廂系統(tǒng)、門系統(tǒng)、平衡系統(tǒng)、拖動系統(tǒng)、控制系統(tǒng)、保護(hù)系統(tǒng)等部分。其中控制系統(tǒng)的基本功能是實時控制和操縱電梯運行，通常由選層器、平層裝置、控制屏、顯示裝置、操縱裝置等裝置構(gòu)成。在電梯運行的過程中，需要乘客通過按鈕發(fā)送指令信號，并由控制系統(tǒng)為乘客呼叫電梯。當(dāng)電梯處于啟動狀態(tài)時，各層轎門和廳門會處于閉合狀態(tài)，電梯轎廂內(nèi)的關(guān)閉按鈕要想實現(xiàn)關(guān)門任務(wù)，就需要電梯控制系統(tǒng)通過向減速控制裝置和加速控制裝置分別輸入信號，從而使電梯根據(jù)實際情況，處理關(guān)門任務(wù)。而在電梯到達(dá)指定樓層后，電梯會根據(jù)電梯內(nèi)的重量變化，確定乘客是否離開電梯，隨后調(diào)整電梯門閉合時間，再執(zhí)行呼梯者所發(fā)出的質(zhì)量。其所涉及的應(yīng)用技術(shù)主要包括指紋識別、眼球識別、安全控制、安全保護(hù)、數(shù)字監(jiān)控、報警裝置等技術(shù)。

2 電梯控制系統(tǒng)中智能技術(shù)的類別

智能化電網(wǎng)。電梯控制系統(tǒng)電網(wǎng)具體包括功率分配、電器配置、系統(tǒng)設(shè)計等內(nèi)容，如果電力系統(tǒng)出現(xiàn)問題，譬如缺乏反饋機(jī)制，將導(dǎo)致電梯難以實現(xiàn)安全運行的目的，嚴(yán)重者甚至?xí)绊懙匠丝偷纳踩?。我國電梯工程已?jīng)應(yīng)用了多種的信息化、智能化技術(shù)。如遺傳算法、模糊算法及神經(jīng)網(wǎng)絡(luò)法等。其中模糊算法主要以模糊數(shù)學(xué)為抓手，借助隸屬度、模糊集等方程構(gòu)建電梯控制系統(tǒng)平臺的模糊系統(tǒng)。而自適應(yīng)算法能夠通過分析電梯控制系統(tǒng)中的空間狀態(tài)或狀態(tài)空間，自適應(yīng)電梯內(nèi)的某種特征，使該特征可以在電梯運行中出現(xiàn)特定的變化。通常來講，將模糊算法與自適應(yīng)算法相結(jié)合，可以形成模糊自適應(yīng)算法。而遺傳算法可以模仿生態(tài)空間中的群體變異、競爭的關(guān)系，通過差分進(jìn)化的方式，降低自身的復(fù)雜性，使數(shù)據(jù)收集、挖掘及整理過程更加智能。最后是神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)能夠通過模擬人類神經(jīng)元的方式，構(gòu)建多層的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，使數(shù)據(jù)分析過程更加靈活、智能。在電梯故障排查中，可通過輸入故障數(shù)據(jù)的方式，使控制系統(tǒng)能夠快速地分析故障的類型，提高電梯的穩(wěn)定性。

智能化控制。智能化控制是電梯控制系統(tǒng)中智能技術(shù)的第二大類型。主要包括“處理單元”與“系統(tǒng)應(yīng)用”兩大組成內(nèi)容。首先是處理單元。處理單元主要指智能算法硬件化，即“片上系統(tǒng)”。在智能算法應(yīng)用的過程中，程序需要占據(jù)CPU大量的內(nèi)存，且運行時間較長，如果將算法進(jìn)行“硬件化”，將會提高CPU的利用率，優(yōu)化系統(tǒng)運行速度和時間，也能在某種程度上，降低系統(tǒng)功耗，提高系統(tǒng)運作的實效性和有效性?，F(xiàn)階段，我國應(yīng)用在電梯控制系統(tǒng)中的智能化單元主要有硬件單元和軟件單元兩種，其中軟件單元主要指固定流程、算法軟件的程序包，需要技術(shù)人員設(shè)置訪問接口，以便于開發(fā)者進(jìn)行相應(yīng)的調(diào)用。而在軟件單元的層面上，軟件單元需要技術(shù)人員設(shè)置相應(yīng)的電器接口，如總線接口、電源接口等。但根據(jù)相關(guān)研究發(fā)現(xiàn)，智能化單元的應(yīng)用程度相對較低，需要我國相關(guān)學(xué)者及專家提高對此方面的重視。其次是操作系統(tǒng)。操作系統(tǒng)能夠為電梯處理器或CPU“并行處理”各類任務(wù)奠定基礎(chǔ)，可以使PC指針與處理器在各類任務(wù)中進(jìn)行“自由切換”。通常來講應(yīng)用在工業(yè)領(lǐng)域的操作系統(tǒng)主要有Linux、Windows、Frertos、Ucos等系統(tǒng)，但Linux與Windows較為龐大，難以應(yīng)用在電梯操作系統(tǒng)中，但Ucos、Frertos等系統(tǒng)程序簡潔、體積較小可以嵌入在單片機(jī)與處理器中，提升電梯控制系統(tǒng)的智能化水平?，F(xiàn)階段，我國電梯控制系統(tǒng)還主要以邏輯控制型電梯為主，部分電梯系統(tǒng)能夠集成簡單的計算機(jī)操作系統(tǒng)，譬如ucos系統(tǒng)。電梯控制系統(tǒng)在搭載控制系統(tǒng)后，能夠幫助開發(fā)者提升人機(jī)交互的便捷性、任務(wù)處理的實效性。而在未來科技快速發(fā)展的背景下，更多地操作系統(tǒng)將被廣泛應(yīng)用在電梯控制系統(tǒng)中。

3 智能技術(shù)在電梯控制系統(tǒng)中的應(yīng)用

在綜合探究電梯控制系統(tǒng)中智能技術(shù)的類型后，我們能夠初步地了解智能技術(shù)的應(yīng)用方向和應(yīng)用途徑。譬如智能化電網(wǎng)是以電力系統(tǒng)智能化為抓手，融入故障診斷系統(tǒng)、電力優(yōu)化系統(tǒng)、故障自適應(yīng)性等內(nèi)容，可以切實減少電梯故障的發(fā)生概率。而智能化控制主要從控制單元與操控系統(tǒng)等角度出發(fā)，提高電梯控制系統(tǒng)的智能化水平。然而在智能技術(shù)的具體應(yīng)用中，我們需要從以下角度出發(fā)。

節(jié)能環(huán)保技術(shù)。（1）小機(jī)房電梯。由于小機(jī)房井道與面積截面相同，通常為傳統(tǒng)機(jī)房的一半。能夠憑借永磁同步拽引機(jī)、驅(qū)動控制技術(shù)，降低機(jī)房的建筑面積。（2）在神經(jīng)網(wǎng)絡(luò)、模糊邏輯、專家系統(tǒng)等智能技術(shù)的支持下，電梯控制系統(tǒng)能夠通過控制輸出功率的大小，減小電梯運行的時間，降低能源消耗的程度。（3）在變壓驅(qū)動控制與同步曳引機(jī)的支持下，電梯轎廂風(fēng)扇、電燈能夠獲得自動停止、熄滅的功能，可以切實減少電梯運行所耗費的電能。譬如在操縱箱、電梯層站難以為乘客提供相關(guān)服務(wù)的時候，內(nèi)部的電燈會自動熄滅。（4）在神經(jīng)網(wǎng)絡(luò)技術(shù)的支持下，電梯能夠根據(jù)電梯運行時間、荷載重量及乘客數(shù)量，自動調(diào)整運行功率，即在大荷載或電梯乘坐高峰期，電梯會自動提高輸出功率，盡量滿足乘客的乘梯需求，而當(dāng)荷載量小時，電梯則會降低運行速度和輸出功率。

數(shù)字電梯技術(shù)。在現(xiàn)代科技快速發(fā)展的過程中，電梯控制系統(tǒng)能夠?qū)鹘y(tǒng)的數(shù)字電路發(fā)展為模擬電路，通過軟件驅(qū)動代替硬件驅(qū)動的方式，優(yōu)化電梯的運行過程，滿足乘客乘坐電梯的基本需求。（1）數(shù)字化電梯技術(shù)在應(yīng)用過程中，需要實現(xiàn)多媒體數(shù)據(jù)傳播的功能，能夠?qū)⒛M信號轉(zhuǎn)變?yōu)閿?shù)字信號，提升電梯運行中網(wǎng)絡(luò)數(shù)據(jù)、電信數(shù)據(jù)傳播的質(zhì)量。（2）研發(fā)人員需要利用數(shù)字電梯技術(shù)整合各類電梯技術(shù)，使電梯控制系統(tǒng)在聯(lián)網(wǎng)的前提下，豐富電梯固有的功能體系。譬如用戶人臉識別功能、安全控制功能、數(shù)字監(jiān)控功能、遠(yuǎn)程報警功能等。（3）研發(fā)人員還應(yīng)利用數(shù)字電梯技術(shù)實現(xiàn)各類智能服務(wù)功能。如語音導(dǎo)航、乘客引導(dǎo)、智能宣傳等。其中智能宣傳主要指通過人臉識別的方式，宣傳針對性較強的商業(yè)推廣信息。

模糊控制技術(shù)。模糊控制技術(shù)能夠在智能化電網(wǎng)中發(fā)揮出難以替代的功能和作用，可以提高電梯運行的安全系數(shù)，提高故障檢測的實效性。而在電梯運行的過程中，模糊控制技術(shù)還能發(fā)揮出突出的優(yōu)勢和作用。通常來講電梯在運行的過程中擁有不確定性和復(fù)雜性的特征，通常會出現(xiàn)各類突發(fā)狀況和問題。為切實提升電梯整體的穩(wěn)定性，研發(fā)人員需要通過模糊控制技術(shù)的“自主學(xué)習(xí)”，來提升電梯運行的基本性能。使電梯能夠規(guī)避各類干擾因素，提高垂直運行的質(zhì)量。在具體的應(yīng)用過程中，研發(fā)人員還需要使電梯控制系統(tǒng)擁有信息收集、數(shù)據(jù)分析、智能處理等功能。即通過收集電梯在運行過程中所產(chǎn)生的各類數(shù)據(jù)，明確問題類型及運行調(diào)整方向。此外，電梯控制系統(tǒng)還需要將各類智能調(diào)節(jié)、自動調(diào)節(jié)技術(shù)融入其中，如緩沖、限速及緊急制動等技術(shù)。

4 結(jié)語

將智能技術(shù)充分應(yīng)用在電梯控制系統(tǒng)中，能夠切實提升電梯運行的智能化水平，增強電梯運行的安全性與舒適性。然而在智能技術(shù)應(yīng)用的過程中，我們需要從電梯控制系統(tǒng)中的智能技術(shù)類型出發(fā)，對其進(jìn)行整體地了解，隨后從電梯使用，運行的層面，探究智能技術(shù)的應(yīng)用方向和方法，才能切實發(fā)揮智能技術(shù)在電梯控制系統(tǒng)中的應(yīng)用價值。

參考文獻(xiàn)

篇9

關(guān)鍵詞：遠(yuǎn)端；電力；監(jiān)控系統(tǒng)；開發(fā)

1 前言

一般的電力監(jiān)控系統(tǒng)主要是結(jié)合電腦、攝像頭、控制等技術(shù)，完成用電情況的監(jiān)測、分析用電設(shè)備的運轉(zhuǎn)維護(hù)、控制、保護(hù)等功能。借助自身高度自動化的運作，可以依據(jù)及時且精確的資料做適當(dāng)?shù)奶幚韯幼?，?jié)省不必要的電力損失及減少人力維護(hù)成本，進(jìn)而提升用電設(shè)備的運轉(zhuǎn)品質(zhì)，增加系統(tǒng)穩(wěn)定性與節(jié)省電費支出的效果。

網(wǎng)絡(luò)技術(shù)近年來發(fā)展迅速，網(wǎng)絡(luò)環(huán)境也從以前單一的封閉環(huán)境發(fā)展成為開放式的網(wǎng)絡(luò)環(huán)境，監(jiān)控系統(tǒng)也由區(qū)域網(wǎng)絡(luò)封閉式的機(jī)房，進(jìn)而發(fā)展為可同時在不同地點進(jìn)行網(wǎng)絡(luò)監(jiān)控，甚至不同形態(tài)的設(shè)備狀態(tài)都可以通過網(wǎng)絡(luò)進(jìn)行監(jiān)控。本研究預(yù)期運用通用網(wǎng)絡(luò)瀏覽器的界面方式作為本系統(tǒng)的使用者界面，可預(yù)期本系統(tǒng)可將用電設(shè)備的用電狀態(tài)借助網(wǎng)絡(luò)監(jiān)控來了解，并具有無所比擬的優(yōu)勢。

2 遠(yuǎn)端電力監(jiān)控系統(tǒng)的軟硬件架構(gòu)

目前在個人電腦使用中最為普遍的操作系統(tǒng)不外乎是微軟的視窗系統(tǒng)。相對于其他操作系統(tǒng)，視窗系統(tǒng)具有較多的應(yīng)用軟件和通訊界面的支援，并且在視窗操作系統(tǒng)中，開發(fā)圖形界面的軟件應(yīng)用較為簡便，可以縮短產(chǎn)品開發(fā)時間，增加市場競爭力，所以本研究開發(fā)的網(wǎng)絡(luò)電力監(jiān)控系統(tǒng)預(yù)期將以視窗系統(tǒng)作為操作平臺。并通過VB程序語言開發(fā)人機(jī)界面來連接控制主機(jī)，通過RS-485通訊界面對多功能電表及控制器讀取用電參數(shù)或設(shè)備狀態(tài)，將其存入后端電腦資料庫，作為電力資料分析的來源。

本研究的系統(tǒng)設(shè)計是以市場導(dǎo)向為設(shè)計上的考量，利用智能型多功能電表監(jiān)測用電情形，并將整形多功能電表裝置加入用戶的各電源接口，利用RS-485通訊界面將三相電壓均方根值、電流均方根值、實功率、需功率、功率因數(shù)等用電數(shù)據(jù)傳回主機(jī)并存入資料庫；對于用電設(shè)備的諧波分析功能，則將通過主機(jī)讀取電壓、電流等波形進(jìn)行分析。需量控制方面也是通過RS-485界面，理論上，系統(tǒng)可裝備256臺遠(yuǎn)端的控制器，每臺控制器可以對多臺機(jī)械設(shè)備做個別的狀態(tài)讀取。

對于人機(jī)圖控軟件規(guī)劃，則利用資料收集系統(tǒng)隨時將用電資料由電表讀出并寫入資料庫，另外使用者可以通過手動輸入或修改每月用電最高需量及電價。其中，電表讀取的資料可以用來做短期負(fù)載預(yù)測、斜坡等電力品質(zhì)分析，而最高需量分析的資料可用來計算并預(yù)期最佳合同容量。短期負(fù)載預(yù)測結(jié)果輸出則可以配合該時段簽訂的合同容量，當(dāng)作需量控制的輸入?yún)?shù)，對可以控制的用電設(shè)備進(jìn)行用電排程控制。

本研究中使用的多功能電表須具有量測各種電力參數(shù)，如量測三相電壓、電流有效數(shù)值及提供總功率、功率因數(shù)、總瓦時數(shù)、頻率等參數(shù)，并同時具有對外通信的界面。目前比較普遍型的智能型電表都是以工廠或是建筑大樓用電的自動化為設(shè)計基礎(chǔ)，基本功能都可量測超過200種以上的電力參數(shù)，并可以做狀態(tài)偵測及控制輸出。在電力參數(shù)量測的部分，可以連接至單相、三相三線式或是三相四線式的系統(tǒng)；電表本身可以做狀態(tài)偵測及輸出控制使用。數(shù)字輸入點可偵測斷路器或接地故障等狀態(tài)，并可以警報輸出及進(jìn)行最高需量控制等工作，使用者也可以選擇加裝類比輸出或輸入模塊以執(zhí)行特殊功能。輸出模塊也可以配合電表內(nèi)的Real Time Clock，可以做計時控制、事件記錄、趨勢記錄等有關(guān)時間方面的工作。一般使用者則可以在電表面盤上讀取設(shè)備用電的電力參數(shù)，也可以通過通訊界面，由個人電腦讀取，其通訊界面為RS-485或RS-232，或者采用一般工業(yè)上普遍使用的MOD-BUS通訊協(xié)定，也課余可編程控制器等整合于統(tǒng)一系統(tǒng)之內(nèi)。

紫銅整體的網(wǎng)絡(luò)結(jié)構(gòu)必須相當(dāng)明確，每一個系統(tǒng)中的組成也必須能夠相互配合，這樣才能夠?qū)⑾到y(tǒng)的網(wǎng)絡(luò)效能發(fā)揮到極致，并且達(dá)到能夠多工多人監(jiān)控的目的。遠(yuǎn)端電力監(jiān)控系統(tǒng)架構(gòu)也就是應(yīng)用分散式系統(tǒng)的架構(gòu)概念，每項工作均由不同電腦分開處理。Web Server本身僅控制基本客戶端請求與回應(yīng)，因而在開發(fā)新系統(tǒng)時應(yīng)減少系統(tǒng)復(fù)雜度，并將資料庫與網(wǎng)絡(luò)服務(wù)器分開。

3 系統(tǒng)應(yīng)用與討論

本文所開發(fā)的監(jiān)控系統(tǒng)中包含有資料收集、電能分析模塊、遠(yuǎn)端網(wǎng)絡(luò)連線模塊等，電力監(jiān)控系統(tǒng)中包含了最佳合同容量分析計算、短期負(fù)載預(yù)測、諧波分析與負(fù)載管理等。資料收集模塊包含了電腦通訊、資料庫架構(gòu)與分析等等，在最佳合同容量計算部分則采用電力公司高壓電力時間電價結(jié)構(gòu)。對于短期負(fù)載部分將采用目前大部分研究采用的類神經(jīng)網(wǎng)絡(luò)分析的方法。因而，進(jìn)入監(jiān)控系統(tǒng)界面，即可經(jīng)由網(wǎng)絡(luò)讀取所有電力使用的信息，包括電壓、電流、功率因素、有效功率、無效功率及有效能量等。具體來看，包括如下應(yīng)用方面。

一是功率因數(shù)控制追蹤及設(shè)定。對于時間電價用戶而言，基本電費為電力公司的各時段合同容量的費用支出，即不同時段的合同千萬數(shù)乘以個別時段的合同電價綜合。超約附加費用戶在不同時段的用電最高需量超出合同容量部分的罰金計算為：超過合同容量10%以下部分以兩倍基本電費計算，超出合同容量10%以上部分則以三倍基本電費計算。功率因數(shù)調(diào)整費的目的是為了提高電力設(shè)備及線路利用率，本系統(tǒng)可以周期性的追蹤使用電力功率因數(shù)的變化，并借助功率因數(shù)上下限的設(shè)定來決定投入電容的數(shù)目，以提升功率因數(shù)。二是提供電能監(jiān)控系統(tǒng)資料庫。資料庫及儲存資料的倉庫，然而當(dāng)資料過于龐雜時，則需要將資料分類再儲存，這也就是資料表。資料庫內(nèi)必須有一個以上的資料表，資料表內(nèi)必須設(shè)定欄位，每個欄位必須設(shè)定儲存的資料形態(tài)，因而統(tǒng)一資料表的每筆資料必然有可比較的特性。為了應(yīng)對長時間應(yīng)用電力負(fù)載與節(jié)能控制系統(tǒng)，系統(tǒng)中建立了類神經(jīng)網(wǎng)絡(luò)培訓(xùn)程序，使用者可以定期利用歷史負(fù)載資料來加以培訓(xùn)學(xué)習(xí)，確保系統(tǒng)在環(huán)境的不斷變化下，負(fù)載數(shù)據(jù)依然能夠具有較高度的準(zhǔn)確率。

參考文獻(xiàn)

[1]周永華.關(guān)于居民小區(qū)供配電設(shè)計若干問題探討[J].民營科技，2009（2）.

[2]劉健，徐洪.電力監(jiān)控系統(tǒng)在電力生產(chǎn)中的應(yīng)用[J].華電技術(shù)，2009（5）.

篇10

關(guān)鍵詞：路徑規(guī)劃；條件適應(yīng)；遺傳算法；人工勢場算法

中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）17-0174-03

Abstract： There are variety of solutions of Robot path planning， such as the algorithm called artificial potential field algorithm， which simulation the potential form physics concept and genetic algorithm. But some limitations with these algorithm， which only gets the best result under certain conditions. So it is necessary for us to use one algorithm under the conditions match it best， by which every algorithm can work more effective.

Key words： path planning； condition match；genetic algorithm； artificial potential algorithm

為了更加深入的學(xué)習(xí)多智能體系統(tǒng)，開創(chuàng)了RoboCup項目，即機(jī)器人世界杯。近幾年來，機(jī)器人足球的國際賽事越來越普及。RoboCup是其中影響最大的。而路徑規(guī)劃問題又是RoboCup3D項目中的一個熱點研究領(lǐng)域。所謂路徑規(guī)劃，就是在仿真環(huán)境中找到一條從起點到終點的最優(yōu)，即最短路徑。不僅要考慮到路徑長度，還要考慮到障礙物的干擾。這樣，路徑規(guī)劃問題就涉及了實時避障問題，這兩個問題是反映智能雙足機(jī)器人的自主能力的關(guān)鍵性問題。如何在各種復(fù)雜的環(huán)境中找到無碰撞的最優(yōu)路徑本身就是一個高度智能的過程?；诖藛栴}的算法近年來也是層見疊出，新的算法和對傳統(tǒng)算法的改進(jìn)算法不斷涌現(xiàn)出來。有以模擬退火算法，人工勢場算法和模糊邏輯算法為代表的傳統(tǒng)算法；還有圖形化的算法，如C空間圖形法，自由空間法，以及柵欄法；而最新研究的智能仿生學(xué)算法從生物處的得到啟示，從蟻群覓食中得到的蟻群算法，從動物神經(jīng)網(wǎng)絡(luò)行為中學(xué)到的神經(jīng)網(wǎng)絡(luò)算法，還有模擬達(dá)爾文遺傳選擇和自然淘汰的遺傳算法。以上的每種算法都有其優(yōu)缺點，柵欄算法在一定的條件下可以得到最優(yōu)解，但是解的質(zhì)量取決于柵欄大小的選擇，柵欄越小，所需要的儲存空間也更大。而可視圖法每經(jīng)過一定周期，就需要重新計算路徑，尋找效率較低，以上兩種方法求得的路徑為折線，不適于機(jī)器人的運動控制；人工勢場算法雖然克服了上述算法的缺點，但是存在局部最優(yōu)解的問題，即規(guī)劃路徑非全局最優(yōu)。而發(fā)展火熱的智能仿生學(xué)算法卻因為其需要大量的存儲空間以及相當(dāng)高的時空復(fù)雜度而不能在實時避障問題中大顯身手，還需要我們不斷地研究發(fā)展才能應(yīng)用到實際問題中。既然每種算法都有其適用范圍和不適用范圍，那我們可以就環(huán)境條件進(jìn)行分類，在每種環(huán)境下使用其適用的算法，可以讓每種算法的缺點得到最大程度的縮小，而優(yōu)點得到充分放大。本文就采用能夠得到全局最優(yōu)解的遺傳算法和存在局部最優(yōu)問題的人工勢場算法。兩種方法結(jié)合，在RoboCup3D的仿真平臺上測試。3D仿真平臺是采用C/S模式設(shè)計的機(jī)器人足球比賽平臺，平臺實現(xiàn)對真實的物理三維世界模型的模擬，該系統(tǒng)主要用于研究服務(wù)器的通信，基本動作及決策系統(tǒng)，對球員的感知等基本功能模塊。

1 遺傳算法

1.1遺傳算法路徑規(guī)劃的具體方法

遺傳算法（Genetic Algorithm，GA）啟發(fā)于自讓進(jìn)化的模型， 是一種在自然選擇和遺傳基礎(chǔ)上發(fā)展來的全局優(yōu)化算法。編碼、適應(yīng)度函數(shù)、初始群體、控制參數(shù)和遺傳操作過程是遺傳算法的五個基本要素；而遺傳操作又包括選擇、交叉復(fù)制、變異。

障礙物的描述：

在綜合考慮障礙物的搜索范圍和搜索效率等條件的情況下，以機(jī)器人的起始點S與目標(biāo)點D的連線長度|SD|為長，以|SD|/2位寬確定障礙物區(qū)域α，則區(qū)域α為障礙物搜索范圍。用集合Obstacle{}表示障礙物集合，元素為On，如第一個元素為O1，第二個元素為O2。且α內(nèi)On的表示為On（xn，yn）∈α，其中xn和yn分別為第n個元素在球傳平面的橫坐標(biāo)和縱坐標(biāo)。

將區(qū)域α的長分為m+1等分，寬分為n+1等分，這樣α內(nèi)就有了m*n個路徑點，在每一條平行于寬線的線（我們暫且稱之為橫線，m條）上有n個路徑點，在每一條橫線上取一個路徑點，這樣便形成了一條由各個橫線上的路徑點連成的一條路徑線β，我們這樣表示β：

其中Ln表示從開始點S開始第n條橫線上的一個路徑點P，xn、yn表示相應(yīng)的二維坐標(biāo)。

1.2建立啟發(fā)函數(shù)

啟發(fā)函數(shù)關(guān)系到遺傳迭代的方向，在最優(yōu)路徑的規(guī)劃中，我們要考慮到路徑長短，距離障礙物距離以及路徑平滑度三個因素。

路徑長度啟發(fā)函數(shù)為：

[f1=|LiLi+1|] （其中i從1到m-1）