人工智能神经网络概念篇1
关键字:电力系统;人工神经网络;信号处理
1引言
基于电力变压器故障诊断方法对提高电力系统运行的安全性和可靠性具有重要意义,同时也具有重要的理论价值和广阔的工程应用.基于智能信息处理方法的关键技术研究在研究分析智能信息处理理论关键技术的基础上,提出了以智能信息技术处理理论为主线的电力变压器故障智能诊断技术方案来实现基于云模型白化权函数的灰聚类分析和改进的加权灰靶理论相结合的电力变压器状态评估模型,通过先验知识和实验分析共同优化云模型参数结构,提高电力变压器故障评估的实用性与科学性.
2基于云模型综合应用研究
基于云模型是指一种描述非确定性不确定性数学方法应用在模糊数学和统计学的基础与模糊性和随机性相结合共同构成定性描述和定量描述的相互映射关系,其中,模糊隶属函数是模糊理论的基石,是一个重要的概念,但是在工程实践中如何确定模糊隶属度函数却没有公认的方法与不确定性问题的随机性和模糊性来弥补模糊理论的不彻底性缺陷,因此提出了隶属云平台、云技术与云模型等概念和理论体系结构.
2.1基于电力变压器故障云模型研究
基于电力变压器故障云模型数字运算期望值、熵和超熵表示.期望值ex是所有云滴电力故障所在数域的重心位置,反映了这个定性概念的量在数域上的坐标.熵en是表示定性概念亦此亦彼性的变量,反映了数域中可被语言值接受的数据范围,同时还反映了在数域中的云滴电力故障能够代表这个语言值的概率.超熵He反映每个数值代表这个语言值确定性的凝聚性和云滴的凝聚程度.
对于电力变压器控制系统故障存在双边约束的指标,电力变压器故障云模型的期望值根据公式⑴计算=⑴
根据正态分布的原则,电力变压器故障云模型的熵en按公式（2）计算：
⑵
超熵He是一个常数,可根据具体指标的不确定性和随机性进行调整.
3基于灰色系统理论应用在智能信息电力变压器故障研究
3.1灰色系统理论介绍
基于灰色系统理论是指以Gm(1,1)模型为基础的预测,灰色系统模型是一阶微分方程动态模型.而智能信息电力变压器故障不确定性因素与不确定性全因素多传感器数据信息融合处理关键技术方法,应用于时间序列预测数据.
3.2基于灰色智能信息电力变压器故障模型建模算法研究
3.2.1设所要智能信息电力变压器故障预测系统的某项指标的原始数据列为
3.2.2对原始数据列做一次累加,先生成(1-aGo),再生成(3.2.1)新数据列,即
3.2.3对生成的数据列’建立相应的微分方程式中.为发展系数,为内生控制系数.
3.2.4解步骤3.2.3)中方程式,可得其相应的时间响应模型为:
3.2.5设方程的参数的向量:式中B为累加生成矩阵,为向量,二者的构造分别为:
,
式中为第年的原始数据;为第年的一次累加.
3.2.6令t=1,2,…,n-1,由4)中式可得的值.其中是一次累加量,还需求出还原值,即
3.2.7求出原始智能信息电力变压器故障数据的还原预测值与实际数据值之间的残差值和相对误差q(t),进行残差检验
3.2.8进行关联度R检验;后验差C检验和小误差概率p检验.
3.2.9如果残差检验、关联度检验和后验差都能通过,则可以用所建立的智能信息电力变压器故障模型进行预测.
3.4基于灰色神经网络智能信息电力变压器故障模型研究
⑴灰色理论模型.灰色系统建模使用最多的是Gm(1,1)模型,它是对经过一次累加生成的数列建立的模型,其灰微分方程为(,为待定参数).⑶
⑵白化Gnnm(1,1)灰色神经网络模型.设参数已经确定,对式⑶求解可得到其时间响应函数:⑷
白化微分方程⑶的参数的思路是:将方程⑶的时间响应函数⑷映射到一个智能信息电力变压器故障Bp网络中,对这个Bp网络进行训练,从训练后的Bp网络中提取出相应的方程系数,从而得到一个白化的微分方程,进而利用此白化的微分方程,对系统进行深层次的研究,或对此微分方程求解.要将⑷式映射到Bp网络中,对其做如下变换,对等式两边同除以1+exp(-ak),可得
=
=⑸
经过变换后可将⑸映射到Bp网络中,其结构如图1所示.
相应的Bp网络权值可进行如下赋值(令
(6)
的阈值设为,由⑸得,多层神经元激活函数为Sigmoid型函数:⑺
该函数是S型函数,存在一个高增益区,能确保网络达到稳定态,其它层激活函数取线性的.经过⑹式赋值及Bp网络激活函数确定为⑺式后,可对网络中各个结点计算为:
⑻
LD层仅1个节点,其作用只是对进行y1放大,使之与式⑶相符.考虑到灰色Bp网络与式①的对应关系,因此在设计灰色Bp网络学习算法时要注意以下几点:1)学习算法采用标准Bp算法,由于有一些神经元所用的激活函数为线性的,因此计算误差时要利用线性函数的求导.2)由,故在Bp网络训练过程中,权值始终保持不变.3)直接由输入与、得到,并且连接只是将误差前向传递到第3层,其本身不修改.精度比较可知,用神经网络辅助的灰色建模要远远优于传统的灰色模型方法.
4基于人工神经免疫系统应用研究
在人工免疫系统应用是生物必须防御机制与免疫功能的器官、组织、细胞和免疫效应分子及其基因组成通过分布在全身的各类淋巴细胞识别和清除侵入生物体的抗原性异物,可以保护机体抵御病原体、有害的异物以及癌细胞等致病因子的侵害.基于生物的免疫系统是一种高级的智能信息处理控制系统数据[2].而人工免疫系统是模仿免疫系统的一种智能方法,提供噪声忍耐、自组织神经网络结构学习、自组织与记忆神经网络等学习系统,结合分类器、神经网络和机器推理等系统的优点,具有分布式并行处理、自学习、自适应和强鲁棒性和集中式分散处理与分析电力变压器智能诊断故障等优点服务.
5结束语
基于智能信息与处理电力变压器故障诊断方法来应用电力变压器故障云模型处理、灰色系统理论模型、人工免疫系统等内容的理念和方法.以提高智能信息电力变压器故障诊断方法与灰色神经网络模型预测的应用体系结构,实践证明,基于智能信息处理关键技术在电力变压器故障诊断方法能够有效的排除故障.
参考文献:
人工智能神经网络概念篇2
关键词：神经网络；故障诊断；智能诊断
中图分类号：tp389文献标识码：a文章编号：1009-3044(2007)18-31690-02
theapplicationofFaultDiagnosisBasedonFuzzyneuralnetworks
GaoHuan-zhi,LiJun,LiFang
(instituteofDisasterpreventionScienceandtechnology,Sanhe065201,China)
abstract:Faintness'reasonninglogicallysystemcanhandlewithmakeuseofnotaccurateknowledge,isakindofvalidintelligencetosetupamoldmethod.Butthefaintnessreasonlogicallysystemtolackavaliddesignmethod.thesisingeneralusenervenetworkofsetupthemoldmethodfromtheadaptabilityandthediagnosis,buildupakindofnewbreakdowntoexamineapatientmodel-themistynervenetworkexamineapatientmodel.
Keywords:nervenetwork;Breakdowndiagnosis;theintelligenceexamineapatient
1模糊推理神经网络诊断模型建立
1.1通用网络模型自适应动态特性
比较两类典型的神经网络―前向Bp网络与反馈Hopfied网络，可以发现其核心是单层神经网络，则两类网络可以用一个通用神经网络模型来描述。根据点集拓扑理论和人工神经网络空间概念，对这个通用神经网络模型的特征进行分析得出以下两个结论，证明从略［3］。
定理1神经网络空间在紧集上的连续函数空间C上以及按L2范数在平方可积函数空间i上都是稠密的。
推论1由通用神经网络模型所生成的任何开集可以一致逼近紧集上的连续映射函数f∈C(Rn，Rm)。
由推论1表明，通用网络模型所概括的任何开集(如Bp网络、Hopfield网络、Bam网络)通过自学习都能一致逼近紧集上的连续映射函数f∈C(Rn，Rm)，因而具有良好的自学习、自适应动态特性。
1.2诊断建模方法
设xjn，(j=1，2，…，k)对应反映设备运行状态第n个观测样本的k个特征参数，yin，(i=1，2，…，l)对应第n个样本的l种故障模式，共有n个样本xjn∈Rn，yin∈Rn，(n=1，2，…，n)，则故障模式向量Y=｛yin，i=1，2，…，l｝与特征参数向量X=｛xjn，j=1，2，…，k｝间的内在关系用函数p表示，有：X=p(Y)。当n∞时，函数p的逆函数存在，以函数S表示，有：Y=S(X)
诊断问题建模的实质就是根据有限的样本集，确定函数S(X)的一等价映射关系SS(X)，使得对于任意的ε＞0，满足：
S(X)-SS(X)=Y-YY＜ε
式中：YY=SS(X)为模型输出，Y=S(X)为标准输出，．为定义在样本空间R上的范数，ε表达了函数SS(X)的映度。
参照数学基础中的有关连续的定义，针对诊断建模问题得出以下3个结论，证明从略［3］。
定理2对于机械诊断问题，通过一定的数学变换，可得到X∈［0，1］k，Y∈［0，1］l，若映射S为定义在［0，1］k到［0，1］l上的实连续函数，又［0，1］k为Rn的紧密子集，则映射S就能表征机械诊断问题，即：Y=S(X)
定理3对于机械诊断问题Y=S(X)，其中X∈［0，1］k，Y∈［0，1］l，若存在映射SS，使得对于有限样本集(X，Y)n中任意的X0∈[0,1]k有：
则映射SS建立了诊断问题的数学模型。
推论3若映射SS(X)一致逼近定义在紧集［0，1］k上的实连续函数，则映射SS建立了诊断问题的数学模型。
1.3模糊神经网络诊断模型
基于通用神经网络模型的自适应动态特性，根据推论3的结论，通用网络模型所概括的任何开集都能作为诊断问题的数学模型。即对某一具体诊断问题，配以相应的网络模型，通过网络自学习就能逼近诊断问题本身的映射关系。同时考虑诊断问题存在着不可逆性，须采用模糊方法予以处理，本文建立了如图1所示的模糊神经网络诊断模型。
图1模糊神经网络诊断模型
2模糊推理神经网络诊断模型的基本属性
2.1智能诊断机理
模糊神经网络诊断模型是一种基于知识的诊断，它属于人工智能诊断的范畴。一般地，人工智能诊断系统应包含有以下几个方面的内容：(1)对诊断领域的现有知识进行学习、抽象、概括，以形成该领域的特有知识，并按一定存贮方式存入知识库；(2)在对具体对象进行诊断识别时，应对该对象进行了解以获得足够的关于该对象的故障征兆信息，并对这些信息进行分析，提出以形成有价值的特征；(3)将该诊断对象的特征模式与知识库中的模式相匹配，并进行推理分析，以得出是否存在故障，故障的性质、部位、严重程度怎样等。
从上所述的模糊神经网络诊断模型建立，足以表明它具有人工智能诊断的一般属性和基本内容，而且在知识产生、表达、获取及推理诸方面具有自己的独特之处。
在知识产生方面，它不仅含有对诊断领域现有知识的汇编，而且包括了计算机数字仿真生成知识的内容。可以用传递矩阵法建立机组振动响应力学模型，通过数值模拟得到常见故障的振动响应分布，再引入转子系统传递函数的概念，生成反映机组故障作用位置的传递函数矩阵，最后通过转置变换，即得到知识集。
在知识表达方面，它表现为浅层和深层两种形式，面向专家、知识工程师和用户的原始知识，经过LSFS模型的数学处理后得到一些学习范例，本文称之为浅知识。这种知识形式易于表达模糊性和不确定性；浅知识通过网络自学习转化为网络的内部编码，分布在网络结构上，最终是用大量神经元的互连方式及对各连接权重的分布来表达特定的概念或知识，这种形式是一种深层的隐含表达方式，本文称之为深知识或隐含知识。
在知识获取方面，针对知识表达的两种形式，它包括两个步骤。第一步是由原始知识转变为浅知识，通过LSFS模型来实现；第二步是将浅知识输入到ann模型中，通过网络的自学习实现知识的隐式表达。为此，模糊神经网络诊断模型的知识获取应该包括知识的自身产生、网络结构(含网络模型、网络层数及其各层的单元数)选择、学习样本的组织、使用特定学习算法对网络训练以得到所需的权值分布4个基本内容。不难看出，这种知识获取方式存在：网络结构、权值与具体的某一案例联系不紧密，它们是一群样本或者说许多案例的综合作用的结果；网络的最后输出结果一般为［0，1］之间的值，具有一定的模糊诊断能力；当某种过程发生变化时，原始知识的产生、学习范例的组织都发生变化，通过修正网络和再学习，变化了过程就会很快地被学习和表达出来。
本文为全文原貌未安装pDF浏览器用户请先下载安装原版全文
在知识推理方面，它主要表现在ann模型的信息分类处理过程。一般由以下三部分组成：(1)将逻辑概念引入到输入模式的变换中，并根据论域的特点，确定变换规则，再根据相应规则，将目前的状态变换成神经网络的输入模式；(2)网络通过前向计算或动态演化，即可产生神经网络的输出模式；(3)随着论域的不同，必须按照相应的规则对输出模式进行解释。解释的主要目的是将数值向量转换成高层逻辑概念。
不难看出，这种知识推理方式不使用清晰语言描述分类逻辑标准，而只是通过数值向量的相似性来确定分类标准，且这种相似性的程度隐含在网络的权值分布上。因此，它有利于表达不确定性推理机制和自适应推理机制。
2.2突出特点
(1)模糊神经网络诊断模型重视了原始知识的产生问题。从某种意义上看，它体现了“正问题”求解与“反问题”求解相结合的诊断策略;同时为丰富原始知识的内容、研究原始知识的产生方法铺平了道路。
(2)模糊神经网络诊断模型考虑了大机组故障诊断中的不可逆性问题。它采用模糊方法(诸如模糊贴近度法、改进模糊贴近度法、基于自组织映射神经网络的模糊聚类法和复合KaF法)组织学习样本，从而使诊断模型能以模糊估计的方式给出诊断结果，具有模糊诊断能力。
(3)模糊神经网络诊断模型采用通用神经网络模型，使得它所概括的常见网络模型(Bp网络、Hopfield网络、Bam网络)都能充当诊断模型中的ann模型。由于ann模型承担了诊断知识的隐式存储和特征数据信息的分类识别的重要角色，它是整个诊断模型的核心。因而模糊神经网络诊断模型的形式多样，诊断能力强。
(4)模糊神经网络诊断模型重视了诊断征提取的重要作用。目前，特征提取方面的技术发展很活跃，它的每一进步，通过改善原始知识的产生内容和提高故障特征信息的准确度来影响诊断模型的诊断效果。
(5)模型神经网络诊断模型是一个基于知识的通用诊断模型，它适合大机组故障诊断中所包含的任何基本诊断问题。针对某一具体诊断问题，可以选择相应的FKp、LSFS、ann、Ce模型，即能组成一个智能型的诊断系统。
3工程应用
基于上述，从中取出可能存在的7种故障标准信息。传统Bp网络在进行诊断时，先人为组织网络训练样本，且训练样本的输出取为0，1值，即在表达自身频谱的故障位置赋1，否则赋0；而模糊神经网络诊断模型则通过LSFS模型(本文为了获得明显的诊断效果，其采用改进模糊贴近度法，且贴近度系数ConSt=2［3］)组织网络训练样本，其结果训练样本的输出取值于区间[0,1]。在初始条件完全相同的情况下，将各自的训练样本集分别输入同一结构的网络进行训练得出如图2所示的训练误差曲线比较图。
由图2可以发现，在一个误差精度要求不高的区域里，即系统误差error＞0.002时，传统Bp网络的收敛速度低于模糊神经网络诊断模型，由于此精度区域一般没有工程意义，故不做分析讨论；而在误差精度要求高的区域里，传统Bp网络的收敛速度却高于模糊神经网络诊断模型。这是因为传统Bp网络的训练样本输出仅简单取为0，1值，而模糊神经网络诊断模型训练样本的输出取值于区间［0，1］，此相当于对输出进行了编码，从而增加了隐层节点的附加工作来完成这种编码功能，甚至需要增加隐层节点数或增加隐层才能满足要求。
图2传统Bp网络与模糊神经网络诊断模型训练误差曲线比较
4结论
基于以上的分析、论述表明，本文所建立的模糊神经网络诊断模型理论，无论从建立的理论基础、方法体系，还是从建立的结果看，它都是正确的；且它在原始知识的产生方式、学习样本的合理组织以及在网络模型的自适应选取方面都具有突出特点。通过理论分析和工程实际应用表明，该模型理论的应用能提高诊断精度，具有诊断功能强、智能化程度高、便于实用推广的特点。
参考文献：
[1]吴维库,唐锡宽.转子故障的精确诊断[C].92全国转子动力学学术会议论文集,青岛:1992,pp:536-539.
[2]杨叔子,史铁林,丁洪.机械设备诊断的理论、技术与方法[J].振动工程学报,1992,5(3):193-201.
[3]张小栋.模糊神经网络诊断原理和方法以及应用研究[J].西安交通大学,1995.
人工智能神经网络概念篇3
关键词：软计算聚类算法进化计算神经网络模糊逻辑
中图分类号：tm714文献标识码：a文章编号：1007-9416(2012)02-0146-02
1、引言
数据挖掘技术历经十几年的发展，各种算法不断涌现，多学科间交叉，其中包括数理统计、人工智能、机器学习等，这些算法已经成功地运用于数据挖掘，解决了很多的实际问题。近年来，人们对软计算理论进行了广泛地研究，特别是将这些算法运用于数据挖掘，解决了许多传统聚类算法无能为力的聚类问题，为聚类算法的研究开辟了新领域。本文将介绍软计算[1]中比较典型的几种技术在数据聚类中的应用。
2、传统聚类分析算法简介
聚类分析是数据挖掘的重要技术之一。聚类就是把相似度最大的样本归为一类的过程。在这个过程中，数据是被无监督训练来处理的。从现有的文献中可以知道很多种类的数据聚类算法，这些方法正广范应用于数据聚类技术中，对信息的处理起到了巨大的作用，但也存在着不足[2]。这些算法在实现过程中，容易陷入局部最优，而得不到全局最优解。随着所处理数据的不断变化它们的缺点和不足就会表现出来。人们想出了很多的策略对这些经典的聚类算法进行改进，得到了很好的效果。尽管这样，对于很多的聚类问题，传统的聚类算法也是束手无策的。
3、软计算简介
软计算[3]，也称为“计算智能”，是人工智能的重要组成部分，它是研究模拟人类的思维或生物的自适应、自组织能力，来实现计算技术智能性的一门新学科。模糊逻辑的创始人L.a.Zadeh提出了“软计算”的概念，并指出其关键技术和应用领域。软计算促进了各种智能理论、模型和方法的综合集成研究，有利于解决更为复杂的问题。进化计算、人工神经网络和模糊逻辑这三项技术已经成为了软计算的主要的支撑技术。通常软计算得到的结果是近似最优的，例如进化计算用来进行最优解的搜索；人工神经网络用来对数据进行分类；模糊集用来处理不确定性的概念及其推理的过程。与传统聚类方法相比，这些算法使系统的智能性更强，弥补了传统算法的一些不足。
4、数据挖掘中的软计算方法
4.1进化计算
4.1.1遗传算法
遗传算法[4]是软计算中的一种进化计算算法，基本思想是优胜劣汰为原则，用概率传递规则代替确定性的规则，对包含可能解的群体反复使用遗传学的基本操作，不断生成新的群体，使种群不断进化，同时以全局的搜索技术搜索和优化群体中的最优个体，以求得满足要求的最优解。遗传算法在组合优化问题、机器学习、人工生命等领域显示出了它的应用前景和潜力。
4.1.2人工免疫系统
人工免疫系统[5]是进化计算的一种新型算法，基本思想是借鉴生物免疫系统各种原理和机制而产生的各种智能系统的统称。它是一种自动识别、自我组织的自适应系统，由几个基本功能组成，有组织地分布于身体的各个部位。免疫系统的主要功能是识别身体内的细胞（或分子），把这些细胞分为自体和非自体细胞，非自体细胞又被进一步地识别和分类，便于免疫系统以适当方式刺激身体地防御机制，杀死有害的非自体细胞，生物免疫系统的学习是不断的识别外部抗原和自己身体内部的自有细胞而演化地进行的。聚类过程实质上就是免疫系统不断产生抗体，识别抗体，最后产生可以捕获抗原的最佳抗体的过程。
4.2人工神经网络
人工神经网络是迅速发展起来的一个研究领域。它是运用人类神经的运动机理，模拟人脑的思维，通过神经元间的相互作用来完成运算。神经网络不仅具备了人类的某些思维特性，而且同时具备了强大的学习能力。人工神经网络对数据挖掘的贡献主要是在规则的提取和自组织上，它对分类或决策分析是非常重要的。基于神经网络的聚类算法比较著名的方法有：竞争学习和自组织特性映射，这两种方法都涉及有竞争的神经元。人工神经网络有很多的优良特性，适用范围很广，对于复杂问题有其独特的解决方案和处理过程。人们对神经网路进行了大量的研究，目前有许多成熟的网络模型应用于实际中。
4.3模糊逻辑方法
模糊逻辑[6]是一种应用最早的软计算方法，可以说它的发展导致了软计算理论的出现。模糊逻辑理论研究在社会生活的各个领域均有广泛的应用。目前，模糊技术被认为是另一种不同功能的数据聚类的方法。模糊聚类是运用模糊理论对数据进行模糊划分的一种分析方法，基于这一概念人们提出了许多数据聚类算法。
4.4混合方法
混合的方法是指以上技术的综合运用，这里特别强调各种技术相互协作。软计算理论产生不是仅研究单项技术，主要是研究如何将这些技术集成起来。例如模糊－神经结合了模糊逻辑和神经网络这两种方法，建立了模糊神经网络系统，它把神经网络的优点与模糊逻辑可以解决模型中不确定、模糊的知识特点结合了起来。这种设计，使该系统具有了模糊推理、模糊决策等功能。同时利用模糊聚类分析的特点，解决了模糊神经网路搜索时间长和易陷入局部最优的缺陷。这些方法均体现出各种智能技术协同工作的优势。通过大量的研究表明混合方法应用数据挖掘具有十分优良的特性。
5、算法总结
以上对一些常见的软计算方法运用于数据聚类的基本原理进行了阐述。聚类问题实质上是一个线性整数规划问题，软计算方法在处理这类问题时，与传统方法相比，优势还是比较明显的。它们具有各自的特点：(1)遗传算法可实现全局并行搜索，搜索空间大且不断优化，在求解大规模优化问题的全局最优解方面具有广泛的应用。它对初始值不敏感和不易陷入局部最优解，在处理聚类问题时可保持良好的全局分布特性；(2)人工免疫系统理论还处于研究和发展阶段，具有很多的不稳定因素，与遗传算法具有相同之处，在获取全局最优结方面显示了优越性，算法实现相对简单；(3)由于神经网络的黑箱问题、收敛速度慢和学习训练时间很长等缺点，所以神经网络先前被认为不适合应用于数据挖掘，但它处理分类和决策问题是特别有效的；(4)模糊聚类方法被广泛使用，人们对其研究的时间也较长，它所得到的聚类结果较稳定，准确性较高。
随着各种智能技术的不断完善，软计算理论已经得到了迅速的发展。这为数据聚类技术提供了许多有效的方法，也将不断地推动数据聚类技术向前发展。
参考文献
[1]L.a.Zadeh.Fuzzylogic,neuralnetworks,andsoftcomputing[J].CommunicationsoftheaCm,1999,37:77-84.
[2]朱明,数据挖掘[m].合肥:中国科学技术大学出版社,2002.
[3]张智星等.神经-模糊和软计算[m].西安:西安交通大学出版社,2000.
[4]湛燕,杨芳,王熙照.基于遗传算法学习聚类算法的中心个数[J].计算机工程与应用,2003,16:86-87.
[5]莫宏伟.人工免疫系统原理与应用[m].哈尔滨:哈尔滨工业大学出版社,2002.
[6]聂承启,聂伟强,彭云.数据挖掘中的模糊聚类分析[J].计算机工程与应用,2003,33:184-186.
人工智能神经网络概念篇4
关键词：智能化住宅；问题；数字化社区；前景
1智能化住宅概念
智能化住宅的概念，最初是从智能大厦的基本含义中延伸和发展而来的。20世纪80年代中后期，国际社会把智能大厦的概念推向住宅，形成了“智能住宅(SmaRtHome)”的概念，而国内则随着智能大厦的发展，结合本国居民小区发展的实际情况，到20世纪90年代中期才提出“智能化小区”的新理念。
2住宅小区智能系统基本功能要求及技术要求
2.1住宅小区智能系统基本功能要求
住宅小区智能系统应该具备以下四个方面的基本功能要求。安全防卫，如：电子巡更、对讲(可视)与门禁控制、防盗报警等；物业服务与管理，如：物业管理综合信息服务、远程抄收与管理等；信息网络与布线，如：开关控制量传递、模拟计量数据传送、程控数字交换等；家庭智能化，如：家电智能控制、室内人工环境调控等。
2.2住宅小区智能系统基本技术要求
(1)先进性。住宅是一个使用寿命较长的大件商品，在选择智能化系统技术与设备时，要充分考虑一定的超前性，避免过早淘汰。
(2)成熟可靠性。在考虑先进性的同时，要注意技术的成熟性和可靠性，保证运行稳定和可靠。
(3)开放和兼容性。无论是系统设备网络拓扑结构，还是操作软件应具有良好的开放性和兼容性，避免因硬件种类多而采用多种网络操作系统给系统集成和应用带来困难。
(4)升级性。随着社会与经济的不断发展和进步，住宅小区智能系统的规模、功能与技术水平将会不断提高，用户的需求也会不断变化，住宅小区智能系统应充分考虑未来拓展的可能性及服务水平升级发展的需要。
3智能化住宅小区的发展现状及存在的问题
3.1智能化住宅小区的发展现状
自从20世纪90年代中期中国出现了“智能化住宅小区”的新理念之后，国内的智能化小区建设才逐渐发展起来。但与国际社会相比，国内的智能化住宅小区建设起步较晚，人们对智能化小区的认识和理解还不够深入，技术开发也还远远不足，大多相关产品的开发还主要是单一功能专用产品。
目前国内智能化小区的建设由于受各地之间经济水平差别的影响及居民的经济能力差异，多数的居民小区开发仍停留在科技含量较低的水平，所谓“智能化”，在更多的成份上还仅限于一种炒作。
3.2智能化住宅小区建设中应注意的问题
(1)开发商盲目追求先进或片面追求低成本。
个别项目在设计和建设过程中，盲目追求智能化系统的高档次、全覆盖，过分强调了智能化系统的作用，忽视了中国的文化背景和人们的实际生活水平，超出了业主的功能需求。相反，有些项目将智能化系统看作是额外开支，片面追求建筑低成本，造成智能系统成了摆设。
(2)智能化住宅小区没有遵循“以人为本”的原则。
住宅最要紧的是居住的舒适方便程度，小区建设应当在这方面多下功夫，而不能将其延伸为高度自动化和现代化的办公室，因此，物业管理和社区服务的智能化应是小区智能化的重点。也有些智能小区过分强调安防，安装了太多的摄像机，使小区居民感觉个人隐私得不到必要的保护和尊重。转贴于
(3)从业队伍不够专业。
设计部门对智能化产品的了解不够全面，对智能化设计的技术方法和经验不够成熟，尤其在系统集成方面较弱，还需要产品厂家和系统集成商的支持；开发商缺乏对总体集成和系统更新与扩展的考虑，往往边招标、边设计、边施工、边修改，造成返工、浪费严重；施工队伍素质较差，缺乏经过正规训练、经验丰富的施工人员，造成施工效率低；物业管理公司缺乏管理智能化住宅的经验，以及管理层次与能力低下，造成后期管理的一系列问题。
(4)要从管理入手，解决好有关行业间的谐调问题。
智能化产业是个跨多个行业的项目，涉及消防、邮电、安保、自动控制、公共卫生等多个部门，从立项、设计、施工、装饰、物业管理，跨过的行业大多都是法规、标准各自独立。要想解决好这个问题，必须人管理入手，在相关部门间做好协调，在跨行业的管理问题上加强联络和协商，制定跨部门的管理规定，共同探讨发展的课题，促进行业的进步。同时，还需要提高行业自律，提升自身业务水平，使小区的智能化功能得到充分利用。
(5)太阳能及环境能源的利用技术研究有待提高。
随着地球不可再生资源的日益匮乏，应加强节能技术、生态技术、环境效应等技术与材料的研究与应用，智能设备
与智能房屋相互适应的设计与技术的研究，使智能住宅走上可持续发展的轨道。
4发展前景：从智能化社区到数字化社区
人类已经进入了数字化、信息化时代，无孔不入的数字化信息，不仅改变着人们工作、商务的模式，也开始全面改变人们生活的观念，因此，数字化社区的概念便应运而生，成为比智能化社区更高的社区形式
所谓数字化社区，就是通过数字化信息将管理、服务的提供者与每个住户实现有机连接的社区。这种数字化的网络系统，使社会化信息提供者、社区的管理者与住户之间可以实时地进行各种形式的信息交互，由于现代网络浏览器的先进性以及多态的表现性，加上各种网络多媒体技术的应用，从而营造出了一个丰富多彩的虚拟社区。数字化社区是由于有一个数字化的平台，数字化社区比传统社区的提供更加有效的管理、更加丰富的文化、更加全面的服务。未来的数字化社区应向以下三个方向发展。
数字化社区成为人文社区。当各种类型的“数字社区”都建好以后，应该从为数字文化发展构建良好的人文生态环境入手，提炼数字化所蕴含的人文精神，并使人文精神成为人们在数字化世界生存与交往的精神支柱，成为数字化时代的主旋律。同时，还应不断加强居民的人文教育，提升居民的人文素质、培育人文精神，以更好地构建适应人类生存与交往的“数字人文社会”，并使之与现实的“人文社会”形成良好的互动。
数字化社区成为科技社区。数字化社区应该是一个设施齐全、环境优雅、有利工作、方便生活、且具有高尚文化品位和科技水平的社会基层区域，这就不仅对政府构建信息化平台和控制管理平台、提供物业服务和信息资讯服务等提出了要求，也对社区居民的科技素养提出了更高的要求。因此政府应以数字化社区建设为契机，将科学技术日新月异的发展渗透、融入到数字化社区的建设，加快科学技术普及的力度。
数字化社区成为绿色社区。“绿色社区”不但是指社区内环境的绿化美化，而更多强调的是社区的环保、节能等生态效应。一个没有环保意识的社区在未来的建设中是没有生存余地的，因此数字社区要左手抓信息化，右手抓生态，同时还要有节能指标体系和技术政策作指导，只有这样数字化社区才能做到可持续发展。
参考文献
[1]高鹏.谈智能化小区[J].中国智能建筑信息网，2004，(5).
[2]秦保根.智能住宅小区建设初探[J].广东通信技术，2001，(5).
人工智能神经网络概念篇5
人工智能是信息时代的一大特点之一，也是人类认识世界和改变世界的一大成果，是人类客观能力发展的高峰。本文的研究旨在从理论的角度对人工智能的相关概念和发展历程进行阐述，对人工智能的现阶段研究进行介绍，对已有的人工智能研究成果进行简要的分析。以期能够更好地促进人工智能的阶段性发展，帮助其在社会中的应用和发展。
【关键词】人工智能发展应用
人工智能是产生于20世纪50年代的一门综合高科技学科，它将机器智能和智能机器的概念和技术进行了融合，应用过程涉及了信息科学、心理学、思维科学、生物科学、认知科学以及系统科学等多种学科，随着近些年的不断发展和进步，已经在社会中的很多地方得以应用，向着多元化的方向发展，例如，在博弈、智能机器人、模式识别、自动程序设计、知识处理、自然语言处理、专家系统、自动定理证明、知识库等方面，人工智能都已经取得了很高的成就，备受世人关注。
1人工智能概述
人工智能，又称为ai，是artificialintelligence的简称。可以算作是计算机科学的一个分支，是在1956年的Dartmouth学会上由mcCarthy正式提出的，之后便跻身于世界三大尖端技术之一。很多学者都将人工智能定义为通过研究使计算机来完成之前只有人才能完成的智能属性较高的工作。但是关于人工智能的最完整定义，当前业内还存在一定的正义，尚未形成统一的结果，但是所有的这些说法都能够反映出人工智能的基本内容和基本思想，因此在本文中，笔者将其概念整理为：研究人类智能活动的规律，构造具有一定智能行为的人工系统。
2人工智能的发展
人工智能的发展最早始于20世纪50年代，并在20世纪60年代更加壮大，形成了人工智能的初级阶段。这一时期的研究偏向于运用领域知识和启发式思维发展，编写相关的智能计算机程序，为现代的计算机理论奠定一定的基础。从1963年之后，人工智能便进入了研究的第二阶段，人类尝试用自然语言通讯，实现了计算机对自然语言的理解，并将分析图像和图形处理变得可行。70年代中，在进行了大量的研究和探索后，一些专家级的程序系统相继出现，在各个领域得到运用。80年代，人工智能进入到以知识为中心的发展阶段，更多的人开始注意到模拟智能中知识的重要性，围绕这一现象进行了更多的研究和探索。现如今，人工智能的发展正在朝着大型分布式人工智能及多专家协同系统、并行推理、多种专家系统开发工具，以及大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。
3人工智能的研究与应用
3.1问题求解
求解问题往往是人工智能发展的第一步。一般过程是将复杂问题分成一些较简单的子问题，通过解决子问题的基本技术完成人工智能基本技术的组成。当前依然存在一些未真正解决额问题，例如问题的表示也成为问题的原概念在表述时往往存在解决不了的问题，这边构成了人类发展人工智能过程中的主要工作内容。
3.2专家系统
专家系统也是研究人工智能的重要分支，这一理论能够将所研究的问题转化为知识求解的专门问题，从而实现人工智能从理论研究到实际应用的重要过度。专家系统可以看作是一种智能的软件，通过启发式方法对一般难以解决的问题进行求解，在不完全、不精确的信息背景下做出结论。专家系统的基本结构如图1所示。
3.3机器学习
机器学习是对计算机模拟人类活动并实现人类活动而进行研究的过程。它是在专家系统之后出现的人工智能另一重要领域，是计算机能够有智能属性的根本途径，具有很高的重要性。
3.4神经网络
人工神经网络是由数量巨大的神经元互相连接组成的，也可称作类神经网络或神经网络。神经网络通过大量节点之间的相互连接构成运算模型，通过模拟人的大脑的基本运算机制和机理来实现特定方面的功能。
3.5模式识别
模式识别是指通过计算机技术让计算机代替人类进行感知和识别。计算机模式识别系统能够让计算机在模拟人类感觉器官功能的帮助下对外界形成感知能力。随着模式识别的发展和壮大，量子计算机技术也已经在模式识别系统中得到运用。早期的模式识别系统仅仅是针对文字或二维图像，但是随着技术的进步，对三维景物的识别方面也已经有了重大突破，并已经延伸到活动物体的识别和分析，取得了长足的进步。
4结束语
作为一门伟大的科学成就，人工智能的诞生无疑成为20世纪最重要的技术之一，而它也必将成为未来发展的主导学科之一。当前，人工智能的一些研究成果已经在国民生活和生产中得到了广泛的应用，随着信息时代网络技术和知识经济的不断发展，人工智能的技术成果必将受到更多的重视，得到更广泛的应用，更多的推动社会和科技的进步和发展，为人类的生活发挥更多的作用。
参考文献
[1]魏金河.人工智能能否完全替代人类智能[J].创新科技，2007（08）.
[2]钱铁云.人工智能是否可以超越人类智能？―计算机和人脑、算法和思维的关系[J].科学技术与辩证法，2004（05）.
[3]雷・库兹韦尔，盛杨燕.如何创造思维：人类思想所揭示出的奥秘[J].中国科技信息，2014（08）.
[4]蔡曙山.哲学家如何理解人工智能―塞尔的“中文房间争论”及其意义[J].自然辩证法研究，2001（11）.
[5]张妮，徐文尚，王文文.人工智能技术发展及应用研究综述[J].煤矿机械，2009（02）.
人工智能神经网络概念篇6
威客:知识价值化的无边界模式
威客自其生发就显示出强劲的应用优势。短短数年里,它在互联网商务领域备受青睐,并形成了渐趋成熟的商业模式。国内最早出现威客雏形模式的网站是在2002年,几乎与国外齐头并进。2006年为其突然爆发期,2007年逐步趋于理性,2008年为其转折期,数十家威客模式网站倒闭,Google的answer失败,k68提出的“全额付款,永不退款,扣20%”的制度也遭受拷问。到2009年,以猪八戒网、淘智网、任务中国、百脑汇网为代表的一批威客网站已经探索出较为成熟的商业模式。
在当今互联网,威客因为投资少、成本低、收益快而已然在全国形成遍地开花之势。以“猪八戒威客网”为例,该网从2005年底开始创建,才两年多时间,目前注册会员已达300万,其盈利目标有望突破1个亿。除了专门的威客网站,许多颇具影响的大网站也加入了威客的行列,如“百度知道”、“雅虎知识堂”、“新浪爱问”等。
威客是英文witkey(wit智慧、key钥匙)的音译。所谓威客就是在网络时代,凭借自己的创造能力(智慧和创意)在互联网上帮助别人,从而获得报酬的人。威客同时也指一种以任务悬赏竞标为核心内容的网站模式。
威客是一个在中国被发现并被快速推进的互联网新领域。2005年7月,中国科学院刘锋在他的科技博客上首次提出了“威客”概念,其核心思想是:人的知识、智慧、经验、技能通过互联网转换成实际收益的互联网新模式。主要应用包括解决科学、技术、工作、生活、学习等领域的问题。人类的知识和智慧将会因为互联网而被无限放大和传播,并创造出令人惊讶的社会财富。11月,《21世纪经济报道》第一次报道了威客概念。在此后的四年里,中央电视台、《人民日报》、《中国青年报》,英国《经济学人》、德国《明星周刊》、俄罗斯《国际文传电讯》、韩国《民族日报》等数百家媒体对威客概念进行了报道。2007年,威客进入教育部颁布的新汉语词汇。
威客、博客、维客都与BBS有着渊源,但威客有其独特个性。威客是BBS互动问答功能的变形,它强调问与答的双向传输,把提出的问题和所有回答者的答案同时展现出来供求助者察看,主要目的是帮助提问者解决问题,同时也展示回答者的能力,帮助回答者实现其价值。维客(wiki)也属于BBS功能的变形,维客模式把发帖修改权扩大到所有察看该帖的用户。威客则在维客技术的基础上更加强调商业价值和社会效益。它向所有的受众敞开,即其所倡导之无边界、无门槛,但同时它又是最强调传播效益的模式。
在威客模式里,传播者和接受者达成有效交流的潜在条件包含了传帮带的公益性素养和出类拔萃的智力资本,因此,威客的传播者和接受者又是极其小众化的,它担负着帮助威客网站实现社会效益和经济效益双赢的重任。在此意义上,威客既要利用博客的实现技术作为知识库的基础,又要借用电子商务的技术实现知识和信息的交易,同时还在较大程度上解决了社会就业问题。
威客的崛起正在改变人们过去对互联网的唯商务或者唯话语权的认识。在威客身上,草根的力量不可忽视,精英意识也不可或缺,两者相辅相成,方能实现威客所提倡的知识价值化,从而获得思想与利益的双丰收。
“众包”:去中心的大众传播革命
传统媒体的传播难以回避的一个难题就是如何由传播者中心走向受众中心。由于传统媒体的传播模式往往是“一对众”的方式,大众的反馈难以及时实现,更谈不上真正的传受互动。网络传播部分实现了传受互动,比如在BBS上,受众可以通过跟帖的方式回应发帖者提出的观点,但无论是博客、微博,还是维客,都是以信息者为中心的。威客则提倡一种去中心的大众传播理念,其核心是问题,不带有倾向性,问题的解决依靠的是大众,无数多的不知名者,问题解决的过程得到全程再现,传播者的身份界限被极尽可能地淡化。
威客的成功离不开大众。威客模式中尤其难得的是,即便是非专业人士,也有机会参与到专业问题的解决中,提供专业内容,创造经济利益。在此过程中,消费者兼为内容创造者,也打破了专业与非专业的疆域。这一理念在传统观念根深蒂固的中国,无疑具有某种颠覆性的内涵。而威客的草根力量,也改变了传统媒体一直难以回避的传受双方难以实现平等交流,甚至真正以受众为主体的格局。
2006年6月,《连线》杂志编辑杰夫•豪首次推出“众包”概念,其核心是一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的(而且通常是大型的)大众网络的做法。“众包”的任务通常是由个人来承担,但如果涉及到需要多人协作完成的任务,也有可能以依靠开源的个体生产的形式出现。
古语云,三个臭皮匠,顶个诸葛亮。在威客网上,草根民众聚集在一起,主要有三种模式,分别是现金悬赏、任务招标和威客地图,其流程可以依次表达为:
任务者任务――全额预付现金给威客网站――众多威客参与任务――任务奖金支付给作品最好的一名威客
任务者任务――支付少量定金或不支付奖金――经威客网站确认的高水平威客报名参加――任务者选择合适威客开始工作――根据工作进度由任务者或威客网站向威客支付酬劳
威客在威客网站开设威客空间或工作室――任务方通过技能关键词查询威客或智力作品――双方通过站内留言、email、即时通讯、电话、直接见面等方式进行沟通,确定是否合作――合作后双方可以在威客网站进行相互评价
不难看出,无论哪种模式都离不开众多专业的、非专业的业余爱好者,离不开“众包”。“众包”不同于单纯经济意义上的“外包”。外包强调国际视野,主要是利用欠发达国家和地区劳动力资源的价差实现效益最大化。它略带文化失衡的意旨。“众包”更注重多元化,无论是内容还是任务主体,都需要个体最大程度的参与。个体释放的意旨强于文化偏倚。在“众包”过程中,大众的个体特质与彼此的社会化聚合缺一不可,草根力量借此勃发。
“众包”有一种化整为零的能力,比如编写一部详尽的百科全书,将这样繁重难当的任务分解成足够小的部分,那么完成它不但变得可行,而且有趣。人的社会性在此得到淋漓尽致的发挥,网络不再是无数匿名的个体孤立的狂欢。在威客网上,“众包”的方式让无数个体通过各种带有明确目的的任务凝聚在一起。合作、竞争、在线互动成为威客网的实质。具有相似爱好、特长的个体通过网络交流经验,进行合作,从而成为好朋友。带着现实难题的任务方与身怀高艺、跃跃欲试的接受方通过悬赏、招投标以及威客地图达成合作关系,实现知识价值化。传统经济学的效用在这里得到全新解读。快乐、自我价值感逾越了一般意义的经济利益。
“众包”还体现出来一种开放包容的精神。在威客网上,对于参与主体,没有身份、学历、职称等的世俗门槛。可以说,它是无边界的。它又与发达经济下的福特主义相对立,福特主义代表主宰工业时代的流水线精神。而“众包”支持固有职业之外的无限可能,特别是那些拥有特定天赋、才华横溢的个体。通过“众包”,他们可能释放巨大的、甚至不为自己所知的潜力。猪八戒网站策划的《创意时代》栏目就提出口号:“创意我最牛”。在他们的任务里,有农民,有大学生,超乎想象地中标,为自己的人生挣下了一桶金。“众包”让人们看到一个更好的自己:我们比自己认为得更聪明,更具创造性,更有才华。
威客发掘了一种彻头彻尾的草根精神,这让它与过去网络带给人们的成见划清界限:用目的性、有序合作替代偶然聚合、无序。这种草根又不同于以往所言之草根,因为它离不开创造性,离不开智慧,并借此与精英实现对接。
创意:隐门槛的小众传播境界
不是所有人都能成为威客。威客是具有关键智慧,能够解决问题,是有威力的人。首先,威客必须是能够熟练使用互联网和网络互动问答平台的人。其次,威客必须是那些知识、智慧、经验较高的人,他们才能在威客网站上把知识、智慧、经验转化为财富。而那些暂时不能通过威客网站实现知识就是财富的人需要通过不断学习和积累,提高专业技能并利用网络互动问答平台获得第一笔收入时才能成为真正的威客。由于智力成果如文字、图像、视频可以通过互联网传输,借助互联网技术和电子商务的支付系统,威客网为买卖双方搭建了信息平台。因此,威客模式实质上是进行智力成果交易的网络平台。简言之,威客网就是一个创意大卖场。
所谓创意,就是一种产生新事物的能力,亦指一人或多人概念和发明的产生,这些概念和发明是独特的、原创的以及有意义的。不可否认的是,创意这一关键概念带有某种精英特质。如果说“众包”体现出的是一种草根精神,是一种大众力量推动商业未来的契机,那么创意、知识价值化表征的就是一种精英意识。孟繁华曾经把当代的文化形态分为主流文化、知识分子文化和市场文化,其中知识分子文化就是精英意识的典型渗透。在三种文化形态里,主流文化代表国家意识形态,力图把握话语主导权,从而保证稳定的政治局面;市场文化紧逼其后,并不断向另外两种文化形态渗透;知识分子文化则不断被边缘化。由于知识分子坚守精英文化立场,他们往往被置放在与大众文化格格不入、甚至对立的空间里。精英文化在现代和前现代语境里,被称为“象牙塔里的文化”,面对大众文化,要么选择被同化,要么选择放弃。在消费时代,大众文化与精英文化形成了交融互渗。一方面,精英文化力图通过市场走近大众,通过交易体现其作为文化资本的机制,另一方面,大众文化经过了曲折突围后,也渴望从精英艺术中汲取营养,提升自身的品位。威客,以及它的重要支柱――创意,为草根与精英的水融创造了机会。
威客的形成与聚合具有很强的精英特质。威客要想在威客网上出类拔萃,除了具有相关领域基本的知识、技能积淀外,还需具备两个重要素质:一是超越个人利害,一是道德自律。前者要求一个人站在整体的立场上看问题,后者要求个体自觉约束自己不去侵占不易监督的公共资源。这特别体现在,要想成为优秀的威客,不排除公益性的活动,比如对新手的传帮带,免费为需要的人解决问题等等,也不能做有损于自身形象的、违背道德准则的事情。由于参与者甚众,且几乎没有门槛,对威客来说,无论是良好的形象,还是好的收益都要倚赖其高度自觉和饱满的热情。
互联网发展已经进入web2.0时代。威客与此前的博客、维客、微博等一起正在撼动人们关于文化、关于传播的传统认知。网络不再仅仅是某种新媒体、某种新技术,它的价值更多地体现在消解了人们过去对传受主体、大众、精英、小众、草根的固有观念。威客正是其典型代表,它的“众包”理念和创意平台的打造,在很大程度上消解了大众与小众的边界,同时也实现了草根与精英的完美融合,创造了互联网领域的又一个神话。
人工智能神经网络概念篇7
【关键词】控制工程；机械电子工程；应用
【中图分类号】tp273【文献标识码】a【文章编号】1006-4222（2016）01-0193-01
前言
随着计算机控制工程技术的不断发展，使得机械电子工程逐渐向智能化方向进行发展，控制工程在机械电子工程当中起到了越来越重要的作用，因此，对控制工程在机械电子工程中的应用研究，成为了人们日益关注的新课题，将控制工程技术同计算机机械电子工程技术有机地结合在一起，从而进一步促进了机械工程行业的发展。
1控制工程与机械电子工程概述
控制工程是指结合了工程理论与计算机技术理论为基础的核心概念，是一种处理各种自动化技术中出现的工程技术问题的工程技术，控制工程在各种机械电子工程技术实施中都得到了广泛性的应用，以多输入、多输出，改变参数和非线性等设计问题为主要研究问题，因此控制工程在机械制造业中越来越受到重视。而机械电子工程并不是一种独特的工程学科，它通常采用模块化的方式来完成系统操作，而机械电子工程系统有着构造简单的特性，减小了机械电子工程系统的总体积，提高了机械电子工程的性能，不过，随着机械电子工程系统的复杂性不断地增加，就必须要使机械工程与计算机技术统一地结合在一起，从而使得控制工程在机械电子工程能够得到更好地发展。
2控制工程在机械电子工程中的应用
2.1智能控制系统在机械电子工程中的应用
智能控制系统就是指人工智能与计算机技术结合在一起，对机械电子工程当中的某一操作流程进行人工化的智能模拟和控制，使得智能的机器人可以像人一样进行操作工作，智能控制系统能够与人类的大脑思维模式相似，智能控制系统能够做到自主收集相关信息等。因此，智能控制系统结合了人工智能的特性进行了机械化大生产，使其生产效率与人工生产模式相比，得到了质的飞跃，还可以对生产操作流程进行严格控制，节约了人力、物力资源成本，提高了机械制造行业的经济收入[1]。
2.2鲁棒控制的应用
在控制系统中的鲁棒性是指，在一定的外界因素干扰下，控制系统某一方面的性能够保持不变的特性，因此，多变量型鲁棒控制系统在机械制造生产中得到了广泛性的应用。在柔性臂轨迹制造中，通常采用滑膜变的结构控制方法，控制并研究出慢变控制器，采用H∞的控制理论来研究出鲁棒控制器进而调整系统控制器的结构，所以，在操作轨迹的模拟研究中，利用补偿控制算法来进行补偿控制计算，从而保证滑膜变结构与H∞控制理论进行组合性控制，使得控制系统能够非常精确地对目标轨迹的运行过程进行控制。
2.3模糊控制工程在机械电子工程中的应用
机械工程的加工流程是十分复杂的，所以采用传统的控制方法建立起来的模型是非常困难的，所以自动化控制的效果并不好，而模糊控制工程可以把复杂的问题变得更加直观，模糊控制的算法比较简单灵活，从而将程序编制过程简单化，进行模糊化控制可以不用对机械制造工程进行精确化的数据研究，只要保证好输入量在合理的偏差范围内即可，所以，模糊控制系统在机械电子工程中应用效果十分明显[2]。
2.4神经网络控制的应用
神经网络控制是建立在生物学基础上的控制研究，将多个简单的网络神经元连接成一个网络，每个神经元都是十分简单的，但所有神经元连接在一起就能够变成高度复杂的神经网络控制系统，神经网络控制可以对数据进行大规模处理，因而这种神经网络控制系统可以有着与人类相似的适应学习能力，神经网络控制系统越来越朝向人工智能化发展，在智能机械电子工程控制系统中得到了广泛的应用。因而在对数控机床的控制当中，人们可以有效地改变数控机床切割过程中不确定的特点，通过神经网络控制工程系统在机械电子工程上的应用，使得了数控机床的加工效率大幅度得到了提升，提高了机械电子工程行业的安全性系数[3]。
3结论
由于控制工程在机械电子工程中的广泛应用，使得机械电子工程技术不断向智能化和自动化发展，因此，随着计算机控制系统的不断发展，必须要将现代化的科学技术控制理念同机械电子工程行业不断融合发展，从而使得机械电子工程行业能够快速、稳定地发展，提高机械电子工程的生产效率，提升整个机械电子工程行业的经济效益。
参考文献
[1]卫江，王胜.探究机械电子工程与人工智能的关系[J].科技资讯，2015，21：26~27.
[2]李岳.自动化技术在机械工程中的应用探究[J].山东工业技术，2015，22：121+127.
人工智能神经网络概念篇8
关键词:智能控制;神经网络;温度控制系统；
正如大家所知道的，在控制系统发展中，智能控制技术的出现有益于逻辑控制、人工神经网络技术和专家模糊系统的一体化。在由一个误差信号驱动的学习控制中可以看出，对于许多复杂变量的非线性方程，这些系统的功能得以淋漓尽致地发挥。换句话说，和普通软件一样，工业生产的各种各样应用软件已经溶入了智能控制的思想。举个例来说，对于一些较难为传统方案所能控制的复杂或不大明了的系统，这种高级控制能提供一个切实可行的方案使其接近目前人类专家认识水平上的定性数据。随着工业控制的发展，智能控制技术领域的繁荣已经为新的控制技术提供了一些重要的应用。
关于智能控制的一些基本概念已在本篇文章中加以解释，并通过一个例子说明智能控制在温度控制系统中的运用。
模糊控制
模糊理论的发展源于用精确、传统的模型没法解释一些现实中遇到的物理现象，因
此，模糊理论成为探索复杂问题的一种有力工具，因为在没有使用精确、常规模型的情况下，对于定的输入它都能测定出输出量。它是没有模型的控制器。模糊控制理论的本质就是把复杂问题简单化。
设全域U中的一个子集为a，它们之间的关系用函数描述为：μa(χ):χ∈[0,1]，表示χ中的所有元素在a中的级别。模糊理论在很大程度上得益于人类语言，它是一
语言控制器，自然语言中的每个字或术语都可以视为全域U中的具体模糊子集a的一个标志。这个语言标志是用字、语法和句子来描述全域U.的子集。一个模糊语言上的变
量值就是作为模糊状态标志使用的语言术语，且是可以变化的。例如，模糊子集标志的高、中、低可作为模糊变量的值。
2、自适应模糊神经控制
自适应模糊神经控制通常包含在体系结构中设定的两个多层神经网络模型。其中第一个神经网络是一个设备竞争者，第二个作为一种补偿以提高基本模糊逻辑控制器的性能。这个系统的发展由三个阶段组成：第一阶段，为设备发展一个基本模糊逻辑控制器；第二阶段，依据设备动力学训练控制神经网络模型，根据设备的不同类型，这种神经网络的训练实时或离线时都可以使用；第三阶段，主要包括神经模糊补偿的在线学习。预期输出与实际输出之间所表现出的误差会通过神经设备竞争者向后反馈，以适应在线神经模糊补偿的分量。这种过程促进了神经网络设备竞争者与实际输出之间的误差在后向反馈中的即时改进。
3、专家模糊系统
专家系统有许多专家知识和实践经历，所以被称为程序系统；在专家的知识和先前实验数据的基础上，专家系统得到了很大的发展。为了要图解式地表达专家的知识，一个知识网络常通过因果关系的例证被证实；模糊全集函数可以像语言学上的陈述来使用。当专家系统出现故障时，它便开始使用向后和向前的链接方法查找根本原因。然后，依照查找到的原因修正控制策略；对每一步操作，它都会考虑到确切步骤不同程度的作用。如果最初原因的判断超过了预先定义的界限，专家系统会执行操作；当判断低于预
定的界限，而且如果这步操作不可撤消的话，专家系统就会给操作员发出消息等待他的决断。如果操作是可逆的，专家系统会毅然使用该操作。这三种不同的控制方案研究是
可选的，比如：给操作员“提出要点”、“模糊回答”、“建议”等。当专家系统执行使用“提出要点”这一方案时，就会发送进程变量的一个最新值给高层控制系统。使用“建议”方案时，系统将“建议”发给进程操作员让其手动完成操作。“模糊回答”包括三个部分，一个进程变量、自预定义模糊集合方程和所发现原始明确原因的程度。对于出现的每一个故障，将建立一个“模糊回答”。
4．人工神经网络
人工神经网络在数学模型中模拟了生物大脑神经网络，大脑是一个大规模的信息处理系统，它连接了将近1010个神经元。人工神经网络以平行分布的方式连接了许多线性
或非线性的神经元模型和进程信息。当传统计算机的计算速度因为从计算方案的预指定运算法则减缓时，神经网络就会以很高的速度执行计算。另外，神经网络有很多有趣吸引人的特征，比如宽大的并行处理，错误容忍力，自适应学习能力和自我组织能力。
一个人工神经网络就是在不同层聚集起来的神经单元的一个集合。如图1所示为一个典型的多个神经网络。
多个网络可以实现任意复杂输入输出之间的映射。一个神经元i在第k层的输出如下：
其中yik是第k层第i个神经元的输出，wyk是第k-i层第i个神经元与第k层第i个神经元之间的连接分量，m是总的层数，Xik-1是第k-i层第i个神经元的活化，θj是第j个神经元的极值，函数表示神经元的活化规则，它通常是一个分段、具有一定斜率的线性s曲线。在一个竞争的神经网络中，在第k层每一个神经元i和同层中的其他神经元形成竞争关系。为了学习神经网络的
分量，可以使用后向反馈误差的运算法则。这种法则运用倾斜的搜索技巧求出误差函数的最小值。近来，神经网络使用控制系统与其他控制器组合到一起，比如神经网络piD控制器，神经网络模糊控制……众多实例说明组合控制的效果优于单个系统。
5、仿真实例
在锅炉温度控制中，神经网络控制的实现过程如图2所示：
控制器是神经网络piD控制计划，温度控制系统结构如图3所示：
当神经网络piD校准器是一个两层网络控制的系统，其如图4所示：
,(2)
,
运算法则是基于一种倾斜的理论基础上的，它被称之为后向传输理论，这个在两层
之间的反向误差信号表达式为：
，（3）
其中f(x)是f与x之间关系的派生，这个关系分量表示为：
，（4）
其中，学习比例，（5）
精深的论据，（6）
系数η0=0.3,α0=0.95.实验中使用容积为8升的锅炉，选用800w的加热器，当时间0
6、结论
之前也根据这一研究结果所绘制的“互联网虚拟大脑结构图”对互联网与云计算，大数据，物联网，工业4.0(工业互联网)的关系进行了阐释。
1.物联网是互联网大脑的感觉神经系统，
因为物联网重点突出了传感器感知的概念，同时它也具备网络线路传输，信息存储和处理，行业应用接口等功能。而且也往往与互联网共用服务器，网络线路和应用接口，使人与人(HumantiHuman，H2H)，人与物(Humantothing，H2t)、物与物(thingtothing，t2t)之间的交流变成可能，最终将使人类社会、信息空间和物理世界(人机物)融为一体
2.云计算是互联网大脑的中枢神经系统，
在互联网虚拟大脑的架构中，，互联网虚拟大脑的中枢神经系统是将互联网的核心硬件层，核心软件层和互联网信息层统一起来为互联网各虚拟神经系统提供支持和服务，从定义上看，云计算与互联网虚拟大脑中枢神经系统的特征非常吻合。在理想状态下，物联网的传感器和互联网的使用者通过网络线路和计算机终端与云计算进行交互，向云计算提供数据，接受云计算提供的服务。
3.大数据是互联网智慧和意识产生的基础
随着博客、社交网络、以及云计算、物联网等技术的兴起，互联网上数据信息正以前所未有的速度增长和累积。互联网用户的互动，企业和政府的信息，物联网传感器感应的实时信息每时每刻都在产生大量的结构化和非结构化数据，这些数据分散在整个互联网网络体系内，体量极其巨大。这些数据中蕴含了对经济，科技，教育等等领域非常宝贵的信息[52]。这就是互联网大数据兴起的根源和背景。
与此同时，深度学习为代表的机器学习算法在互联网领域的广泛使用，使得互联网大数据开始与人工智能进行更为深入的结合，这其中就包括在大数据和人工智能领域领先的世界级公司，如百度，谷歌，微软等。2011年谷歌开始将“深度学习”运用在自己的大数据处理上，互联网大数据与人工智能的结合为互联网大脑的智慧和意识产生奠定了基础。
4.工业4.0或工业互联网本质上是互联网运动神经系统的萌芽，
互联网中枢神经系统也就是云计算中的软件系统控制工业企业的生产设备，家庭的家用设备，办公室的办公设备，通过智能化，3D打印，无线传感等技术使的机械设备成为互联网大脑改造世界的工具。同时这些智能制造和智能设备也源源不断向互联网大脑反馈大数据数，供互联网中枢神经系统决策使用。
5.互联网+，反映反映互联网从广度、深度发育成成熟的互联网虚拟大脑的过程
关键词：电网故障诊断；故障诊断方法；展望
abstract:thispaperintroducesthenetworkfaultdiagnosisofthesignificanceandallkindsoffaultdiagnosismethods,andthecurrentpowergridfailurediagnosisdirectionwasstudied,andprospected.
Keywords:powergridfailurediagnosis;Faultdiagnosismethod;looking
中图分类号：U665.12文献标识码：a文章编号
1引言
我国电力正处于一个高速发展的时期，电力系统的迅速发展、受端负荷的持续增长、跨区域联网规模的扩大、电力工业市场化改革以及生态环境的约束使电网结构和运行方式日趋复，使电网状态趋近其运行极限，系统运行的不稳定因素增多，种种情况导致因偶发故障引发大规模停电风险的概率增高。电网是国民经济发展的大动脉，一旦发生大面积停电[1]，后果不堪设想。客观上讲，电力系统作为一个庞大的、高度复杂的动态系统，常处于不同的扰动之中，故障的发生又往往是无法完全避免的，这些问题给电网故障诊断提出了新的挑战。随着我国电力工业的发展，故障诊断研究具有很大的现实意义和实用价值[2]。
2电网故障诊断方法研究
电力系统故障诊断是根据事发环境下各类信息进行故障识别的过程。电力系统发展使得电网的规模越来越大，结构越来越复杂，电网发生故障关系到电力系统安全稳定运行的重要问题。为了适应各种简单和复杂事故情况下故障的快速、准确识别，需要电网故障诊断系统进行决策参考。因此，从20世纪80年代起国内外专家学者们进行了大量的研究工作，提出了多种故障诊断技术和方法[3]，主要有专家系统、人工神经网络、优化技术、petri网络、粗糙集理论、模糊集理论、贝叶斯网络、基于电网潮流分布特征法和信息理论法。下面分别介绍这几种应用在电网故障诊断的研究发展状况。
2.1专家系统法
专家系统是发展最早，也是比较成熟的一种人工智能技术。它利用计算机技术将相关专业领域的理论知识和专家的经验知识融合在一起，通过数据库、知识库、推理机、人机接口、解释程序和知识获取程序的有机连接，达到具备解决专业领域问题的能力。
70年代初期专家系统就被引入到电网故障诊断研究领域。其在电网故障诊断[4]中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论，具有直观性、实时性和有效性；能够在一定程度上解决不确定性问题；能够给出符合人类语言习惯的结论并具有相应的解释能力等优点。但是不可避免在实际应用中存在一些缺陷：知识获取瓶颈、系统维护难、容错能力差等问题。现在多是将专家系统与其他方法结合起来进行故障诊断。
2.2人工神经网络
人工神经网络是通过模拟人类的神经系统来处理信息过程的一种人工智能技术。它具有并行处理、非线性映射、联想记忆能力和在线学习能力等特点，在电力系统和其他领域中都有着广泛的应用。
电网中不同的故障组合模式会产生不同的故障信息组合模式，可以将故障诊断问题视为模式识别问题，采用人工神经网络进行处理。为此需要建立比较完全的训练样本，用预选事故集作为输入，故障信息集作为监督输出，对神经网络进行训练。文献[5]较早将Bp(误差反向传播)神经网络应用于电力系统故障诊断，但该方法存在训练速度慢的缺点。径向基函数（RBF）神经网络具有任意函数逼近能力，且学习速度更快，因此文献[6]提出用新型神经网络解决故障诊断问题。与专家系统诊断方法相比,神经网络故障诊断方法可避免专业知识和专家启发性知识的形成、表达及管理等繁琐工作。同时,如何保证训练神经网络所用的样本库的完全性、提高训练速度和收敛性，仍是神经网络需要重点解决的问题。
2.3优化技术
随着计算机技术和计算数学的发展，国内外学者提出了多种优化算法，采用优化算法进行电网的故障诊断是一种新的思路。采用优化算法需要根据电网故障的特点设定假想事故集的目标函数或适应度函数，各种优化算法根据适应度值对假想事故集进行更新，直至搜索到适应度最大的假想事故集,以作为最终故障诊断的结果。其实质是将故障诊断问题转化为无约束的一整数规划问题进行寻优处理。目前研究得较多的是遗传算法、禁忌搜索、模拟退火等算法等等。
2.4petri网
petri网是数学家C.a.petri于1960-1965年提出的一种通用的数学模型，可用图形表示，并用矩阵运算进行严格的数学描述。petri网既可用位置节点（place）和变迁节点（transition）对系统进行静态的结构分析，又可以通过节点上的令牌（token）进行动态的行为分析，可用于描述电网故障及切除的离散事件动态行为。
petri网作为一种简洁、高效的形式化语言，在故障诊断领域有着巨大的潜力。但另一方面，在对大规模或复杂性网络进行网建模时，可能出现状态组合爆炸的情况,，而且petri网容错能力较差，不易识别错误信息。为此还需研究对网进行化简和分解的归纳分析技术,或考虑采用更高级的有色网。
2.5粗糙集理论
粗糙集理论是一种新的研究不完整、不确定且不精确信息的表达、学习和归纳的数学工具。它建立在分类机制的基础之上，将分类理解为等价关系，用这些等价关系对特定空间进行划分，提取出组涵的“知识”，知识约简是粗糙集理论的核心内容之一。
文献[7]根据电网故障信息中的冗余性，利用粗糙集理论对不同故障模式所对应的警报信息组合进行化简，识别出必不可少的警报信息，在决策表中剔除可有可无的警报信息，以便从样本数据中提炼出简洁、高效、具有一定容错能力的规则知识库。粗糙集理论用于电网故障诊断的缺点是有些先验信息不能得以有效利用,且电网规模过大时,决策表的形成也会比较困难。
2.6模糊集理论
模糊集理论是在模糊集合理论的基础上发展起来的，它采用模糊隶属度的概念来描述不精确、不确定的对象，并采用近似推理规则，使专家知识得以有效表达，且具有很强的容错能力。
综上可看出，模糊集理论比较适合用来处理电网故障诊断中继电保护动作的不确定性和故障信息的不完备性。文献[8]不仅引人了保护和断路器的动作信息，而且按额定值将遥测量进行模糊化用于故障诊断，为故障诊断的多信息融合提供了新的思路。采用模糊集理论进行电网故障诊断也存在一些问题：像隶属度函数的选择无明确的标准、可维护性较差等。所以在电网故障诊断领域中，模糊集理论通常与其他诊断方法相结合，互相渗透、取长补短。
2.7贝叶斯网络
贝叶斯网络是基于图论和严格的概率理论的一种不确定性知识表达和推理模型。目前贝叶斯网的理论研究主要集中在其网络的构造、学习、推理和应用等几个方面。它将因果知识和先验概率信息有机结合，使用概率理论来处理不同知识成分之间因条件相关而产生的不确定性，同时它能够有效的进行多源信息的表达和融合。
基于贝叶斯网络及其改进方法的电网故障诊断方法[9]能针对电网故障中存在的信息不完备和不确定性问题，建立完备和不完备信息下的贝叶斯网络模型进行故障诊断，但该方法需要先验概率信息，给出的亦是故障概率，而且贝叶斯的训练复杂，从理论上讲，它是一个np-complete问题，也就是说，对于现在的计算机是不可计算的。但是，对于某些应用，这个训练过程可以简化，并在计算上实现。
2.8基于电网潮流分布特征法
基于电网潮流分布特征法[10]立足故障前后电网潮流分布特征的变化，借助支路开断分布因子，智能选择量测支路和量测数据,在线预生成故障模式库，供不断提取的潮流分布特征模式进行匹配，具有快速、准确、自适应智能诊断的特性。
此方法能自适应跟踪电网运行方式并动态选择量测对象和量测数据，在线分析电网潮流分布特征与网络结构变化的关系，以提取潮流分布特征与故障模式库中模式进行匹配来实现电网故障的在线诊断。文[10]中算例表明，此方法准确高效，具有在线自适应智能诊断的功能，有助于提高把握网络事态和正确应对事故的能力。
2.9信息理论法
信息理论由Shannon于1948年首先提出，它从概率论出发,建立了信息熵、互信息等概念，比较科学地解决了概率信息的测度问题。目前，信息的统计定义已扩展到能够对非统计意义的信息予以度量。从信息理论的角度看，电网故障诊断还可视为一个多信息融合[11]的过程。如何将保护和断路器的动作信息、遥测量信息、录波信息、历史统计信息及专家经验信息等多种信息加以有效综合利用，这些难题将来也许可借鉴多信息融合技术中的信号处理、参数优化、统计和模式识别等方法加以解决。
3.结论
本文介绍了电网故障诊断的意义及其各种故障诊断方法的研究状况，为以后研究电网故障诊断的学者们奠定了一定的基础，具有现实的意义。
4.电网故障方法研究展望
电力系统是一个分布式的高维数、高度非线性的动态系统，而且有一系列比较特殊的物理特点，受其影响，电网的故障诊断也有一些比较突出的难点。目前，电网发生故障时候，故障信息反应为电气量、继电保护和开关量的异常变化。而事实表明：依靠单一信息往往不能满足诊断的性能要求，多源信息的异构特性，加上诊断中的不确定性，使综合利用多源信息以及信息融合非常困难，目前这方面的理论研究也还远远不够，所以信息融合技术方法研究是以后研究的方向。
参考文献：
李春艳,陈洲,肖孟金等.西欧“11.4”大停电分析及对华中电网的启示[J].高电压技术,2008,34(1):163-167.
郭创新,朱传柏,曹一家,等.电力系统故障诊断的研究现状与发展趋势[J].电力系统自动化,2006,30(8):98-103.
陈玉林,陈允平,孙金莉等.电网故障诊断方法综述[J].中国电力,2006,39(5):27-31.
angeliC.onlineexpertsystemsforfaultdiagnosisintechnicalprocesses[J].expertSystems,2008(3):115-132.
CHene.applicationofneuralnetworkcomputinginintelligentalarmprocessing[a].powerindustryComputerapplicationConference[C].Seattle,USa:ieee,1989.246-251.
刘志远,吕剑虹,陈来九.新型RBF神经网络及在热工过程建模中的应用[J].2002,22(9):118-122.
刘育名,周全,唐捷,等.粗糙集理论提取配电网故障诊断规则的方法[J].高电压技术,2006,32(8):97-99.
周明,任建文,李庚银等.基于模糊推理的分布式电力系统故障诊断专家系统[J].电力系统自动化,2001,25(24):33-36.
吴欣,郭创新,曹一家.基于贝叶斯网络及信息时序属性的电力系统故障诊断方法[J].中国电机工程学报,2005,25(13):14-16.
陈彬,于继来.基于电网潮流分布特征的在线故障智能诊断[J].电力系统自动
化,2007,31(16):29-34.人工智能神经网络概念篇9
人工智能神经网络概念篇10