PSO-ANN 在工业与工程领域应用综述

□文/刘 婷 孙传家 刘卓伟

（沈阳化工大学经济与管理学院 辽宁·沈阳）

［提要］ 介绍人工神经网络、粒子群优化算法、人工神经网络-粒子群优化算法及相关研究。综述人工神经网络-粒子群优化算法在化工工程、机械工程、信息工程、建筑工程、水利工程、电气工程、通信工程、工业机器人、飞机制造业、工业过程优化等工业工程领域的研究。评述人工神经网络与粒子群优化交叉算法在工业工程领域中的研究前景及经济价值。

近年来，人工智能、大数据、物联网和云计算的发展迅速，人工神经网络-粒子群优化算法可以在众多领域中应用，达到减少人力、物力，节约资源的效果。同时，人工神经网络-粒子群优化算法在众多工业与工程领域中也有了一定的应用，在工业与工程产业中产生了一定的经济价值。

一、人工神经网络

人工神经网络（ANN）是可用于处理实际问题的网络结构。虽然人脑和人工神经网络这两个应用程序都具有极其强大的信息处理能力，但仍然具有许多差异。Deepmin 最初是由Demis Hassabis，Mustafa Suleyma 和Shane Legg 创立的，在AlphaGo（阿尔法围棋）击败了围棋世界冠军李世石后，逐渐得到人们的认可，也表明人工神经网络具有巨大的潜力。与人脑处理信息的方式不同，人工神经网络开发的机器人采用线性思维方式对获取的信息进行处理，与计算机进行通信，在串行算术任务中快速准确的顺序数值运算处理比人类更多。但人脑的“并行处理系统”相对人工神经网络具有绝对领先的能力。

近年来，随着人工智能领域的发展，人工神经网络也进入研究者的视野，实现了不同程度的融合发展。虽然目前人工神经网络被广泛使用，但仍然面临着许多问题，在解决实际工业与工程领域问题时，需要结合其他算法进行优化。

二、粒子群优化算法

Kennedy 和Eberhart 共同提出粒子群优化（PSO）。VandenBerghF从理论角度对PSO 算法的稳定性和收敛性进行分析和证明。2002 年，Cello 与Lechuga 正式发表多目标粒子群优化算法的成果，用粒子群算法求解多目标优化问题，称为粒子群（MOPSO）算法。PSO 算法中，将鸟群的个体位置或食物当作优化问题的解，利用群体中个体与最优个体以及群体之间的信息交互，引导整个群体中个体在保留自身多样性信息的同时，朝向群体最优个体收敛，通过不断地更新逐渐找到最优解。鸟群中个体被抽象为“粒子”，忽略其质量、体积，拓扑结构决定了每次迭代时“粒子”受到自身和群体状态信息的综合影响，即粒子的更新机制是通过种群历史最优粒子和个体历史最优粒子的有机结合得到的。

三、人工神经网络-粒子群优化算法在工程领域中的研究与应用

目前，人工神经网络-粒子群优化算法的优势明显在化工工程、机械工程、信息工程、建筑工程、水利工程、电气工程、工业机器人、飞机制造业、工业过程优化等众多工业与工程领域得到了广泛的应用，并且产生了一定的经济价值。

（一）化工工程领域。田景芝等针对柴油加氢脱硫生产过程中工艺参数和产品质量难以准确控制的问题，提出了一种粒子群优化（PSOBP）神经网络，选取生产过程中波动的工艺参数构建培训，对于样品采集和测试样品采集，采用（PSO-BP）神经网络预测生产操作参数变化时精制柴油产品硫含量的变化。实验结果表明，（PSO-BP）具有良好的稳定性和泛化能力，能准确预测生产运行参数的变化。李孟山为了提高溶出度预测模型的效率和相关性，建立了基于混沌理论、自适应粒子群优化（PSO）算法和反向传播（BP）算法的算法——混沌自适应PSO-BP 神经网络模型，进行预测实验，该模型使用压力和温度作为输入参数，模型结合了混沌理论、自适应PSO 和BP 算法的优点，提高了训练速度和预测精度。结果表明，混沌自适应PSO-BP 神经网络具有良好的预测能力，预测值与实验值相当吻合，通过与传统BP 神经网络和PSO-BP 神经网络的对比可以看出，其预测是准确的且度和相关性明显更好。颜菲建立了基于粒子群优化的人工神经网络预测模型，将工艺参数作为输入变量，并将使用单因素检验得到的镍铁合金镀层性能指标为输出变量，粒子群算法优化人工神经网络预测模型，结果表明粒子群优化的人工神经网络预测模型具有更高的预测精度。

（二）机械工程领域。李琪提出一种人工智能算法和BP 神经网络结合的钻井机械化预测模型。首先，利用小波滤波方法降低测量数据的噪声，并基于互信息关系组合分析优化输入参数以减少模型冗余；其次，采用粒子群优化（PSO）算法实现BP 神经网络的初始加权值和阈值优化，建立ROP 预测新模型，将PSO-BP 新模型与标准BP、BAS-BP和GA（遗传算法）-BP 等三种模型进行对比分析；最后，根据实际工况建立PSO-BP 钻井ROP 预测模型。结果表明，PSO-BP ROP 预测模型不仅具有较好的预测精度，而且为钻进过程中提高机械钻速提供科学的参考。周家林利用粒子群算法开发了钻孔加工尺寸误差的人工神经网络预测模型，实验表明与误差反向传播算法（BP）相比，粒子群算法优化了神经网络，具有更快的收敛速度和更高的预测精度。

（三）信息工程领域。余华提出了一种基于粒子群优化算法的人工神经网络，并将其应用于语音情感识别系统。情感的维度模型间，分别提取韵律特征和音质特征，研究泛音特征随情感类别的变化。使用粒子群优化算法（PSO）训练随机生成的初始数据，优化神经网络的连接权重和阈值，快速实现网络收敛。粒子群优化神经网络用于语音情感识别提高了识别性能。

（四）建筑工程领域。李天翔为了快速准确地预测隧洞的造价，建立粒子群-小波神经网络的预测模型。针对小波神经网络容易陷入局部最优区和初始值选择较敏感的问题，利用粒子群算法优化其初始权值和阈值，加快小波神经网络的收敛速度，将模型应用于某隧洞的造价预测中，表明模型满足工程建设前期造价预测的精度要求，计算较简便效率较高。段晓晨收集了以往类似的桥梁建筑工程案例33 个，利用PSO 聚类分析选取了25 个与张家庄大桥工程特征相似度高的案例，应用到BP 神经网络运维成本预测模型中，取得了较好的效果；利用PDCA 动态周期优化理论和EVM 管理理论，对张家庄大桥前两个周期的运维成本进行预测、统计和分析，及时发现问题并纠正偏差，在实际应用中取得了良好的效果。

（五）水利工程领域。何胜男采用SWMMH 模型进行模拟分析，根据地表径流污染物的累积特性，利用人工神经网络得到各储罐不同截留率与对应总截留量之间的高精度非线性数，优化目标是使储罐总截污能力最大化，污水处理厂的处理规模和可征地面积是约束条件。粒子群优化算法得到优化后的各储罐污染截留率，结合各储罐截污率与累计径流量的关系，得到各储罐的计算结果，可以在约束条件下达到最大的污染截留效果。在土地利用率和污染截留效果方面，按提出的方法设计的储罐优于标准设计方法，合理、高效、适用宽大的围护结构可为城市初期雨水蓄水池的设计提供技术支持。吴巍将人工神经网络和粒子群优化算法引入含沙水库冲淤预测计算，通过自适应粒子群优化算法优化基于BP 神经网络的含泥水库冲淤预测模型。为了进一步提高人工神经网络的收敛速度和预测精度，采用自适应粒子群优化算法对BP 神经网络的初始连接权值和阈值进行优化，该算法参数少、结构简单，易于实现。该模型具有较强的合理性和广泛的适用性，为砂质储层冲淤预测计算提供了一种新的有效途径。

（六）电气工程领域。杨耿煌提出一种基于量子行为粒子群优化（QPSO）的改进算法，用于优化人工神经网络（ANN），实现电能质量（PQ）扰动识别。典型站点采集的PQ 扰动数据识别结果表明，与前馈神经网络的训练方法相比，该算法具有更好的性能收敛性和稳定性。

（七）工业机器人领域。周炜提出一种基于粒子群优化神经网络的机器人综合精度补偿方法。在BP 神经网络和粒子群优化算法的基础上，研究了基于粒子群优化算法的BP 神经网络原理，综合考虑了基于误差相似度权重测量的机器人精度补偿方法。针对定位精度的影响，提出了一种基于粒子群优化神经网络的机器人综合精度补偿方法，研究了验证神经网络模型稳定性和适用性的交叉验证方法，并结合飞机装配对定位精度要求高的实际情况，在交叉验证常用的测量指标的基础上增加了新的评价指标验证。当末端执行器安装完毕，环境温度发生变化时，采用基于粒子群优化神经网络的综合精度补偿方法，对实际开孔实验进行验证。研究成果对于提高工业机器人绝对定位精度，促进工业机器人在航空制造领域的更深入应用具有重要意义。

（八）飞机制造业领域。刘昕构建混合感知工程模型，构建人机工程学模型。首先，利用遗传算法改进BP 神经网络以及利用自适应权重改进粒子群算法构建正感知工程模型，并与未改进算法和常用算法进行比较，突出改进算法的优越性；其次，利用专家咨询法和多元回归分析构建逆感知工程模型；最后，基于几何和力学关系，以及人眼视野、人体可达视野、人体上肢运动分解，构建驾驶姿势人体工学模型，构建了人机约束模型，基于混合感性工程的机舱人机设计，包括布局、造型和色彩设计，其中提出使用基于改进BP 神经网络和改进粒子群算法的正向感知工程模型，建立感知图像与设计元素的映射关系；提出利用多元回归分析建立逆向感知工程模型，建立设计元素与感知图像的映射关系。专家咨询法构建的逆感知工程模型验证了正向感知工程建立的映射效果。

（九）工业过程优化领域。夏静针对工业过程的复杂性、非线性和不准确性，采用人工神经网络进行智能建模。人工神经网络不仅可以任意逼近非线性，还具有大规模并行处理、知识分布存储、自学习能力强、容错性好的特点。多层前向神经网络可以任意精度逼近任意连续函数。有一个通用回归神经网络（GRNN），它结构简单，训练简单，学习收敛速度快。基于以上优点，选用广义回归神经网络，对传统的广义回归神经网络进行改进。提出了一种基于粒子群算法优化结构参数的旋转广义回归神经网络，并通过实验仿真验证了其性能。为了获得准确的优化参数，采用粒子群优化算法来寻找网络结构参数的最优值，不仅可以准确拟合和预测，而且避免了人工选择网络结构参数的缺陷。

四、人工神经网络-粒子群优化算法在工业工程领域中的研究前景及经济价值

综上所述，人工神经网络-粒子群优化算法目前在工业与工程领域中有以下功能：预测生产运行参数的变化及预测精度、提高信息识别性能、建筑工程造价计算较简便效率较高，通信工程性能更加稳定、提高工业机器人绝对定位精度、突出改进飞机驾驶舱的优越性、可以准确拟合和预测工业过程优化等，这些均体现了人工神经网络-粒子群优化算法在工业与工程领域中的经济价值，并为其他工业与工程中应用人工神经网络-粒子群优化算法起到参考价值和启发，在工业产业中具有广阔的研究前景。