浅谈人工神经网络在现代自动化中的应用

吴雨霖,陈俊宇

（成都理工大学,610059）

浅谈人工神经网络在现代自动化中的应用

吴雨霖,陈俊宇

（成都理工大学,610059）

随着科技革新的速度逐渐加快，传统的生产、生活方式正在被新兴的科技手段所优化或替代。自动化控制技术因其具有的智能化、高效化的特点，最大程度上降低了原有的人力资源成本，即促进了制造、运输、消费等工业活动的向前发展。20世纪90年代之后，人工神经网络理论与技术得到了跨越式发展，这使得原有的生产、流通、交换、分配等关键节点的控制手段又有了进一步的提升，提高了工业活动的整体运作效率。

自动化；人工神经网络；控制

人工神经网络理论产生伊始，其就具备了灵活的复杂模型结构和固有的非线性模拟能力，优秀的自适应行和容错特性特征，在自动化控制中就获得了广泛的应用。该技术优化了基本的控制结构中原有的监督控制、逆模控制、模型参考控制、内模控制，实现了一定程度上的预测控制和最优决策控制等新功能。

1 人工神经网络理论分析

人工神经网络（Artificial Neural Network，即ANN ）的广泛研究用于兴起于上个世纪80年代并迅速成为人工智能领域的研究热点，它模拟人脑神经网络在信息获取处理过程中的行为并对该行为进行抽象，按照简化的实际工程需要进行建模。人工神经网络技术本质上是一种运算模型，由多个简单网络有机组合而成。每一个简单网络则由很多个神经元（亦称节点），本质为一种既定的输出函数（亦称激励函数），多个神经元之间则依靠权重连接。由以上理论可知，整个神经网络产生的输出结果仅仅取决于其内部节点的连接方式和权重因子。90年代初，支持向量机( Support vector machines, SVM )和VC( Vapnik-Chervonenkis)维数概念被提出后，人工神经网络的研究受到了世界范围的重视。

人工神经网络是研究使计算机来模拟人类的某些思维和智能行为过程中大脑神经元的活动机制。其具体内容涵盖了机器模仿人类的智能大部分行为，如：感知、推理、判断、统筹等行为并自主地应用于工程实践中。人工神经网络技术涉及学科内容十分广泛，它是由认知科学，数学，计算机科学，控制论，不确定性理论等多学科交叉产生并发展起来的，更多地应用于自动控制，信息采集与非线性处理，图像和语言识别等。总之，人工神经网络实现自动化控制的目的就是：使机器能够模拟人类大脑对现有信息进行收集、分析、交换、处理、回馈并且能进行有效的结果“预判”，“自主”完成一些通常需要人类智能完成的复杂工作。

2 人工神经网络自动化控制的优势

2.1 结构简单。传统的控制器设计思路一般是面向被控制对象的，即突出专业性和标准化。这就造成了当控制要求改变后，需要针对性地进行大量参数的修改，耗费更多的人力和物力资源。与此同时，控制器运行过程中掺杂的多种不确定的扰动因素，比如被控制参量数值范围发生变化导致了控制器二次设计困难的加大。人工神经网络自适应控制器自身可以根据反馈信息自主调节控制参数，在该类问题的处理上取得了较好的效果。

2.2 性能更高。人工神经网络通过自主调节，可寻找最优方案，极大地节约了计算资源并提高了工作效率。如：基于模糊语言的逻辑控制器比现有的最优“比例-积分-微分”控制器的反应时间更短，执行效率更高；基于人工神经网络设计的控制汽轮机机械参数的监视保护仪表，可用于同时调节多参数，如：转速、轴向位移、轴承盖振动、轴振动、偏心度、汽缸热膨胀等，提高了控制器的性能，这使得汽轮机运行人员能够在第一时间获取设备综合性能指标，保证设备的安全正常运行。目前，已有将人工神经网络与模糊系统、遗传算法等多种人工智能方法结合应用的成功实例，其应用发展前景必将十分广阔。

3 人工神经网络的应用

随着人工神经网络理论与实践的研究逐步深入，人工神经网络技术已经渗透进入如故障预测及诊断、控制与保护等几乎全部工业研究、生产过程。

3.1 故障诊断。电气设备的故障特征非线性程度高、不确定因素扰动多、故障现象复杂多样，采用传统的方法诊断的效率较低、准确率不高。如前所述，人工神经网络方法自身具有极高的非线性自适应能力和容错率，该特征可以确保故障诊断工作的准确性和高效性。其中，模糊逻辑和人工神经网络相结合的方法已经用于现代电气设备故障诊断。例如，在对发电机或电动机的故障进行诊断时，由于人工神经网络隐含层的“黑盒”特点，极大地简化了多故障识别诊断的复杂程度，提高了故障诊断的时效性。

3.2 智能控制。人工神经网络控制，目前已经在以下几个方面得以应用，如：开关量、模拟量的数据进行实时获取与处理，如汽轮机启动状态和阀门异常状态信息的获取与管理；对联轴器、汽封、轴承等主要设备运行状态进行实时监视，对系统整体运行参数的实时综合调节，如：汽轮机转速、电功率、调节级后压力三个回路的综合控制；记录故障并进行在线分析等。

随着人工神经网络的研究工作的不断深入，其应用潜力必将得到更深的挖掘，为工业智能化进步提供必要的理论和技术支持。

[1]朱庆华.BP多层神经网络在控制中的应用[D].广西大学,2004.

[2]汪镭,周国兴,吴启迪.人工神经网络理论在控制领域中的应用综述[J].同济大学学报(自然科学版),2001（03）:357-361.

吴雨霖（1991—），四川广安，成都理工大学核技术与自动化工程学院，研究方向：自动安装机构控制系统设计 。

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

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

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

automation;Artificial Neural Network;control