導(dǎo)語(yǔ)：如何才能寫(xiě)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)，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

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

[中圖分類(lèi)號(hào)]F832 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1005-6432（2013）30-0121-02

2010年4月16日，中國(guó)正式推出了首個(gè)股指期貨合約——滬深300股指期貨，該合約的推出結(jié)束了國(guó)內(nèi)證券市場(chǎng)沒(méi)有避險(xiǎn)工具的時(shí)代。股指期貨不僅具有價(jià)格發(fā)現(xiàn)、套期保值的基本功能，與此同時(shí)還具有投機(jī)、套利等資產(chǎn)配置功能。近幾年來(lái)，學(xué)術(shù)界和投資界也越來(lái)越重視對(duì)股指期貨價(jià)格預(yù)測(cè)的研究。股指期貨市場(chǎng)是一個(gè)復(fù)雜的非線(xiàn)性動(dòng)態(tài)系統(tǒng)，存在著非線(xiàn)性和不確定性，采用傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法預(yù)測(cè)其價(jià)格，必然會(huì)存在許多困難。國(guó)內(nèi)現(xiàn)有的文獻(xiàn)資料中，鮮有對(duì)股指期貨價(jià)格進(jìn)行預(yù)測(cè)的文章，但存在許多對(duì)單一股票價(jià)格預(yù)測(cè)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(duì)上海石化這只股票價(jià)格進(jìn)行預(yù)測(cè)，得出了該模型對(duì)于股價(jià)格的短期預(yù)測(cè)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(duì)浦發(fā)銀行股價(jià)在時(shí)間序列上作了若干天的預(yù)測(cè)，實(shí)驗(yàn)結(jié)果取得了較高的精度和較為穩(wěn)定的預(yù)測(cè)效果和較快的收斂速度，這表明該模型對(duì)個(gè)股的預(yù)測(cè)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(duì)滬深300股指期貨的每日收盤(pán)價(jià)進(jìn)行實(shí)際模擬與預(yù)測(cè)。

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(shí)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(diǎn)的數(shù)目為N，且該神經(jīng)網(wǎng)絡(luò)的輸出節(jié)點(diǎn)為M，那么該神經(jīng)網(wǎng)絡(luò)其實(shí)就是從N維的歐式空間到M維的歐式空間的一個(gè)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(yǔ)言建立一個(gè)剩余油分布的預(yù)測(cè)系統(tǒng)。該系統(tǒng)通過(guò)學(xué)習(xí)在地理坐標(biāo)和孔隙度之間建立一個(gè)非線(xiàn)性函數(shù)關(guān)系，以此來(lái)預(yù)測(cè)任何區(qū)域的孔隙度，再通過(guò)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(cè)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(cè)

中圖分類(lèi)號(hào)：TP183文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：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(guó)多數(shù)油田經(jīng)過(guò)一次、二次采油后，僅能采出地下總儲(chǔ)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(duì)剩余油分布預(yù)測(cè)的研究可以提高石油開(kāi)發(fā)的效率和節(jié)約開(kāi)發(fā)成本。人工神經(jīng)網(wǎng)絡(luò)是計(jì)算機(jī)中重要的一門(mén)學(xué)科，它具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過(guò)預(yù)先提供的一批相互對(duì)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(lái)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(lái)預(yù)測(cè)剩余油的分布。神經(jīng)網(wǎng)絡(luò)技術(shù)有著逼近任意非線(xiàn)性映射的能力，通過(guò)學(xué)習(xí)獲知系統(tǒng)差分方程中的位置非線(xiàn)性函數(shù)，這使得它在系統(tǒng)建模和預(yù)測(cè)中有著很好的應(yīng)用。

2 剩余油分布預(yù)測(cè)的研究

從20世紀(jì)80年代開(kāi)始，研究剩余油分布和提高采收率問(wèn)題已引起世界各石油生產(chǎn)國(guó)的普遍關(guān)注。針對(duì)剩余油分布的研究方法在各個(gè)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(shí)驗(yàn)技術(shù)等。

2.1 剩余油分布預(yù)測(cè)的研究現(xiàn)狀

目前，國(guó)內(nèi)外對(duì)剩余油研究的重點(diǎn)主要集中在三個(gè)方面：1）對(duì)生于有分布的描述；2）對(duì)剩余油飽和度的測(cè)量與監(jiān)測(cè)技術(shù)的研究；3）對(duì)剩余油挖潛技術(shù)的研究。

2.2 剩余油分布預(yù)測(cè)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(lèi)：地質(zhì)因素和開(kāi)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(kāi)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(dòng)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(chǔ)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(mǎn)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(kāi)油層能力的衰減，即使是經(jīng)過(guò)注水侯還會(huì)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(chēng)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(chēng)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(duì)人腦的抽象、簡(jiǎn)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(xiàn)性映射、分類(lèi)與識(shí)別、優(yōu)化計(jì)算、知識(shí)處理等。ANN在解決復(fù)雜的或是非線(xiàn)性問(wèn)題時(shí)，具有獨(dú)特的性能。近年來(lái)，國(guó)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(gè)特征：1）并行分布處理；2）非線(xiàn)性映射； 3）通過(guò)訓(xùn)練進(jìn)行學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)是通過(guò)研究過(guò)去的數(shù)據(jù)記錄進(jìn)行訓(xùn)練的，一個(gè)經(jīng)過(guò)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(guò)程問(wèn)題；4）適應(yīng)與綜合； 5）分類(lèi)與識(shí)別，神經(jīng)網(wǎng)絡(luò)可以很好地解決對(duì)非線(xiàn)性曲面的逼近問(wèn)題，因此比傳統(tǒng)的分類(lèi)器具有更好的分類(lèi)與識(shí)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(duì)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(duì)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(guò)程由正向傳播和反向傳播組成。正向傳播用于對(duì)前饋網(wǎng)絡(luò)進(jìn)行計(jì)算，即對(duì)某一輸入信息，經(jīng)過(guò)網(wǎng)絡(luò)計(jì)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(duì)輸入信息經(jīng)過(guò)計(jì)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(gè)BP算法學(xué)習(xí)過(guò)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(yǔ)言編制了BP人工神經(jīng)網(wǎng)絡(luò)模型計(jì)算機(jī)程序，建立并分析了矽肺膠原纖維預(yù)測(cè)的數(shù)學(xué)模型。結(jié)果： 選定網(wǎng)絡(luò)隱含層節(jié)點(diǎn)為9，初始權(quán)值閾值約為(-0.2，0.2)，最大相對(duì)誤差為4%，最小相對(duì)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(cè)效果，可為臨床醫(yī)學(xué)研究提供一個(gè)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(cè)

矽肺是塵肺中最嚴(yán)重的一種類(lèi)型，是由于長(zhǎng)期吸入超過(guò)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(cè)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(wú)有效的早期診斷（篩檢）方法，也無(wú)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(wú)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(duì)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(duì)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(xiàn)性致炎致纖維化的網(wǎng)絡(luò)調(diào)控假說(shuō)。王世鑫等用判別方程的方法，通過(guò)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(jì)是一個(gè)多目標(biāo)決策問(wèn)題。傳統(tǒng)的預(yù)測(cè)方法是用多元線(xiàn)性回歸來(lái)進(jìn)行預(yù)測(cè)，統(tǒng)計(jì)者千方百計(jì)的想找出決策目標(biāo)和各因素之間找出一個(gè)線(xiàn)性的公式關(guān)系，試圖想用一個(gè)嚴(yán)格的數(shù)學(xué)模型公式表達(dá)出相應(yīng)的關(guān)系。實(shí)際上，具有良好的非線(xiàn)性的神經(jīng)網(wǎng)絡(luò)可以預(yù)測(cè)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(cè)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(duì)人腦組織結(jié)構(gòu)、活動(dòng)機(jī)制的初步認(rèn)識(shí)提出的一種新型信息處理體系。通過(guò)模仿腦神經(jīng)系統(tǒng)的組織結(jié)構(gòu)以及某些活動(dòng)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(xiàn)性動(dòng)力系統(tǒng)。它具有許多引人注目的特點(diǎn)：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(yùn)算的能力；高度冗余的組織方式等。

在預(yù)測(cè)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(shí)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(gè)曲面，即使所有的樣本點(diǎn)均在這個(gè)曲面上，若這樣的曲面不存在，就找到離樣本點(diǎn)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(guò)程包括：正向傳播和反向傳播。當(dāng)正向傳播時(shí)，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(hào)沿原來(lái)的神經(jīng)連接通路返回。返回過(guò)程中，逐一修改各層神經(jīng)元連接的權(quán)值。這種過(guò)程不斷迭代，最后使得信號(hào)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(duì)于輸出層，有ok =f(net)，netk=m j=0wjkyj ，k=1，2，…l

對(duì)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(jì)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(shí)例

2.1 矽肺預(yù)測(cè)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(dòng)、發(fā)展過(guò)程中起到最為關(guān)鍵的作用，主要是通過(guò)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(zhǎng)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T(mén)h1 和Th2 兩種類(lèi)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?zhàn)饔?，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(duì)損傷的異常反應(yīng)?？傊?，矽肺病人存在CK網(wǎng)絡(luò)的平衡紊亂，其錯(cuò)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(cè)的BP網(wǎng)絡(luò)模型的設(shè)計(jì)

本研究運(yùn)用神經(jīng)網(wǎng)絡(luò)的模型方法，對(duì)矽肺預(yù)測(cè)進(jìn)行設(shè)計(jì)，得出其預(yù)測(cè)模型。

2.2.1 輸入層、隱含層、輸出層的設(shè)計(jì)

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(duì)于矽肺預(yù)測(cè)，應(yīng)當(dāng)依據(jù)其關(guān)鍵要素來(lái)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(zhǎng)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T(mén)h1 和Th2 兩種類(lèi)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(diǎn)的確定參考下面單元計(jì)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(gè)數(shù)，m 為輸出神經(jīng)元個(gè)數(shù)，a 為1~10之間的常數(shù)。本研究中，隱層單元數(shù)計(jì)算如下：

8+2+1≤c≤8+2+10

即：4.33≤c≤13.33

根據(jù)c 的計(jì)算值，由小到大改變節(jié)點(diǎn)數(shù)訓(xùn)練并檢驗(yàn)其精度，當(dāng)節(jié)點(diǎn)數(shù)的增加誤差不進(jìn)一步減小時(shí)，其臨界值即為應(yīng)采用的值。最后，經(jīng)過(guò)網(wǎng)絡(luò)的實(shí)際訓(xùn)練結(jié)果比較，選定網(wǎng)絡(luò)隱含層節(jié)點(diǎn)為9，此時(shí)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(duì)于輸出結(jié)果是否最接近實(shí)際，及是否能夠收斂、學(xué)習(xí)時(shí)間的長(zhǎng)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(huì)導(dǎo)致φ′(·)非常小，而由于當(dāng) φ′(·)0時(shí)，則有δ0，使得Δwji 0，最終使得調(diào)節(jié)過(guò)程沒(méi)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(yàn)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(diǎn)數(shù)。本模型輸入端節(jié)點(diǎn)數(shù)為11，所以初始值約為(-0.2，0.2)，可隨機(jī)選?。?］。

2.2.3 目標(biāo)值及學(xué)習(xí)步長(zhǎng)的選取

對(duì)矽肺預(yù)測(cè)之前，應(yīng)先根據(jù)影響矽肺預(yù)測(cè)的因素進(jìn)行綜合預(yù)測(cè)。在實(shí)際操作時(shí)，還應(yīng)結(jié)合經(jīng)驗(yàn)值。若Sigmoid函數(shù)選取反對(duì)稱(chēng)函數(shù)——雙曲正切函數(shù)，綜合評(píng)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(wú)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(zhǎng)應(yīng)比輸入單元小一些［5］。

通過(guò)以上分析可得網(wǎng)絡(luò)模型結(jié)構(gòu)如圖3。利用Delphi語(yǔ)言編制了BP人工神經(jīng)網(wǎng)絡(luò)模型計(jì)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(diǎn)數(shù)為8，表1為矽肺預(yù)測(cè)輸入訓(xùn)練樣本和檢測(cè)樣本，當(dāng)誤差給定E＝0.00005，學(xué)習(xí)步長(zhǎng)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(cè)輸入訓(xùn)練樣本和檢測(cè)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(mǎn)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(cè)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(yàn)樣本檢測(cè)預(yù)測(cè)效果，如表5所示。

從預(yù)測(cè)結(jié)果看，最大相對(duì)誤差為4.0%，最小相對(duì)誤差為0.2%，預(yù)測(cè)效果非常明顯，該網(wǎng)絡(luò)的檢驗(yàn)性能穩(wěn)定，可以很好的對(duì)矽肺進(jìn)行預(yù)測(cè)。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(yàn)樣本及矽肺預(yù)測(cè)結(jié)果

3 討論

本研究通過(guò)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(cè)效果看，能夠較準(zhǔn)確的預(yù)測(cè)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(cè)還有許多不盡如意的問(wèn)題，主要的弱點(diǎn)之一是它是一種黑盒方法，無(wú)法表達(dá)和分析被預(yù)測(cè)系統(tǒng)的輸入與輸出間的關(guān)系，因此，也難于對(duì)所得結(jié)果作任何解釋?zhuān)瑢?duì)任何求得數(shù)據(jù)做統(tǒng)計(jì)檢驗(yàn)； 二是采用神經(jīng)網(wǎng)絡(luò)作預(yù)測(cè)時(shí)，沒(méi)有一個(gè)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(shí)間采用湊試法，從許多次實(shí)驗(yàn)中找出“最合適”的一種。本研究在矽肺預(yù)測(cè)上運(yùn)用神經(jīng)網(wǎng)絡(luò)建模上進(jìn)行了初步的探討，對(duì)網(wǎng)絡(luò)模型的拓展性、收斂性等問(wèn)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(shí)空變化. 武警醫(yī)學(xué)院學(xué)報(bào)，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(dòng)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(jì)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(píng)估中的應(yīng)用. 系統(tǒng)工程理論與實(shí)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(cè)外時(shí)延內(nèi)時(shí)延反饋型BP網(wǎng)絡(luò)Elman網(wǎng)絡(luò)

一些復(fù)雜的生產(chǎn)過(guò)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(qiáng)的非線(xiàn)性、大滯后、時(shí)變性和不確定性，難以建立被控對(duì)象的數(shù)學(xué)模型，至今仍很少實(shí)現(xiàn)閉環(huán)控制，只好有經(jīng)驗(yàn)的操作人員進(jìn)行調(diào)節(jié)。操作人員雖然沒(méi)有被控對(duì)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(zhǎng)期的現(xiàn)場(chǎng)工作中積累了豐富的操作經(jīng)驗(yàn)，他們通過(guò)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(yàn)與能力的不同，或由于人的疲勞、責(zé)任心等原因，也時(shí)常會(huì)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(shí)，不能預(yù)測(cè)將會(huì)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(cè)對(duì)于提供未來(lái)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(cè)方法如時(shí)間序列分析中的AR模型預(yù)測(cè)方法，只適用于線(xiàn)性預(yù)測(cè)，而且，還需要對(duì)所研究的時(shí)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(lái)，人工神經(jīng)網(wǎng)絡(luò)以其高度的非線(xiàn)性映射能力，在某些領(lǐng)域的預(yù)測(cè)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(shí)供暖熱網(wǎng)動(dòng)態(tài)預(yù)報(bào)系統(tǒng)的模型，并對(duì)其進(jìn)行了實(shí)際訓(xùn)練和測(cè)試，分別建立了外時(shí)延反饋型BP網(wǎng)絡(luò)模型和內(nèi)時(shí)延反饋型Elman網(wǎng)絡(luò)的預(yù)測(cè)模型。

1外時(shí)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(xiàn)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(duì)自身進(jìn)行調(diào)節(jié)即學(xué)習(xí)，一個(gè)BP網(wǎng)絡(luò)即是一個(gè)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(gè)BP網(wǎng)絡(luò)應(yīng)有三項(xiàng)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(shí)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(duì)網(wǎng)絡(luò)權(quán)系數(shù)進(jìn)行修正的學(xué)習(xí)過(guò)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(dòng)量項(xiàng)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(gè)靜態(tài)網(wǎng)絡(luò)，所以只能用于處理與時(shí)間無(wú)關(guān)的對(duì)象，如文字識(shí)別、空間曲線(xiàn)的逼近等問(wèn)題。熱網(wǎng)供暖的各項(xiàng)參數(shù)都是與時(shí)間有關(guān)系的，而且我們即將建立的供暖熱網(wǎng)預(yù)報(bào)模型必須是一個(gè)動(dòng)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(shí)現(xiàn)這一功能，一是采用外時(shí)延反饋網(wǎng)絡(luò)，即反輸入量以前的狀態(tài)存在延時(shí)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(shí)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(gè)動(dòng)態(tài)系統(tǒng)，如下面將要介紹的Elman網(wǎng)絡(luò)。

圖1處延時(shí)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(shí)單元，把時(shí)間信號(hào)展開(kāi)成空間表示后再送給靜態(tài)的前向網(wǎng)絡(luò)作為一類(lèi)輸入，從而實(shí)現(xiàn)時(shí)間序列建模和預(yù)測(cè)。然而，這種方式大大增加了輸入節(jié)點(diǎn)個(gè)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(shí)間過(guò)長(zhǎng)。

Elman動(dòng)態(tài)網(wǎng)絡(luò)是動(dòng)態(tài)遞歸網(wǎng)絡(luò)中較為簡(jiǎn)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(guò)去的狀態(tài)，并在下一時(shí)刻與網(wǎng)絡(luò)的輸入，一同輸入隱含層，起到一步延時(shí)算子作用。因此，Elman動(dòng)態(tài)遞歸網(wǎng)絡(luò)具有動(dòng)態(tài)記憶的功能，無(wú)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(bào)模型

根據(jù)研究問(wèn)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(bào)模型。外時(shí)延反饋網(wǎng)絡(luò)和內(nèi)時(shí)延反饋網(wǎng)絡(luò)都將其時(shí)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(diǎn)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(diǎn)i隱層節(jié)點(diǎn)j之間的權(quán)值；

θj----隱層節(jié)點(diǎn)j的閾值；

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

θk----輸出層層節(jié)點(diǎn)k的閾值。

從成因上分析供暖熱網(wǎng)的影響因子，運(yùn)用相關(guān)圖法或逐步回歸分析法等對(duì)初選影響因子進(jìn)行顯著性分析和檢驗(yàn)，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(shí)時(shí)預(yù)報(bào)模型的建模和預(yù)報(bào)問(wèn)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(cè)量數(shù)據(jù)進(jìn)行建模及測(cè)試，預(yù)測(cè)在相應(yīng)時(shí)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(shí)刻與過(guò)去時(shí)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(bǔ)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(gè)輸入量。輸出量為未來(lái)時(shí)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(gè)輸出量。其中每一周期間隔15min。訓(xùn)練樣本為前2000個(gè)數(shù)據(jù)組，測(cè)試樣本為后2000個(gè)數(shù)據(jù)組。輸出曲線(xiàn)有訓(xùn)練樣本與計(jì)算數(shù)據(jù)比較曲線(xiàn)和測(cè)試樣本與計(jì)算數(shù)據(jù)比較曲線(xiàn)。

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

圖3回水溫度一步預(yù)報(bào)曲線(xiàn)

實(shí)線(xiàn)：計(jì)算數(shù)據(jù)；虛線(xiàn)：實(shí)際數(shù)據(jù)

圖4回水溫度二步預(yù)報(bào)曲線(xiàn)

實(shí)線(xiàn)：計(jì)算數(shù)據(jù)；虛線(xiàn)：實(shí)際數(shù)據(jù)

3．2模型II：內(nèi)時(shí)延反饋Elman網(wǎng)絡(luò)。

輸入?yún)?shù)為當(dāng)前時(shí)刻的①室外溫度（i）;②供水流量（i））;③補(bǔ)水流量（i）;④供水溫度（i）;⑤回水溫度（i）;，共五個(gè)輸入量。輸出量為未來(lái)時(shí)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(gè)輸出量。其中每一周期間隔15min。訓(xùn)練樣本為前2000個(gè)數(shù)據(jù)組，測(cè)試樣本為后2000個(gè)數(shù)據(jù)組。輸出曲線(xiàn)有訓(xùn)練樣本與計(jì)算數(shù)據(jù)比較曲線(xiàn)和測(cè)試樣本與計(jì)算數(shù)據(jù)比較曲線(xiàn)。

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

圖5回水溫度一步預(yù)報(bào)曲線(xiàn)

實(shí)線(xiàn)：計(jì)算數(shù)據(jù)；虛線(xiàn)：實(shí)際數(shù)據(jù)

圖6回水溫度二步預(yù)報(bào)曲線(xiàn)

實(shí)線(xiàn)：計(jì)算數(shù)據(jù)；虛線(xiàn)：實(shí)際數(shù)據(jù)

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

預(yù)測(cè)模型I、II的比較表1輸入層節(jié)點(diǎn)數(shù)隱層層節(jié)點(diǎn)數(shù)輸出層節(jié)點(diǎn)數(shù)訓(xùn)練次數(shù)訓(xùn)練時(shí)間（s）訓(xùn)練精度訓(xùn)練樣本誤差測(cè)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(cè)試結(jié)果可以看出，對(duì)同一動(dòng)態(tài)系統(tǒng)預(yù)測(cè)模型的辨識(shí)，外時(shí)延反饋網(wǎng)絡(luò)與內(nèi)時(shí)延反饋Elman網(wǎng)絡(luò)的逼近能力基本相同，而且都具有很強(qiáng)的跟蹤能力。但是Elman網(wǎng)絡(luò)的結(jié)構(gòu)要比外時(shí)延反饋網(wǎng)絡(luò)簡(jiǎn)單得多，而且在訓(xùn)練過(guò)程中，外時(shí)延反饋網(wǎng)絡(luò)延遲步數(shù)要通過(guò)多次的訓(xùn)練才能找到最佳值，本預(yù)測(cè)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(dòng)態(tài)系統(tǒng)模型的辨識(shí)過(guò)程中也可以看出，無(wú)論是采用外時(shí)BP網(wǎng)絡(luò)，還是采用內(nèi)時(shí)延Elman網(wǎng)絡(luò)辨識(shí)動(dòng)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(dòng)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(cè)量數(shù)據(jù)進(jìn)行建模及測(cè)試，用前20天的數(shù)據(jù)進(jìn)行預(yù)測(cè)模型辨識(shí)，用后20天的數(shù)據(jù)進(jìn)行預(yù)測(cè)模型測(cè)試，得到了比較令不滿(mǎn)意的預(yù)測(cè)結(jié)果，熱網(wǎng)供水溫度及室外溫度的預(yù)測(cè)結(jié)果也是很好的，只是由于篇幅關(guān)系同有繪出。

通過(guò)上述的系統(tǒng)辨識(shí)與實(shí)測(cè)，說(shuō)明用外時(shí)延反饋網(wǎng)絡(luò)或內(nèi)時(shí)延反饋Elman網(wǎng)絡(luò)建立供熱系統(tǒng)的動(dòng)態(tài)預(yù)測(cè)模型是可行的，解決了供熱系統(tǒng)對(duì)象中非線(xiàn)性、大滯后、時(shí)變性等問(wèn)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(shù)京，用于NARMAX參數(shù)辨識(shí)的一種神經(jīng)網(wǎng)絡(luò)方法，鐵道學(xué)報(bào)，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(shí)時(shí)預(yù)報(bào)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(cè)的BP網(wǎng)絡(luò)模型及改進(jìn)，東北電力學(xué)院淡報(bào)，1999，（1）

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

8賴(lài)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(cè)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(shí)間序列預(yù)測(cè)算法及其應(yīng)用，信息與控制，1998，27（6）：413～417

篇5

一、計(jì)算機(jī)化

隨著計(jì)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(xiàn)路保護(hù)硬件已經(jīng)歷了3個(gè)發(fā)展階段：從8位單CPU結(jié)構(gòu)的微機(jī)保護(hù)問(wèn)世，不到5年時(shí)間就發(fā)展到多CPU結(jié)構(gòu)，后又發(fā)展到總線(xiàn)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(duì)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(zhǎng)期存放空間，快速的數(shù)據(jù)處理功能，強(qiáng)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(jí)語(yǔ)言編程等。這就要求微機(jī)保護(hù)裝置具有相當(dāng)于一臺(tái)PC機(jī)的功能。在計(jì)算機(jī)保護(hù)發(fā)展初期，曾設(shè)想過(guò)用一臺(tái)小型計(jì)算機(jī)作成繼電保護(hù)裝置。由于當(dāng)時(shí)小型機(jī)體積大、成本高、可靠性差，這個(gè)設(shè)想是不現(xiàn)實(shí)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(chǔ)容量大大超過(guò)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(shí)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(diǎn)有：

具有486PC機(jī)的全部功能，能滿(mǎn)足對(duì)當(dāng)前和未來(lái)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(guò)熱、防電磁干擾能力強(qiáng)，可運(yùn)行于非常惡劣的工作環(huán)境，成本可接受。采用STD總線(xiàn)或PC總線(xiàn)，硬件模塊化，對(duì)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(jì)算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢(shì)。但對(duì)如何更好地滿(mǎn)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(huì)效益，尚須進(jìn)行具體深入的研究。

二、網(wǎng)絡(luò)化

計(jì)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(shí)代的技術(shù)支柱，使人類(lèi)生產(chǎn)和社會(huì)生活的面貌發(fā)生了根本變化。它深刻影響著各個(gè)工業(yè)領(lǐng)域，也為各個(gè)工業(yè)領(lǐng)域提供了強(qiáng)有力的通信手段。到目前為止，除了差動(dòng)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(qiáng)有力的數(shù)據(jù)通信手段。國(guó)外早已提出過(guò)系統(tǒng)保護(hù)的概念，這在當(dāng)時(shí)主要指安全自動(dòng)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(yùn)行。這就要求每個(gè)保護(hù)單元都能共享全系統(tǒng)的運(yùn)行和故障信息的數(shù)據(jù)，各個(gè)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(dòng)作，確保系統(tǒng)的安全穩(wěn)定運(yùn)行。顯然，實(shí)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(jì)算機(jī)網(wǎng)絡(luò)聯(lián)接起來(lái)，亦即實(shí)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(duì)于一般的非系統(tǒng)保護(hù)，實(shí)現(xiàn)保護(hù)裝置的計(jì)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(duì)故障性質(zhì)、故障位置的判斷和故障距離的檢測(cè)愈準(zhǔn)確。對(duì)自適應(yīng)保護(hù)原理的研究已經(jīng)過(guò)很長(zhǎng)的時(shí)間，也取得了一定的成果，但要真正實(shí)現(xiàn)保護(hù)對(duì)系統(tǒng)運(yùn)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(yùn)行和故障信息，只有實(shí)現(xiàn)保護(hù)的計(jì)算機(jī)網(wǎng)絡(luò)化，才能做到這一點(diǎn)。

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(shì)。保護(hù)、控制、測(cè)量、數(shù)據(jù)通信一體化

目前，為了測(cè)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(xiàn)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(cè)量、數(shù)據(jù)通信一體化的計(jì)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(guò)計(jì)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?，F(xiàn)在光電流互感器(OTA)和光電壓互感器(OTV)已在研究試驗(yàn)階段，將來(lái)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(hào)輸入到此一體化裝置中并轉(zhuǎn)換成電信號(hào)后，一方面用作保護(hù)的計(jì)算判斷；另一方面作為測(cè)量量，通過(guò)網(wǎng)絡(luò)送到主控室。從主控室通過(guò)網(wǎng)絡(luò)可將對(duì)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(shì)

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(lái)的，20世紀(jì)初隨著電力系統(tǒng)的發(fā)展，繼電器才開(kāi)始廣泛應(yīng)用于電力系統(tǒng)的保護(hù)。這個(gè)時(shí)期可認(rèn)為是繼電保護(hù)技術(shù)發(fā)展的開(kāi)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(gè)環(huán)節(jié)出現(xiàn)問(wèn)題都會(huì)導(dǎo)致設(shè)備的損壞，甚至更嚴(yán)重的后果，隨著我國(guó)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(huì)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(shí)實(shí)現(xiàn)瞬間切斷的自動(dòng)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(jiǎn)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(yùn)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(kāi)電路，使故障元件及時(shí)從電力系統(tǒng)中斷開(kāi)，最大限度地減少對(duì)電力系統(tǒng)元件本身的損壞。在電力系統(tǒng)運(yùn)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(yùn)行的狀態(tài)出現(xiàn)。常見(jiàn)的故障有：?jiǎn)蜗嘟拥亍上嘟拥?、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(shí)，可發(fā)出警報(bào)信號(hào)，以便操作人員進(jìn)行處理，此時(shí)的繼電保護(hù)裝置允許有一定的延時(shí)動(dòng)作。

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

2.我國(guó)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(yùn)行,因此對(duì)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(zhǎng)的發(fā)展歷程,我國(guó)電力系統(tǒng)繼電保護(hù)技術(shù)經(jīng)歷了四個(gè)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(gè)階段的特點(diǎn)和結(jié)構(gòu)如表1.

時(shí)期 硬件結(jié)構(gòu) 特點(diǎn) 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(dòng)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(dòng)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(diǎn)

3.繼電保護(hù)技術(shù)的發(fā)展趨勢(shì)

經(jīng)過(guò)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(yùn)行經(jīng)驗(yàn)，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(yùn)行管理水平。電力系統(tǒng)繼電保護(hù)技術(shù)未來(lái)將會(huì)向計(jì)算機(jī)化，網(wǎng)絡(luò)化，智能化，保護(hù)、控制、測(cè)量和數(shù)據(jù)通信一體化發(fā)展。

3.1繼電保護(hù)計(jì)算機(jī)化

隨著科技的飛速發(fā)展，計(jì)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(duì)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(zhǎng)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(lái)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(jí)語(yǔ)言編程功能等。

按照摩爾定律來(lái)計(jì)算，芯片上的集成度每隔一年半到兩年的時(shí)間翻一番。其結(jié)果是不僅計(jì)算機(jī)硬件的性能成倍增加，價(jià)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(qiáng)。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(yùn)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(jì)更加方便，高性?xún)r(jià)比使冗余設(shè)計(jì)成為可能，為實(shí)現(xiàn)靈活化、高可靠性和模塊化的通用軟硬件平臺(tái)創(chuàng)造了條件。我國(guó)在2003年底, 220KV以上系統(tǒng)的微機(jī)保護(hù)已占到70.29%，線(xiàn)路的微機(jī)化率達(dá)到97.6%。實(shí)際運(yùn)行中微機(jī)保護(hù)的正確動(dòng)作率要明顯高于其他保護(hù)，一般比平均正常動(dòng)作率高0.2-0.3個(gè)百分點(diǎn)。繼電保護(hù)裝置的計(jì)算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢(shì)。電力系統(tǒng)對(duì)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(zhǎng)期存放空間，快速的數(shù)據(jù)處理功能，強(qiáng)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(jí)語(yǔ)言編程等。

3.2繼電保護(hù)網(wǎng)絡(luò)化

近年來(lái)，計(jì)算機(jī)網(wǎng)絡(luò)逐漸開(kāi)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(shí)，隨著電力科技的進(jìn)步，電力系統(tǒng)對(duì)計(jì)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(zhǎng)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(jí)語(yǔ)言編程等均為繼電保護(hù)發(fā)展指明了方向。國(guó)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(shí)現(xiàn)保護(hù)對(duì)系統(tǒng)運(yùn)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(yùn)行和故障信息，也就是實(shí)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(gè)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(jì)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(lái)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(duì)人工神經(jīng)網(wǎng)絡(luò)做簡(jiǎn)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(lái)實(shí)現(xiàn)故障類(lèi)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(dòng)控制和非線(xiàn)性?xún)?yōu)化等相關(guān)問(wèn)題。例如,在輸電線(xiàn)兩側(cè)系統(tǒng)電勢(shì)角度擺開(kāi)情況下發(fā)生經(jīng)過(guò)渡電阻的短路就是一個(gè)非線(xiàn)性問(wèn)題,這時(shí)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(dòng)或拒動(dòng)。我們?nèi)绻捎萌斯ど窠?jīng)網(wǎng)絡(luò)技術(shù)來(lái)進(jìn)行處理,只需要經(jīng)過(guò)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(shí)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(cè)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(yùn)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(gè)微機(jī)保護(hù)裝置不但可完成繼電保護(hù)功能。而且在無(wú)故障正常運(yùn)行情況下還可完成測(cè)量、控制、數(shù)據(jù)通信功能，亦即實(shí)現(xiàn)保護(hù)、控制、測(cè)量、數(shù)據(jù)通信一體化。比如為了測(cè)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(cè)量、數(shù)據(jù)通信集成為一體，設(shè)計(jì)一個(gè)集合的計(jì)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(guò)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(duì)繼電保護(hù)進(jìn)行重新選型配置時(shí)，首先考慮的是可靠性、選擇性、靈敏性及快速性，其次考慮運(yùn)行維護(hù)調(diào)試方便，便于統(tǒng)一管理。優(yōu)選經(jīng)運(yùn)行考驗(yàn)且可靠的保護(hù)，個(gè)別新保護(hù)可少量試行，在取得經(jīng)驗(yàn)后再推廣運(yùn)用。

4.變電所綜合自動(dòng)化技術(shù)

現(xiàn)代計(jì)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(jì)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(chǎng)技術(shù)創(chuàng)新。實(shí)現(xiàn)繼電保護(hù)和綜合自動(dòng)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(hào)、測(cè)量、計(jì)費(fèi)等回路納入計(jì)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(dòng)化技術(shù)相對(duì)于常規(guī)變電所二次系統(tǒng)，主要有以下特點(diǎn)：

（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(yùn)行管理智能化

結(jié)語(yǔ)：

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(yùn)行。當(dāng)前，隨著電力系統(tǒng)的高速發(fā)展和計(jì)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(lái)的繼電保護(hù)技術(shù)是以計(jì)算機(jī)和微處理器為核心技術(shù)，以計(jì)算機(jī)、網(wǎng)絡(luò)、系統(tǒng)、通信、自動(dòng)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(guó)水力電力出版社，2005

2.張宇輝.電力系統(tǒng)微型計(jì)算機(jī)繼電保護(hù)[M].北京：中國(guó)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(lèi)號(hào)】G40-057 【文獻(xiàn)標(biāo)識(shí)碼】A 【論文編號(hào)】1009―8097（2008）13―0018―03

人工智能是一門(mén)綜合的交叉學(xué)科，涉及計(jì)算機(jī)科學(xué)、生理學(xué)、哲學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等多個(gè)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(shí)現(xiàn)機(jī)器智能，其長(zhǎng)期目標(biāo)是實(shí)現(xiàn)人類(lèi)水平的人工智能。[1]從腦神經(jīng)生理學(xué)的角度來(lái)看，人類(lèi)智能的本質(zhì)可以說(shuō)是通過(guò)后天的自適應(yīng)訓(xùn)練或?qū)W習(xí)而建立起來(lái)的種種錯(cuò)綜復(fù)雜的條件反射神經(jīng)網(wǎng)絡(luò)回路的活動(dòng)。[2]人工智能專(zhuān)家們面臨的最大挑戰(zhàn)之一是如何構(gòu)造一個(gè)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(guò)來(lái)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(shí)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?jī)?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(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、模式識(shí)別、自然語(yǔ)言理解、自動(dòng)定理證明、自動(dòng)程序設(shè)計(jì)、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(zhuān)家系統(tǒng)、機(jī)器人學(xué)、機(jī)器學(xué)習(xí)、自然語(yǔ)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(zhuān)家系統(tǒng)

專(zhuān)家系統(tǒng)是一個(gè)具有大量專(zhuān)門(mén)知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它使用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域中一個(gè)或多個(gè)人類(lèi)專(zhuān)家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理和判斷，模擬人類(lèi)專(zhuān)家的決策過(guò)程，以解決那些需要專(zhuān)家決定的復(fù)雜問(wèn)題。[5]專(zhuān)家系統(tǒng)主要組成部分為：知識(shí)庫(kù)，用于存儲(chǔ)某領(lǐng)域?qū)＜蚁到y(tǒng)的專(zhuān)門(mén)知識(shí)；綜合數(shù)據(jù)庫(kù)，用于存儲(chǔ)領(lǐng)域或問(wèn)題的初始數(shù)據(jù)和推理過(guò)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(gè)專(zhuān)家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作；解釋器，向用戶(hù)解釋專(zhuān)家系統(tǒng)的行為；接口，使用戶(hù)與專(zhuān)家系統(tǒng)進(jìn)行對(duì)話(huà)。近幾十年來(lái)，專(zhuān)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(gè)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(zhuān)家系統(tǒng)在教育中的應(yīng)用最為廣泛與活躍。專(zhuān)家系統(tǒng)的特點(diǎn)通常表現(xiàn)為計(jì)劃系統(tǒng)或診斷系統(tǒng)。計(jì)劃系統(tǒng)往前走，從一個(gè)給定系統(tǒng)狀態(tài)指向最終狀態(tài)。如計(jì)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(gè)課堂大綱，寫(xiě)出一份教案，甚至有可能開(kāi)發(fā)一堂樣板課，而診斷系統(tǒng)是往后走，從一個(gè)給定系統(tǒng)陳述查找原因或?qū)ζ溥M(jìn)行分析，例如，一個(gè)診斷系統(tǒng)可能以一堂CBI（基于計(jì)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(kāi)發(fā)專(zhuān)家計(jì)劃系統(tǒng)支持教學(xué)系統(tǒng)開(kāi)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(jì)專(zhuān)家系統(tǒng)（ID Expert）。[6]

教學(xué)專(zhuān)家系統(tǒng)的任務(wù)是根據(jù)學(xué)生的特點(diǎn)（如知識(shí)水平、性格等），以最合適的教案和教學(xué)方法對(duì)學(xué)生進(jìn)行教學(xué)和輔導(dǎo)。其特點(diǎn)為：同時(shí)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(kāi)發(fā)和應(yīng)用的教學(xué)專(zhuān)家系統(tǒng)有美國(guó)麻省理工學(xué)院的MACSYMA符號(hào)積分與定理證明系統(tǒng)，我國(guó)一些大學(xué)開(kāi)發(fā)的計(jì)算機(jī)程序設(shè)計(jì)語(yǔ)言、物理智能計(jì)算機(jī)輔助教學(xué)系統(tǒng)以及聾啞人語(yǔ)言訓(xùn)練專(zhuān)家系統(tǒng)等。[7]

目前，在教育中，專(zhuān)家系統(tǒng)的開(kāi)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?zhuān)家系統(tǒng)構(gòu)造的智能化遠(yuǎn)程教育系統(tǒng)具有以下幾個(gè)方面的功能：具備某學(xué)科或領(lǐng)域的專(zhuān)門(mén)知識(shí)，能生成自己的提問(wèn)和應(yīng)答； 能夠分析學(xué)生的特征，評(píng)價(jià)和記錄學(xué)生的學(xué)習(xí)情況，診斷學(xué)生學(xué)習(xí)過(guò)程中的錯(cuò)誤并進(jìn)行補(bǔ)救教學(xué)；可以選擇不同的教學(xué)方法實(shí)現(xiàn)以學(xué)生為主體的個(gè)別化教學(xué)。[8]目前應(yīng)用于遠(yuǎn)程教育的專(zhuān)家系統(tǒng)有智能決策專(zhuān)家系統(tǒng)、智能答疑專(zhuān)家系統(tǒng)、網(wǎng)絡(luò)教學(xué)資源專(zhuān)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(gè)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(jì)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(dòng)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(gè)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(jué)裝置，表現(xiàn)出低級(jí)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(kāi)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(duì)人類(lèi)的生活和社會(huì)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(huì)服務(wù)、醫(yī)療等領(lǐng)域擴(kuò)展。

機(jī)器人技術(shù)涉及多門(mén)科學(xué)，是一個(gè)國(guó)家科技發(fā)展水平和國(guó)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(qiáng)國(guó)重點(diǎn)發(fā)展的高技術(shù)，也是世界公認(rèn)的核心競(jìng)爭(zhēng)力之一，很多國(guó)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(shí)，從可持續(xù)和長(zhǎng)遠(yuǎn)發(fā)展的角度，為本國(guó)培養(yǎng)機(jī)器人研發(fā)人才。[10]在機(jī)器人競(jìng)賽的推動(dòng)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(guó)家例如美國(guó)、英國(guó)、法國(guó)、德國(guó)、日本等已把機(jī)器人教育納入中小學(xué)教育之中，我國(guó)許多有條件的中小學(xué)也開(kāi)展了機(jī)器人教育。

機(jī)器人在作為教學(xué)內(nèi)容的同時(shí)，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(shí)踐能力的新的載體與平臺(tái)，大大豐富了教學(xué)資源。多年來(lái)，我國(guó)中小學(xué)信息技術(shù)教育的主要載體是計(jì)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(lèi)越來(lái)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(lái)之星機(jī)器人、樂(lè)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(jì)算機(jī)能夠模仿人的學(xué)習(xí)行為，自動(dòng)通過(guò)學(xué)習(xí)來(lái)獲取知識(shí)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(jì)算機(jī)科學(xué)等多個(gè)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(lèi)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(lái)，知識(shí)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(dòng)獲取新的事實(shí)及新的推理算法）是使計(jì)算機(jī)具有智能的根本途徑，對(duì)機(jī)器學(xué)習(xí)的研究有助于發(fā)現(xiàn)人類(lèi)學(xué)習(xí)的機(jī)理和揭示人腦的奧秘。[12]

隨著計(jì)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(shí)別，歸納學(xué)習(xí)、分析學(xué)習(xí)用于專(zhuān)家系統(tǒng)等，大大推動(dòng)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(lèi)器動(dòng)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(guò)去人們解決問(wèn)題的經(jīng)驗(yàn)解決新問(wèn)題，在計(jì)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(duì)個(gè)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(shí)發(fā)現(xiàn)在生物醫(yī)學(xué)、金融管理、商業(yè)銷(xiāo)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(yǔ)言理解

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

自然語(yǔ)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(kāi)展，也為機(jī)器人和專(zhuān)家系統(tǒng)的知識(shí)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(yǔ)言理解系統(tǒng)SHRDLU就可以接收自然語(yǔ)言，進(jìn)行人機(jī)對(duì)話(huà)，回答關(guān)于桌面上積木世界中的各種問(wèn)題。同時(shí)，對(duì)自然語(yǔ)言理解的研究也促進(jìn)了計(jì)算機(jī)輔助語(yǔ)言教學(xué)和計(jì)算機(jī)語(yǔ)言設(shè)計(jì)等方面的發(fā)展，例如“希賽可”網(wǎng)絡(luò)智能英語(yǔ)學(xué)習(xí)系統(tǒng)，這個(gè)基于網(wǎng)絡(luò)的“人-機(jī)”語(yǔ)境的建立，突破了普通英語(yǔ)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(yǔ)境更具靈活性，可以為遠(yuǎn)程學(xué)習(xí)者提供良好的英語(yǔ)學(xué)習(xí)支持，在國(guó)內(nèi)第一次系統(tǒng)地將用自然語(yǔ)言進(jìn)行的人機(jī)對(duì)話(huà)系統(tǒng)應(yīng)用在計(jì)算機(jī)輔助外語(yǔ)教學(xué)上，在國(guó)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(duì)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(lái)的一個(gè)網(wǎng)絡(luò)，其目的在于模擬大腦的某些機(jī)理與機(jī)制，實(shí)現(xiàn)某個(gè)方面的功能，例如可以用于模仿視覺(jué)、模式識(shí)別、聲音信號(hào)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(lèi)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(chǔ)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(shí)考慮許多因素和條件的、不精確和模糊的信息處理問(wèn)題，[19]這使人工神經(jīng)網(wǎng)絡(luò)具有更大的發(fā)展?jié)撃埽壳耙呀?jīng)開(kāi)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(zhuān)家系統(tǒng)相結(jié)合，以此來(lái)改進(jìn)教學(xué)專(zhuān)家系統(tǒng)的性能，提高智能性，使其在教學(xué)過(guò)程中對(duì)突發(fā)問(wèn)題具有更好的應(yīng)對(duì)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(jì)算與人工智能結(jié)合的結(jié)果，研究目標(biāo)是要?jiǎng)?chuàng)建一種能夠描述自然系統(tǒng)和社會(huì)系統(tǒng)的精確概念模型，主要研究問(wèn)題是各Agent之間的合作與對(duì)話(huà)，包括分布式問(wèn)題求解和多Agent系統(tǒng)兩個(gè)領(lǐng)域。[20]分布式人工智能系統(tǒng)一般由多個(gè)Agent組成，每個(gè)Agent又是一個(gè)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(dòng)并進(jìn)行交互來(lái)完成問(wèn)題求解。[21]由于分布式人工智能系統(tǒng)具有并行、分布、開(kāi)放、協(xié)作和容錯(cuò)等優(yōu)點(diǎn)，在資源、時(shí)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(gè)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(guò)利用其分布性、自主性和社會(huì)性等特點(diǎn)，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(shí)現(xiàn)對(duì)學(xué)習(xí)者的學(xué)習(xí)行為進(jìn)行動(dòng)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(gè)典型是美國(guó)南加利福尼亞大學(xué)（USC）開(kāi)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(duì)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(huì)推動(dòng)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(shì)來(lái)看，人工智能在教育中應(yīng)用的擴(kuò)展可以通過(guò)以下三個(gè)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(kù)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(guò)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(dú)立，而是相互促進(jìn)，相互完善，它們可以通過(guò)集成擴(kuò)展彼此的功能和應(yīng)用能力。例如自然語(yǔ)言理解與專(zhuān)家系統(tǒng)、機(jī)器人的集成，為專(zhuān)家系統(tǒng)和機(jī)器人提供了新的知識(shí)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(jì)算智能與進(jìn)化計(jì)算、數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)以及人工生命等[24]，這些發(fā)展與應(yīng)用蘊(yùn)藏著巨大潛能，必將對(duì)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(huì)掀起相應(yīng)的研究熱潮, 引發(fā)對(duì)技術(shù)在教育中應(yīng)用的探討、評(píng)價(jià)以及與傳統(tǒng)技術(shù)的對(duì)比。[25] 人工智能作為一門(mén)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(zhēng)論，但從其研究成果與應(yīng)用效果來(lái)看，有著廣闊的應(yīng)用前景，值得進(jìn)一步的開(kāi)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(guó)防工業(yè)出版社,2007:1.

[2][11][18][19] 《計(jì)算機(jī)與信息科學(xué)十萬(wàn)個(gè)為什么》叢書(shū)編輯委員會(huì),計(jì)算機(jī)與信息科學(xué)十萬(wàn)個(gè)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(guó)電化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李長(zhǎng)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(shū)[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(jì)的國(guó)際觀第2冊(cè):解決教學(xué)設(shè)計(jì)問(wèn)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(zhuān)家系統(tǒng)提升現(xiàn)代遠(yuǎn)程教育的智能化[J].中國(guó)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(bào)(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(jì)算機(jī)工程與設(shè)計(jì),2008,29(3):710-712.

[16] 自然語(yǔ)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(yǔ)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(yùn)載的有機(jī)組成部分，能夠切實(shí)保障電梯得到平穩(wěn)、安全、有效的運(yùn)行。我國(guó)傳統(tǒng)的控制系統(tǒng)主要是通過(guò)繼電器對(duì)電梯進(jìn)行控制的。雖然能夠?qū)崿F(xiàn)較為簡(jiǎn)單的邏輯功能，然而卻存在諸多的問(wèn)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(yùn)行原理

電梯是種垂直運(yùn)送貨物和人的輸送設(shè)備，根據(jù)運(yùn)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(mén)系統(tǒng)、平衡系統(tǒng)、拖動(dòng)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(shí)時(shí)控制和操縱電梯運(yùn)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(yùn)行的過(guò)程中，需要乘客通過(guò)按鈕發(fā)送指令信號(hào)，并由控制系統(tǒng)為乘客呼叫電梯。當(dāng)電梯處于啟動(dòng)狀態(tài)時(shí)，各層轎門(mén)和廳門(mén)會(huì)處于閉合狀態(tài)，電梯轎廂內(nèi)的關(guān)閉按鈕要想實(shí)現(xiàn)關(guān)門(mén)任務(wù)，就需要電梯控制系統(tǒng)通過(guò)向減速控制裝置和加速控制裝置分別輸入信號(hào)，從而使電梯根據(jù)實(shí)際情況，處理關(guān)門(mén)任務(wù)。而在電梯到達(dá)指定樓層后，電梯會(huì)根據(jù)電梯內(nèi)的重量變化，確定乘客是否離開(kāi)電梯，隨后調(diào)整電梯門(mén)閉合時(shí)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(shí)別、眼球識(shí)別、安全控制、安全保護(hù)、數(shù)字監(jiān)控、報(bào)警裝置等技術(shù)。

2 電梯控制系統(tǒng)中智能技術(shù)的類(lèi)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(jì)等內(nèi)容，如果電力系統(tǒng)出現(xiàn)問(wèn)題，譬如缺乏反饋機(jī)制，將導(dǎo)致電梯難以實(shí)現(xiàn)安全運(yùn)行的目的，嚴(yán)重者甚至?xí)绊懙匠丝偷纳踩?。我?guó)電梯工程已經(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(tái)的模糊系統(tǒng)。而自適應(yīng)算法能夠通過(guò)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(yùn)行中出現(xiàn)特定的變化。通常來(lái)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(jìng)爭(zhēng)的關(guān)系，通過(guò)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(guò)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(guò)模擬人類(lèi)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(guò)程更加靈活、智能。在電梯故障排查中，可通過(guò)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(lèi)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(lèi)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(guò)程中，程序需要占據(jù)CPU大量的內(nèi)存，且運(yùn)行時(shí)間較長(zhǎng)，如果將算法進(jìn)行“硬件化”，將會(huì)提高CPU的利用率，優(yōu)化系統(tǒng)運(yùn)行速度和時(shí)間，也能在某種程度上，降低系統(tǒng)功耗，提高系統(tǒng)運(yùn)作的實(shí)效性和有效性?，F(xiàn)階段，我國(guó)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(wèn)接口，以便于開(kāi)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(xiàn)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(duì)較低，需要我國(guó)相關(guān)學(xué)者及專(zhuān)家提高對(duì)此方面的重視。其次是操作系統(tǒng)。操作系統(tǒng)能夠?yàn)殡娞萏幚砥骰駽PU“并行處理”各類(lèi)任務(wù)奠定基礎(chǔ)，可以使PC指針與處理器在各類(lèi)任務(wù)中進(jìn)行“自由切換”。通常來(lái)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(jiǎn)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(guó)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(jiǎn)單的計(jì)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(kāi)發(fā)者提升人機(jī)交互的便捷性、任務(wù)處理的實(shí)效性。而在未來(lái)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(lèi)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(shí)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(dòng)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(zhuān)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(guò)控制輸出功率的大小，減小電梯運(yùn)行的時(shí)間，降低能源消耗的程度。（3）在變壓驅(qū)動(dòng)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(dòng)停止、熄滅的功能，可以切實(shí)減少電梯運(yùn)行所耗費(fèi)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(shí)候，內(nèi)部的電燈會(huì)自動(dòng)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(yùn)行時(shí)間、荷載重量及乘客數(shù)量，自動(dòng)調(diào)整運(yùn)行功率，即在大荷載或電梯乘坐高峰期，電梯會(huì)自動(dòng)提高輸出功率，盡量滿(mǎn)足乘客的乘梯需求，而當(dāng)荷載量小時(shí)，電梯則會(huì)降低運(yùn)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(guò)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(guò)軟件驅(qū)動(dòng)代替硬件驅(qū)動(dòng)的方式，優(yōu)化電梯的運(yùn)行過(guò)程，滿(mǎn)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(guò)程中，需要實(shí)現(xiàn)多媒體數(shù)據(jù)傳播的功能，能夠?qū)⒛M信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào)，提升電梯運(yùn)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(lèi)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(hù)人臉識(shí)別功能、安全控制功能、數(shù)字監(jiān)控功能、遠(yuǎn)程報(bào)警功能等。（3）研發(fā)人員還應(yīng)利用數(shù)字電梯技術(shù)實(shí)現(xiàn)各類(lèi)智能服務(wù)功能。如語(yǔ)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(guò)人臉識(shí)別的方式，宣傳針對(duì)性較強(qiáng)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(yùn)行的安全系數(shù)，提高故障檢測(cè)的實(shí)效性。而在電梯運(yùn)行的過(guò)程中，模糊控制技術(shù)還能發(fā)揮出突出的優(yōu)勢(shì)和作用。通常來(lái)講電梯在運(yùn)行的過(guò)程中擁有不確定性和復(fù)雜性的特征，通常會(huì)出現(xiàn)各類(lèi)突發(fā)狀況和問(wèn)題。為切實(shí)提升電梯整體的穩(wěn)定性，研發(fā)人員需要通過(guò)模糊控制技術(shù)的“自主學(xué)習(xí)”，來(lái)提升電梯運(yùn)行的基本性能。使電梯能夠規(guī)避各類(lèi)干擾因素，提高垂直運(yùn)行的質(zhì)量。在具體的應(yīng)用過(guò)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(guò)收集電梯在運(yùn)行過(guò)程中所產(chǎn)生的各類(lèi)數(shù)據(jù)，明確問(wèn)題類(lèi)型及運(yùn)行調(diào)整方向。此外，電梯控制系統(tǒng)還需要將各類(lèi)智能調(diào)節(jié)、自動(dòng)調(diào)節(jié)技術(shù)融入其中，如緩沖、限速及緊急制動(dòng)等技術(shù)。

4 結(jié)語(yǔ)

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

參考文獻(xiàn)

篇9

關(guān)鍵詞：遠(yuǎn)端；電力；監(jiān)控系統(tǒng)；開(kāi)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(cè)、分析用電設(shè)備的運(yùn)轉(zhuǎn)維護(hù)、控制、保護(hù)等功能。借助自身高度自動(dòng)化的運(yùn)作，可以依據(jù)及時(shí)且精確的資料做適當(dāng)?shù)奶幚韯?dòng)作，節(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(yùn)轉(zhuǎn)品質(zhì)，增加系統(tǒng)穩(wěn)定性與節(jié)省電費(fèi)支出的效果。

網(wǎng)絡(luò)技術(shù)近年來(lái)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(kāi)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(shí)在不同地點(diǎn)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(guò)網(wǎng)絡(luò)進(jìn)行監(jiān)控。本研究預(yù)期運(yùn)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(lái)了解，并具有無(wú)所比擬的優(yōu)勢(shì)。

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

目前在個(gè)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(duì)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(kāi)發(fā)圖形界面的軟件應(yīng)用較為簡(jiǎn)便，可以縮短產(chǎn)品開(kāi)發(fā)時(shí)間，增加市場(chǎng)競(jìng)爭(zhēng)力，所以本研究開(kāi)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(tái)。并通過(guò)VB程序語(yǔ)言開(kāi)發(fā)人機(jī)界面來(lái)連接控制主機(jī)，通過(guò)RS-485通訊界面對(duì)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(kù)，作為電力資料分析的來(lái)源。

本研究的系統(tǒng)設(shè)計(jì)是以市場(chǎng)導(dǎo)向?yàn)樵O(shè)計(jì)上的考量，利用智能型多功能電表監(jiān)測(cè)用電情形，并將整形多功能電表裝置加入用戶(hù)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(shí)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(kù)；對(duì)于用電設(shè)備的諧波分析功能，則將通過(guò)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(guò)RS-485界面，理論上，系統(tǒng)可裝備256臺(tái)遠(yuǎn)端的控制器，每臺(tái)控制器可以對(duì)多臺(tái)機(jī)械設(shè)備做個(gè)別的狀態(tài)讀取。

對(duì)于人機(jī)圖控軟件規(guī)劃，則利用資料收集系統(tǒng)隨時(shí)將用電資料由電表讀出并寫(xiě)入資料庫(kù)，另外使用者可以通過(guò)手動(dòng)輸入或修改每月用電最高需量及電價(jià)。其中，電表讀取的資料可以用來(lái)做短期負(fù)載預(yù)測(cè)、斜坡等電力品質(zhì)分析，而最高需量分析的資料可用來(lái)計(jì)算并預(yù)期最佳合同容量。短期負(fù)載預(yù)測(cè)結(jié)果輸出則可以配合該時(shí)段簽訂的合同容量，當(dāng)作需量控制的輸入?yún)?shù)，對(duì)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(cè)各種電力參數(shù)，如量測(cè)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(shí)數(shù)、頻率等參數(shù)，并同時(shí)具有對(duì)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(dòng)化為設(shè)計(jì)基礎(chǔ)，基本功能都可量測(cè)超過(guò)200種以上的電力參數(shù)，并可以做狀態(tài)偵測(cè)及控制輸出。在電力參數(shù)量測(cè)的部分，可以連接至單相、三相三線(xiàn)式或是三相四線(xiàn)式的系統(tǒng)；電表本身可以做狀態(tài)偵測(cè)及輸出控制使用。數(shù)字輸入點(diǎn)可偵測(cè)斷路器或接地故障等狀態(tài)，并可以警報(bào)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(lèi)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(jì)時(shí)控制、事件記錄、趨勢(shì)記錄等有關(guān)時(shí)間方面的工作。一般使用者則可以在電表面盤(pán)上讀取設(shè)備用電的電力參數(shù)，也可以通過(guò)通訊界面，由個(gè)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(gè)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(xiàng)工作均由不同電腦分開(kāi)處理。Web Server本身僅控制基本客戶(hù)端請(qǐng)求與回應(yīng)，因而在開(kāi)發(fā)新系統(tǒng)時(shí)應(yīng)減少系統(tǒng)復(fù)雜度，并將資料庫(kù)與網(wǎng)絡(luò)服務(wù)器分開(kāi)。

3 系統(tǒng)應(yīng)用與討論

本文所開(kāi)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(xiàn)模塊等，電力監(jiān)控系統(tǒng)中包含了最佳合同容量分析計(jì)算、短期負(fù)載預(yù)測(cè)、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(kù)架構(gòu)與分析等等，在最佳合同容量計(jì)算部分則采用電力公司高壓電力時(shí)間電價(jià)結(jié)構(gòu)。對(duì)于短期負(fù)載部分將采用目前大部分研究采用的類(lèi)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(wú)效功率及有效能量等。具體來(lái)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(duì)于時(shí)間電價(jià)用戶(hù)而言，基本電費(fèi)為電力公司的各時(shí)段合同容量的費(fèi)用支出，即不同時(shí)段的合同千萬(wàn)數(shù)乘以個(gè)別時(shí)段的合同電價(jià)綜合。超約附加費(fèi)用戶(hù)在不同時(shí)段的用電最高需量超出合同容量部分的罰金計(jì)算為：超過(guò)合同容量10%以下部分以?xún)杀痘倦娰M(fèi)計(jì)算，超出合同容量10%以上部分則以三倍基本電費(fèi)計(jì)算。功率因數(shù)調(diào)整費(fèi)的目的是為了提高電力設(shè)備及線(xiàn)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(lái)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(kù)。資料庫(kù)及儲(chǔ)存資料的倉(cāng)庫(kù)，然而當(dāng)資料過(guò)于龐雜時(shí)，則需要將資料分類(lèi)再儲(chǔ)存，這也就是資料表。資料庫(kù)內(nèi)必須有一個(gè)以上的資料表，資料表內(nèi)必須設(shè)定欄位，每個(gè)欄位必須設(shè)定儲(chǔ)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(duì)長(zhǎng)時(shí)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(lèi)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(lái)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(jì)若干問(wèn)題探討[J].民營(yíng)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(shì)場(chǎng)算法

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(kāi)創(chuàng)了RoboCup項(xiàng)目，即機(jī)器人世界杯。近幾年來(lái)，機(jī)器人足球的國(guó)際賽事越來(lái)越普及。RoboCup是其中影響最大的。而路徑規(guī)劃問(wèn)題又是RoboCup3D項(xiàng)目中的一個(gè)熱點(diǎn)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(diǎn)到終點(diǎn)的最優(yōu)，即最短路徑。不僅要考慮到路徑長(zhǎng)度，還要考慮到障礙物的干擾。這樣，路徑規(guī)劃問(wèn)題就涉及了實(shí)時(shí)避障問(wèn)題，這兩個(gè)問(wèn)題是反映智能雙足機(jī)器人的自主能力的關(guān)鍵性問(wèn)題。如何在各種復(fù)雜的環(huán)境中找到無(wú)碰撞的最優(yōu)路徑本身就是一個(gè)高度智能的過(guò)程?；诖藛?wèn)題的算法近年來(lái)也是層見(jiàn)疊出，新的算法和對(duì)傳統(tǒng)算法的改進(jìn)算法不斷涌現(xiàn)出來(lái)。有以模擬退火算法，人工勢(shì)場(chǎng)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(dòng)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(diǎn)，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(chǔ)存空間也更大。而可視圖法每經(jīng)過(guò)一定周期，就需要重新計(jì)算路徑，尋找效率較低，以上兩種方法求得的路徑為折線(xiàn)，不適于機(jī)器人的運(yùn)動(dòng)控制；人工勢(shì)場(chǎng)算法雖然克服了上述算法的缺點(diǎn)，但是存在局部最優(yōu)解的問(wèn)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?yàn)槠湫枰罅康拇鎯?chǔ)空間以及相當(dāng)高的時(shí)空復(fù)雜度而不能在實(shí)時(shí)避障問(wèn)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(shí)際問(wèn)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(lèi)，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(diǎn)得到最大程度的縮小，而優(yōu)點(diǎn)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(wèn)題的人工勢(shì)場(chǎng)算法。兩種方法結(jié)合，在RoboCup3D的仿真平臺(tái)上測(cè)試。3D仿真平臺(tái)是采用C/S模式設(shè)計(jì)的機(jī)器人足球比賽平臺(tái)，平臺(tái)實(shí)現(xiàn)對(duì)真實(shí)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(dòng)作及決策系統(tǒng)，對(duì)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(lái)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(guò)程是遺傳算法的五個(gè)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(diǎn)S與目標(biāo)點(diǎn)D的連線(xiàn)長(zhǎng)度|SD|為長(zhǎng)，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(gè)元素為O1，第二個(gè)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(gè)元素在球傳平面的橫坐標(biāo)和縱坐標(biāo)。

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

其中Ln表示從開(kāi)始點(diǎn)S開(kāi)始第n條橫線(xiàn)上的一個(gè)路徑點(diǎn)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(zhǎng)短，距離障礙物距離以及路徑平滑度三個(gè)因素。

路徑長(zhǎng)度啟發(fā)函數(shù)為：

[f1=|LiLi+1|] （其中i從1到m-1）