基于人工神经网络的振动压路机智能控制研究

基于人工神经网络的振动压路机智能控制研究（精选3篇）

1.基于人工神经网络的振动压路机智能控制研究 篇一

【关键词】人工智能；智能网络；优化方法；优化工具

伴随着知识时代以及信息社会的到来，信息正以空前的速度发展，面对庞大的信息，人类以前所依靠的自然智能越来越吃力，怎样用人工打造的智能来模仿自然智能，以实现对信息的智能处理，这是当今信息社会所面对的一个越来越重要的课题。人工智能长久以来都处在计算机科技的前沿，它是人类面对知识经济巨大挑战以及走向信息社会所必不可少的一项技术。信息社会对于智能的强烈要求是推动人工智能快速发展的强大动力。近年来，随着多媒体技术，计算机网络的发展，人工智能也迎来了蓬勃发展的全新时期。基于人工智能技术在我国网络领域的应用，我国的计算机网络呈现出越来越高的智能化，使我国的网络显现出全新的面貌。与此同时，智能网络的优化也显得越来越重要。

一、人工智能技术的概述

1.人工智能的概念

人工智能也就是所说的机器智能，简称为AI。它是由计算机学、信息论、心理学等诸多学科之间相互渗透而发展形成的一门科学。该科学通过计算机系统模拟智能活动，就科学的层面讲，人工智能可看作计算机学的分支。总体来看，人工智能极富挑战性，研究人工智能的目的是用机器来完成一些需要人类自然智能才可以完成的较复杂工作[1]。

2.人工智能的优势

毫无疑问，人类智能是最高级复杂的天然智能。然而，无数例子表明，人类思维存在着一定的局限性，这主要表现在四个层面：一是对于信息加工处理效率并不高。二是人脑容量有限且准确性比较差。三是人脑在功能及活动空间上有限。四是人在工作过程中容易受到精神状态、生理状况以及外界环境的影响。而人工智能不仅可以向人类思维那样工作，而且还能很好的克服人脑的局限性，因此人工智能体现出很大的优势。

3.人工智能的发展史

人工智能的实现需从计算机刚诞生时算起，其发展可大致分成三个阶段。

第一阶段即人工智能形成的阶段。1955年香农发明一种树形结构程序，该程序运行时，其在树中寻找与答案最接近的分支探索，从而得到正确答案，该程序标志着人工智能技术的正式起步[2]。

第二阶段即发展阶段。人工智能从该阶段由纯理论探索转变为应用研究，从而相继产生专家系统、自动程序设计以及语言理解等重要技术。

第三阶段即人工智能全新高速发展阶段。此时机器翻译全面复苏并走向市场。数百家公司加入研究，人工智能不断完善。智能机器人以及第5代计算机研制产生。人工智能发展进入全新阶段。

二、基于人工智能技术的智能网络优化的概念和内容

1.基于人工智能技术的智能网络优化的概念及意义

伴随通信技术的发展，客户数目不断增加，因此对通信质量要求也越来越高。当前基于人工智能技术的智能网络优化成为热点问题，由当前智能通信网络降低信道拥塞，从而实现通信的高质量。基于人工智能技术的智能网络优化是在对智能网络运行状况有充分了解的前提下，利用各种手段，对智能网络中不恰当的部分加以调整，从而使网络实现最佳状态。基于人工智能技术的智能网络优化是一项长期性质的工作，必须进行合理规划和建设，才能实现网络的良性运行[3]。

基于人工智能技术的智能网络优化指的是在运行的智能网络提取并分析数据。对影响网络运行的因素及网络运行过程中不确定的因素加以分析，经过参数的优化以及利用技术手段进行实时处理，从而对智能网络运行状况进行更新，以至于令当前网络的状况最佳。基于人工智能技术的智能网络优化的目的是提高智能网络的通信质量并保持智能网络的通信质量。若从网络的层面来看，基于人工智能技术的智能网络优化的目的是提高移动通信质量，同时尽量减少进行网络维护所需的成本。

2.基于人工智能技术的智能网络优化的内容

基于人工智能技术的智能网络优化即对网络运行状况有充分了解的情况下，对当前的智能网络数据来进行采集并加以分析，若发现影响网络质量的因素，应立即采取不同的技术或手段来对网络加以调整优化，从而使网络呈现最佳状态，同时优化资源。基于人工智能技术的智能网络优化的内容包括排除设备故障，维持网络均衡以及话务均衡，提升通话质量，改善智能网络运行指标，配置网络资源并建立维护智能网络的优化平台以及智能网络优化方案[4]。

三、基于人工智能技术的智能网络优化的方法

随着我国智能网络的迅猛增长，基于人工智能技术的智能网络建设愈加重要。利用快速有效的智能网络优化方法，改善基于人工智能技术的智能网络性能以及服务质量，成为当今智能网络运营商极为关注的一个问题。

1.基于人工智能技术的智能网络优化代理

目前多数基于人工智能技术的智能网络优化依赖维护人员经验以及生产商所提供的一些智能网络优化工具，很难实现智能网络优化的系统性、自动化及连续性。所以将较先进的人工智能技术与智能网络优化相结合，来开发智能网络的优化工具就显得很重要。

智能代理IA即基于庞大信息，其中包括事实，数据，领域知识经验，来模拟人脑思维的集成系统。基于人工智能技术的智能网络优化是高层次网络维护工作，在优化过程中会涉及到网络软件及硬件等各部分，并使用到多方面的技术。因不同厂商所提供的参数及采集的智能网元性能不同，因此智能网络优化应同时考虑不同厂商系统和设备的不同特点。

2.基于人工智能技术的智能网络优化过程

（1）智能建模

表征智能网络特性的即从厂家OMC所采集庞大数据，为实现基于智能网络特性评估上的网络优化，必须对这些数据加以分析，从而判断网络运行状。ISO-CMCN采取模糊隶属度，模糊智能网络性能数据，将它们描述成自然语言，从而建立能够合理描绘网络运行状况的量化模型[5]。

（2）模糊知识库

ISO-CMCN智能网络优化工具中，使用的是基于事例以及规则上的模糊知识的表达方式.所谓规则表达即将智能网络优化经验归为前提到结论的模式，并且引进模糊因子来反映知识的不确定性。事例表达即以“事例-属性”的形式描绘智能网络的优化。采用的是模糊量化方面技术。从应用角度讲模糊表达方式可有效描绘工程师具体网优化时所用的知识。

（3）信息推理

信息推理即运用经验知识以及实时信息进行问题解决的过程。IOS-CMCN设计了在规则及事例基础上的推理机。推理机自动识别优化模型后，进入规则、事例推理。应用规则推理时，以现有网络运行事件作为驱动，通过模糊知识库模拟实现优化专家的思维。应用事例进行推理时，推理机分析事件特征，根据库中典型事例，通过推理方式来进行智能网络优化处理。

四、结束语

本文介绍了基于人工智能技术的智能网络优化方法，推动了智能网络优化的自动化及智能化，降低了对人的依靠，并且提高了优化效率，为智能网络优化提供了新方法。但其仍存在一些不足之处，我们期待能够在不远的将来找到更完善更优化的方法。

参考文献

[1]任锦,彭玮.浅析人工智能技术[J].科教文汇,2010(12).

[2]杜建凤,宋俊德.蜂窝移动通信网络的智能优化方法研究[J].北京邮电大学学报,2010(24).

[3]冯隽逸.基于移动通信网络优化的智能分析优化系统[J].电脑与电信,2009(10).

[4]马旭涛.下一代网络中业务提供及其优化技术研究[J].北京邮电大学学报,2009(04).

[5]李校坡.无线局域网的智能网络优化技术研究[J].黑龙江科技信息,2010(23).

2.基于人工神经网络的振动压路机智能控制研究 篇二

关键词：人工智能　自动化

中图分类号：TP18　文献标识码：A　文章编号：1672-3791(2012)01(c)-0088-01

积极运用人工智能的新成果无疑有利于电气自动化学科特别是自动控制领域的发展，也有利于提高电气设备运行的智能化水平，对改造电气设备系统，增强控制系统稳定性，加快生产效率都有重大意义。

1　人工智能应用理论分析

人工智能是研究，开发用于模拟、延伸和扩展人的智能的理论、方法，技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别，图像识别、自然语言处理和专家系统等。自从1956年“人工智能”一词在Dartmouth学会上提出以后，人工智能研究飞速发展，成为以计算机为主，涉及信息论、控制论、自动化、仿生学，生物学、心理学，数理逻辑、语言学、医学和哲学的一门学科。人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂的工作。

当今社会，计算机技术已经渗透到生产生活的方方面面，计算机编程技术的日新月异催生自动化生产，运输，传播的快速发展。人脑是最精密的机器，编程也不过是简单的模仿人脑的收集、分析、交换、处理、回馈，所以模仿模拟人脑的机能将是实现自动化的主要途径。电气自动化控制是增强生产、流通、交换、分配等关键一环，实现自动化，就等于减少了人力资本投入，并提高了运作的效率。人工智能应用于电气自动化控制领域，就是打造具有人的一部份判断能力、处理能力的电气控制系统，提高生产能力，支持产业结构的调整和优化。

2　人工智能控制器的优势

不同的人工智能控制通常用完全不同的方法去讨论。但AI控制器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解，也有利于控制策略的统一开发。这些AI函数近似器比常规的函数估计器具有更多的优势，这些优势如下：

(1)它们的设计不需要控制对象的模型(在许多场合，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如；参数变化，非线性时，往往不知道)。

(2)通过适当调整(根据响应时间、下降时间、鲁棒性能等)它们能提高性能。例如：模糊逻辑控制器的上升时间比最优PID控制器快1.5倍，下降时间快3.5倍，过冲更小。

(3)它们比古典控制器的调节容易。

(4)在没有必须专家知识时，通过响应数据也能设计它们。

(5)运用语言和响应信息可能设计它们。

(6)它们有相当好的一致性(当使用一些新的未知输入数据就能得到好的估计)，与驱动器的特性无关。现在没有使用人工智能的控制算法对特定对象控制效果十分好，但对其他控制对象效果就不会一致性地好，因此对具体对象必须具体设计。

(7)它们对新数据或新信息具有很好的适应性。

(8)它们能解决常规方法不能解决的问题。

(9)它们具有很好的抗噪聲干扰能力。

(10)它们的实现十分便宜，特别是使用最小配置时。

(11)它们很容易扩展和修改。

总之，当采用自适应模糊神经控制器，规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程。但主要的目标是使用系统技术实现稳定的解，并且找到最简单的拓朴结构配景，自学习迅速，收敛快速。3人工智能的应用现状

随着人工智能技术的发展，许多高等院校及科研机构就人工智能在电气设备的应用方面展开了研究工作，如将人工智能用于电气产品优化设计、故障预测及诊断、控制与保护等领域。

3.1　优化设计

电气设备的设计是一项复杂的工作，它不仅要应用电路，电磁场、电机电器等学科的知识，还要大量运用设计中的经验性知识。传统的产品设计是采用简单的实验手段和根据经验用手工的方式进行的，因此很难获得最优方案。随着计算机技术的发展，电气产品的设计从手工逐渐转向计算机辅助设计(CAD)，大大缩短了产品开发周期。人工智能的引进，使传统的CAD技术如虎添翼，产品设计的效率及质量得到全面提高。

优化设计的另一个有力武器是专家系统。但从目前已开发的专家系统来看。总体上仍处于研究阶段，离实用尚有一定距离。将专家系统应用到电机设计领域是从1988年J.H.Garret建立变压器设计专家系统开始的，目前我国沈阳工业大学特种电机研究所研制了永磁直流电动机及永磁同步电动机的设计专家系统；西安交通大学、华中理工大学、东南大学各自开发了异步电动机的设计专家系统，都取得了一定成效。

3.2　故障诊断

电气设备的故障与其征兆之间的关系错综复杂，具有不确定性及非线性，用人工智能方法恰好能发挥其优势。已用于电气设备故障诊断的人工智能技术有：模糊逻辑、专家系统、神经网络。

变压器由于在电力系统中的特殊地位而备受关注，有关方面的研究论文较多。目前对变压器进行故障诊断最常用的方法是对变压器油中分解的气体进行分析，从而判断变压器的故障程度。

人工智能故障诊断技术在发电机及电动机方面的研究工作也较为活跃。

3.3　智能控制

人工智能控制技术在自动控制领域的研究与应用已广泛展开，但在电气设备控制领域所见报道不多。可用于控制的人工智能方法主要有3种：模糊控制，神经网络控制，专家系统控制。由于模糊控制是其中最为简单、最具实际意义的方法，因而它的应用实例最多。

4　结语

人类智能主要包括三个方面，即感知能力，思维能力，行为能力。而人工智能是指由人类制造出来的“机器”

3.基于人工神经网络的振动压路机智能控制研究 篇三

关键词：并购贷款；主成分分析法；人工神經网络；评价模型

一、引言

并购贷款业务是从2008年12月正式批准实行的，在禁锢了12年之后我国重新启动并购贷款业务，此举为我国企业并购融资提供了很大的方便，在经济高速发展的时代，并购贷款必然会成为加速经济发展的重要推手，并购贷款业务也会迅速发展。然而并购贷款本身的高风险性将会对并购贷款乃至整个经济带来巨大的负面影响，如何对并购贷款风险进行评价是亟待解决的问题。

二、并购贷款及其风险概述

（一）并购贷款概念

并购贷款，是指商业银行向并购方或其子公司发放的，用于支付并购交易价款的贷款。

并购贷款是贷款的一个品种，从资本市场的角度看，它是为了给企业并购筹集资金，由商业银行作为中介参与的外源间接融资行为，它实质上仍是一种金融交易行为：商业银行根据借款方的申请，将其对一定数额资金（存款）的使用权转让给借款方，并要求借款方提供一定的担保，借款方使用这笔资金进行并购活动，由商业银行对这次借贷的各方面风险进行整体评估而对其定价，规定借款方因获得资金使用权而应支付的利息以及支付方式等。从制度经济学的角度分析，由商业银行提供并购贷款，降低了企业为从事兼并和收购活动而进行融资的成本是一种降低交易成本的制度安排。

并购贷款涉及并购双方企业，包涵了行业、适用法律、股权结构、或有债务、资产价格认定等多方面问题，其风险明显高于一般贷款。因此并非所有的商业银行均适合开办此项贷款业务。为此银监会特地下发了执行《指引》的相关通知，对开办并购贷款的商业银行做了以下五项条件限制：有健全的风险管理和有效的内控机制；贷款损失专项准备充足率不低于100%；资本充足率不低于10%；一般准备余额不低于同期贷款余额的1%；有并购贷款尽职调查和风险评估的专业团队。《指引》还要求商业银行持续保持上述条件，商业银行开办并购贷款业务后，如发生不能持续满足以上所列条件的情况，应当停止办理新发生的并购贷款业务。

（二）并购贷款的风险

根据《商业银行并购贷款风险管理指引》的要求，评价商业银行并购贷款风险应考虑的主要因素按性质大体上可归纳为战略风险、法律与合规风险、整合风险、经营和财务风险等与并购有关的各项风险。

1、战略风险

所谓战略风险，就是指企业战略与实际状况相脱节，从而导致企业发展方向出现偏误的风险。战略风险的产生和战略定位有着直接的联系，定位不当或者定位失误，都会埋下战略风险的隐患。

战略风险指标主要是从产业相关度、战略相关性、企业文化、并购的整合效应、额外回报机会、预期战略成效、新的管理团队、风险控制、退出机制等方面确定。包括并购双方产业相关度；并购双方战略相关度；并购双方的企业文化是否合理；并购后的是否有整合效应；并购双方从整合中取得额外回报的机会；并购后的预期成效及企业价值增长的动力来源；并购后新的管理团队实现新的战略目标的可能性；并购的投机性及相应风险控制决策；协同效应未能实现时，并购方可能采取的风险控制措施或退出策略。

2、法律与合规风险

法律与合规风险是指在并购活动中，因操作不当可能违反有关法律、法规、监管规则或标准而导致并购失败的风险。并购贷款中的法律风险来自于多方面，而且和其他风险经常交织在一起，通常而言主要来自于以下多个方面：

第一，未进行详尽和有效的法律尽职调查。这将会是一个总括性的风险来源。传统上中资银行会偏向于关注借款人或项目的财务、经营、管理和市场等风险，对于法律风险则主要关注其有无合法的主体资格，章程的相关内容以及（项目）是否已获得必要的审批等相对简单的事项。

第二，来自于交易结构和并购方式的法律风险。并购方会从未来整合的需要、减少税负以及审批的简便性等各个角度提出不同的交易结构，在不同的交易结构和并购方式下，风险的来源和程度也会有所不同。

第三，担保通常是有效的风险防控手段，但不当或不合理的担保安排也可能导致风险的产生。银行对于担保工具的选择和安排是富有经验的，但由于在实践中提供有价值的担保并不是一件容易的事情，如果不能有效协调各种担保安排之间的关系，也容易引发风险。

第四，政府的批准与许可也是容易发生风险的地方。如果并购交易的批准程序不当，就会埋下风险隐患。对于目标企业所从事的固定资产投资项目，则应当关注其是否获得完整有效的批准或备案登记，特别是发改委、环保部门和行业主管机关的批准，否则会严重影响到并购后的整合及经营。此外对于大型的并购项目，还应当关注反垄断审查的程序和结果，银行对于反垄断审查中的风险应予重视。

第五，借款人与目标企业的资产与经营的合法性以及商业风险也需要引起重视，并应成为尽职调查中的一项重要内容。

第六，银行也应当关注和了解并购方除其提供的并购贷款外的收购资金的来源。如果其他资金主要来自于经营性的现金流则不会有重大的法律风险。而如果来自于其他融资途径的就要重点关注其中的风险问题。

第七，来自于法律文本的风险。法律文本的作用将是全面性的和总括性的，所有的法律、财务和管理等安排最终都会体现到法律文件中，而法律文件体系的完备性以及其内容是否详尽、适当和有效将直接影响到银行在并购贷款中的风险与责任。

法律与合规风险主要从主体资格、交易合法性、资金来源限制、担保合法性、还款控制合法性、权利保障、证监会合格审查、重组审核审查、其他合规性等方面确定。包括并购双方是否具备并购交易主体资格；并购交易是否按照相关规定已经获得批准；法律法规对并购交易的资金来源是否有限制性规定；担保是否合法有效并履行必要的法定程序；商业银行对还款现金流的控制是否合法；贷款人权利能否获得有效的法律保障；是否获得证监会的批准；是否获得重组审核的批准；与并购有关的其他方面的合规性。

3、整合风险

整合风险是指由于并购双方由于整合经验的欠缺或者并购整合技能不佳导致重组整合不力，不能发挥彼此双方的优势，造成管理成本和营销成本等上升的风险。

如果一个公司仅仅完成了资本整合，而没有完成人力资源和文化的整合，只能说是刚刚起步。根据贝恩管理咨询公司关于并购失败的调查研究，80%左右的国际并购失败案例直接或间接源于企业并购之后的整合，而只有20%左右的失败案例出现在并购的前期交易阶段。

整合风险主要包括发展战略整合、组织整合、资产整合、业务整合、人力资源及文化整合。

4、经营和财务风险

经营和财务风险是指并购后企业在各项经营和财务活动中由于各种难以预料和无法控制的因素，使企业在一定时期、一定范围内所获得的最终财务成果与预期的经营目标发生偏差，从而形成的使企业蒙受经济损失的可能性。

经营和财务风险主要从产业市场前景、竞争地位、企业成长性、企业家能力、企业发展战略、公司的组织，控制和激励、公司治理、技术竞争力、现金流稳定性、估值风险、股利分配、并购工具、利率变动等方面确定。包括行业的发展是否能保持稳定增长趋势；并购双方在行业中是否趋于优势地位；并购双方的市场份额能否稳定增长；并购双方的领导者是否具备企业家的能力；并购双方的未来发展战略是否符合企业的发展；并购双方的组织结构、激励机制等是否合理；并购双方的治理是否有效；并购双方的技术竞争力是否得到运用；并购双方未来现金流是否稳定或趋于稳定；并购定价高于目标企业价值的风险；并购双方的股利政策对还款来源造成的影响；并购中使用的固定收益工具及其对贷款来源造成的影响；汇率和利率等因素变动对并购贷款还款来源造成的影响。

（三）评价指标体系

结合上述的风险，具体评价指标如表1所示。

三、构建评价模型

本文使用基于主成分分析法的人工神经网络方法对商业银行并购贷款风险进行评价，通过主成分分析法对原始数据降维，然后再用这些个数较少的新输入变量作为人工神经网络的输入进行模拟预测。由于主成分之间是相互独立的，所以由各主成分组成的输入空间不存在自相关性，从而有效地简化人工神经网络在高维时难以寻找网络中心的问题，提高了预测精度。

（一）主成分分析法

主成分分析（Principal Components Analysis，PCA）也称为主分量分析，是一种通过降维来简化数据结构的方法：如何把多个变量（指标）化为少数几个综合变量（综合指标），而这几个综合变量可以反映原来多个变量的大部分信息。

主成分分析法是霍特林于1933年首先提出来的。主成分分析法的原理是降維思想，把众多变量转化为少数几个综合指标，综合指标保留了原始变量的主要信息，彼此间又不相关，能使复杂的问题简单化，便于抓住主要特征进行分析。它是通过适当数学变换，使新变量主成分成为原变量的线性组合，并选取在总信息量中比例较大的主成分来分析事物的一种特殊的特征提取方法。

（二）人工神经网络

人工神经网络（ArtificialNeuralNetwork，简称ANN）正是在人类对其大脑神经网络认识理解的基础上人工构造的能够实现某种功能的神经网络。它是理论化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。它实际上是由大量简单元件相互连接而成的复杂网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系实现的系统。

人工神经元是生物神经元的模拟与抽象，是构成人工神经网络的基本单元，因此构造一个人工神经网络系统，首先要构造人工神经元模型。一个具有n个输入分量的单个人工神经元模型，如图1所示。

它有三个基本要素：一是一组连接（对应于神经元的突触），连接强度由各连接上的权值表示，权值为正表示激活，为负表示抑制。二是一个求和单元，用于求取各输入信号的加权和。三是一个非线性激活函数，起非线性映射作用并将神经元输出幅度限制在一定范围内（一般限制在（0，l）或（-1，+l）之间）。

此外还有一个偏差，即阙值θ

以上作用可分别以数学式表达出来：

o=f（net-θ）

其中net为神经元的输入总和，相当于生物神经元的膜电位；o为神经元的输出；wi表示第i个输入神经元到该神经元的连接权值；Pi表示第i个输入神经元的输入分量；θ为神经元的偏差，即阙值；f（~）为激活函数，表示神经元输入一输出关系。

激活函数（Activationtransferfunction）是一个神经元及网络的核心，决定着网络的功能。其基本作用是：控制输入对输出的激活作用；对输入输出进行函数转换；将可能无限域的输入变换成指定的有限范围内的输出。不同的人工神经网络模型，神经元的激活函数也不相同。

（三）并购贷款风险评价模型

神经网络具有非线性分类功能，在多因素影响中具有显著的效果，在本文中并购贷款风险影响因素有36个，因素多且因素之间存在交叉，相互影响；另外由于并购贷款风险因素较多，网络训练时间长，准确性降低，容易陷入局部最优而不是全局最优。为此本文引入主成分分析法，利用其分析统计功能，对影响因素降维，从而来评价并购贷款风险。具体模型如图2所示。

参考文献：

1、中国银监会.商业银行并购贷款风险管理指引.银监发[2008]84号,2008.12

2、(美)哈威尔·E·杰克逊,小爱德华·L·西蒙斯;吴志攀等译.金融监管[M].中国政法大学出版社,2009.

3、王志生,陈武.我国银行保险发展瓶颈的经济学分析[J].科技创业月刊,2004(12).

4、张幼文等.2006年中国国际地位报告[M].人民出版社,2006.

5、TinsleyHEA,TinselyDJ.Useoffactoranalysisincounselingpsychologyresearch[J].JournalofcounselingPsychology,1987(34).