人工神經網絡在繼電器評價系統的應用研究

【摘要】為了提高繼電器在設計和生產階段的整體品質，通過建立基于人工神經網絡的多層次綜合評判模型，就可以在很大程度上對繼電器產品進行有效的評價，從而提高了繼電器產品的設計和生產質量。

【關鍵詞】人工神經網絡；繼電器；評價系統；綜合評判模型

0.引言

繼電器是一種電子控制器件，它具有控制系統（又稱輸入回路）和被控制系統（又稱輸出回路），廣泛應用于遙控、通訊、現代國防軍事、工業自動化、交通（鐵路、公路和航空）以及農業機械等領域中。繼電器產品設計方案的評價方案的好壞直接影響了設計水平的高低，所以一個合理的繼電器評價系統將會大大提高產品性能。本文旨在建立一個基于人工神經網絡的繼電器綜合評判模型，它是盡量模擬領域專家解決實際問題的過程，這樣就能使得評價系統更合理、更完善。

1.目前國內外綜合評價方法現狀

1.1現有的評價方法

目前常用的綜合評價方法分為以下幾類，專家評價法、經濟分析法、運籌學和其他數學方法、智能法等。專家評價法是以專家的專管判斷為基礎，通常以“分數”、“指數”、“評語”等作為評價的標準，這類方法由于比較簡單，所以得到廣泛應用。但由于評價結果容易受到評價人主觀意識的影響和經驗，知識的局限，容易帶有個人偏見和片面性。

經濟分析法是一種以事先議定好的某個綜合經濟指標來評價不同的對象的CE方法。運籌學和其他數學方法因為用到的數學知識較多，目前有以下幾類：多目標決策方法、層次分析法、模糊綜合評價方法等。智能化評價方法主要是基于BP人工神經網絡的評價方法，通過BP算法，學習或訓練獲取知識，并存儲在神經元的權值中。由于基于BP人工神經網絡的評價方法具有自適應性、可容錯性、能夠處理非線形、非局域性等復雜關系系統，所以得到越來越鋼釩的應用。本文即時此評價方法的應用。

1.2 多種綜合評價方法并用

單一的綜合評價方法已經不能滿足復雜的現實狀況，因此需要把各種綜合評價方法結合起來使用。在現階段的研究中，以兩種綜合評價方法的組合最為普遍。

2.繼電器綜合評價模型

2.1人工神經網絡簡介

人工神經網絡（Aritifical Neural Networks，簡稱ANN），是以計算機網絡系統模擬生物神經網絡的智能計算機系統，是對人腦或自然神經網絡的若干基本特性的抽象和模擬。它由大量的神經元組成，它非常重要的特征就是能自學習、自組織、自適應，還能夠并行處理和容錯。進入20世紀90年代以來，人工智能技術，如神經網絡、模糊邏輯、遺傳算法等開始在電力系統的各個領域得到廣泛應用。

隨著人工神經網絡的逐步完善，運用人工神經網絡建立綜合評價系統往往能取得意料不到的效果。尤其是針對那些評測目標繁多，目標間關系復雜的系統進行綜合評價，人工神經網絡模型往往能更好的取得滿意的結果。

目前，人工神經網絡在綜合評價系統中已經得到廣泛應用，例如人工神經網絡方法在綜合評價秈稻品質中的應用，人工神經網絡在電器優化設計中的研究等等。本課題在對人工神經網絡進行深入研究的基礎上，根據繼電器產品評價指標繁多的特點，計劃提出一種新的針對電器產品模糊評判中評價指標的權重分配方法，并運用神經網絡對繼電器設計方案進行評價，應用Matlab仿真軟件進行編程，從而實現對繼電器產品高效、快捷的評價方法。

2.2基于人工神經網絡的繼電器評價系統

在確立了一個多層次的綜合評價體系之后，總結影響評價結果的幾大參數，比如：工藝特性、靜態特性、過負荷能力、成本特性等，并根據測得數據進行綜合評價，比如，分為優、良、中、差等。而基于人工神經網絡的模糊識別系統在這方面就有著明顯的優勢。

人工神經網絡結構主要分為三層神經網絡，分別是輸入層（input）、隱層（hide layer）和輸出層（output layer）。通過利用上面評價結果對測量數據進行分組，從而對神經網絡進行有監督的訓練。經過訓練的神經網絡就可以用來評判其它繼電器。

2.3 BP算法數學運算規則

BP（back propagation）即多層前饋網絡，也就是神經元的鏈接權重的訓練是從最后一層（輸出層）開始，然后反向依次更新前一層的鏈接權重。

當神經元的激勵函數是SIGMOID型時，由神經元組成的前傳型網絡的傳遞函數是可導的。所以誤差向后傳播學習方法可以用LMS法則。令某一訓練輸入矢量為XK， YK，輸入層有n個節點，輸出層有m個節點，則：