人工神經網絡在自動化領域的應用

魏曉丹

摘?要：人工神經網絡是一種模擬生物神經網絡并行處理和發送信息的數學模型或算法手段，隨著科學技術的不斷提高，它的應用領域越來越廣泛。本文對人工神經網絡的組成和特點進行了介紹，詳細論述了人工神經網絡在自動化領域中的應用，為人工神經網絡在自動化領域中的應用提供了新思路和新途徑。

關鍵詞：人工神經網絡;自動化領域;應用

隨著經濟的不斷發展，市場不斷增長和變化的需求對自動化領域的自動化系統及技術提出了更高的要求，人工神經網絡作為一種模擬生物神經網絡進行信息的處理和發送的算法模型，為解決這一問題提供了有效的思路和途徑。

一、人工神經網絡

（一）人工神經網絡的定義

于上個世紀五十年代出現的人工神經網絡，以生物神經網絡建立而成，它通過模擬生物神經網絡行為，以一組共同連接的人工神經元為媒介，以連接和新值節點為終點，從而進行信息的處理和發送，是一種算法數學模型。隨著經濟和社會的不斷發展，如今，許多國內外科學家從理論、實踐層面都在對人工神經網絡進行研究，人工神經網絡在手寫識別、信息處理、生物醫學工程等許多領域里，人工神經網絡都得到了應用，并且取得了不錯的應用成就。

（二）神經元

神經元是一個人工神經網絡的基本單位，又被稱為“神經細胞”、“處理元”或“單位”。每一個人工神經網絡都存在一定的層，每一層都存在一定的神經元，每一層的神經元具有相同的傳遞函數，每一層的神經元都有著不同的任務，有著不同任務的不同層神經元組合構成一個人工神經網絡。在人工神經網絡里，輸入帶權值得到總和后，再通過傳遞函數得到神經元的輸出值，最后獲得人工神經網絡結構的“層”。人工神經網絡中的神經元和“層”具有輸入輸出、傳遞、反饋誤差、消除誤差等功能。在人工神經網絡里，將信息輸入，信息將以人工神經網絡所指定的傳遞規則，從輸入層傳遞到輸出層，如果出現了誤差，信息則會從輸出層傳遞到輸入層，且在傳遞的過程中，人工神經網絡會根據具體情況而發生自我變化。

（三）人工神經網絡的“學習能力”

而這種自我變化，是人工神經網絡在連接中能夠進行基于經驗的加權，從而使得神經網絡擁有了“學習能力”。人工神經網絡的“學習能力”體現在，它不僅可以借助給出的范例進行輸入、輸出，同時可以區別各個輸出值，并且進行歸納、識別，這是人工操作和傳統網絡難以實現的，通過運用人工神經網絡的“學習能力”，有利于提高工作的質量、效率和精確度，也有利于減少工作可能出現的問題和誤差，同時也成為了科學技術發展的一個新方向。

二、人工神經網絡在自動化領域的應用

（一）自動化領域現狀

隨著經濟的快速發展，市場對產品的更新換代速度、種類、品種、分工的要求越來越高，自動化領域也需要利用新的算法和技術來提高自動化系統的效率和精度，從而滿足市場的需求，同時，新技術在自動化領域的應用也是科技發展研究的新方向。在自動化領域里，人工神經網絡為自動化系統的創新發展提供了有效的思路和途徑。

（二）人工神經網絡的應用

美國田納西大學太空研究所的科學家Dietz和Kiech將一個三層的神經網絡安裝在火箭上，對火箭實現了近乎實時的診斷，且具有較高的可靠性，這可以幫助人們及時地發現火箭在運行過程中可能發生的問題，在火箭發生故障時及時、準確地進行診斷，進行及時、有效的應急處理，減少悲劇的發生。德國人工智能專家Schoneburg和他的同事們也利用了人工神經網絡，將人工神經網絡和柴油發動機診斷系統相結合，開發了一種名為“DIAMOND”的混合發動機診斷系統，這一混合發動機診斷系統基于人工神經網絡，借助發動機專用數據庫中的范例，可以達到診斷柴油發動機故障的目的，且保障其準確性。例如柴油發動機在全負荷時容易出現功率不足，閥門間隙調節容易出現不正常的狀況，在出現這些問題時，基于人工神經網絡的柴油發動機診斷系統可以及時地作出反饋。且基于人工神經網絡的診斷不是單一的，是多層次的，它可以通過人工神經網絡的不同的輸入、輸出層，來診斷出不同類型的發動機不同的癥狀和故障。人工神經網絡這一技術也可以應用在汽車這一交通工具上，一輛汽車即將通過一段設置有路障的路程，人工神經網絡通過對汽車的行駛速度和行駛方向的檢測，對異常速度和異常方向進行及時的診斷、反饋，做出有效的控制指令，使得汽車能夠及時避開路障，順利地在路上行駛，從而保證汽車的駕駛安全。人工神經網絡也可以應用在手寫識別領域。基于人工神經網絡制造出一個手寫識別系統，可以作為電腦輸入裝置幫助人們對不同風格的字進行手寫識別，這在操作上比鼠標和鍵盤更為方便，有利于提高人們的效率。人工神經網絡也可以應用在航天航空領域，幫助人們嚴格把控航天航空零件的精度;人工神經網絡也可利用自身的“學習能力”，根據人們輸入提供的程序代碼或范例，自動設計出產品實體模型;人工神經網絡也可以利用自身的監測、反饋功能，對整個過程進行監測，并且及時反饋出現的問題和故障，便于人們及時發現問題和改進工作。

三、人工神經網絡的應用問題

人工神經網絡已經從理論階段走向應用階段，在自動化領域里取得了不少成功的應用，能夠幫助人們更好地實現自動化，提高工作的高效率。然而在自動化領域里，還應用著各種信息輸入輸出、信息處理方法等技術，且那些技術應用時間長，與人工神經網絡的應用相比，更富有經驗和成效。人工神經網絡作為一種新的應用算法和技術，有著廣泛、復雜的網絡組織，因此在應用和構造人工神經網絡上具有較大的復雜性和困難性，因此，人工神經網絡的應用還存在著許多有待解決的問題。

四、結語

人們要從人工神經網絡的成功應用里總結出成功的經驗，不斷深入研究，提高實驗的頻率，在實驗中挖掘出更簡便有效的應用方法，使得自動化過程更為快速、精確和完善，突出人工神經網絡的應用的必要性和重要性，為如何將人工神經網絡應用在自動化領域提供理論和實踐支撐，而人工神經網絡將會成為自動化領域甚至其他領域的一個新的應用方向和研究方向。

參考文獻：

[1]翟輝.淺談人工智能在電氣自動化控制中應用[J].科技創新導報，2009（27）.

[2]郝俊華，李春麗.基于人工智能技術的電氣自動化控制研究[J].中國新技術新產品，2012（9）.

[3]宋明安.面向機械制造自動化的現代生產管理系統[J].工業工程與管理，2004.

[4]孟軍煥，孫汝軍，姚俊紅，張秀英.智能制造系統的現狀與展望[J].機械工程與自動化，2005.

[5]趙東標，朱劍英.智能制造技術與系統的發展與研究[J].中國機械工程，1999.

[6]劉濤.只能制造技術在工控自動化領域的應用[J].產業與科技論壇，2015，14（01）：47-48.