神经网络的基本功能范文

导语：如何才能写好一篇神经网络的基本功能，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

[关键词]股指期货；BP神经网络；价格预测

[中图分类号]F832 [文献标识码]A [文章编号]1005-6432（2013）30-0121-02

2010年4月16日，中国正式推出了首个股指期货合约——沪深300股指期货，该合约的推出结束了国内证券市场没有避险工具的时代。股指期货不仅具有价格发现、套期保值的基本功能，与此同时还具有投机、套利等资产配置功能。近几年来，学术界和投资界也越来越重视对股指期货价格预测的研究。股指期货市场是一个复杂的非线性动态系统，存在着非线性和不确定性，采用传统的计量经济学方法预测其价格，必然会存在许多困难。国内现有的文献资料中，鲜有对股指期货价格进行预测的文章，但存在许多对单一股票价格预测的文章，如付成宏，傅明等（2004）[1]在基于RBF神经网络的基础上对上海石化这只股票价格进行预测，得出了该模型对于股价格的短期预测效果很好，还有张慧斌，高秀萍（2011）[2]在基于Elman神经网络的基础上对浦发银行股价在时间序列上作了若干天的预测，实验结果取得了较高的精度和较为稳定的预测效果和较快的收敛速度，这表明该模型对个股的预测短期是可行和有效的。为此，本文在基于BP神经网络的基础上，拟利用Matlab2011A软件对沪深300股指期货的每日收盘价进行实际模拟与预测。

1 BP神经网络模型概述

BP神经网络，即误差反向传播神经网络，是多层前馈神经网络的一种，它与其他多层前馈神经网络相比，多出了一层隐含层。它其实反映了一种欧式空间的映射，即加入神经网络的输入节点的数目为N，且该神经网络的输出节点为M，那么该神经网络其实就是从N维的欧式空间到M维的欧式空间的一个映射。

篇2

本研究应用神经网络的原理，基于BP网络使用MATLAB语言建立一个剩余油分布的预测系统。该系统通过学习在地理坐标和孔隙度之间建立一个非线性函数关系，以此来预测任何区域的孔隙度，再通过孔隙度与剩余油饱和度之间的关系达到剩余油分布预测的目的。

关键词：神经网络；剩余油分布；BP网络；预测

中图分类号：TP183文献标识码：A文章编号：1009-3044(2008)36-2706-03

BP Artificial Neural Networks for the Remaining Oil Prediction

SHI Xiao-song, CHENG Guo-jian

(School of Computer Science, Xi'an Shiyou University, Xi'an 710065, China)

Abstract: After a majority of our oilfield and secondary recovery, we just get 30% of the total reserves, which means that 60% to 70% of the remaining residual oil in the ground become remaining oil . China's 2007 crude oil output grew only by 1.6 percent to 12.872 million tons. Clarifying the law of distribution of the remaining oil and improving oil recovery is not only an economic effect, but also a National oil strategic issue.

In this study, we used MATLAB language to establish a forecast system of distribution of remaining oil based on BP network. After studying, this system can get a nonlinear function between the geographical coordinates and porosity. We can get the regional porosity using this system. Then using the relationship the porosity and the remaining oil, we can known the distribution of the remaining oil.

Key words: artificial neural networks; distribution of remaining oil; BP network; prediction

1 引言

我国多数油田经过一次、二次采油后，仅能采出地下总储量的30%左右，这意味着有60%～70%的剩余石油仍然残留在地下成为剩余油。对剩余油分布预测的研究可以提高石油开发的效率和节约开发成本。人工神经网络是计算机中重要的一门学科，它具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。本文就是用人工神经网络，基于已知的数据来预测剩余油的分布。神经网络技术有着逼近任意非线性映射的能力，通过学习获知系统差分方程中的位置非线性函数，这使得它在系统建模和预测中有着很好的应用。

2 剩余油分布预测的研究

从20世纪80年代开始，研究剩余油分布和提高采收率问题已引起世界各石油生产国的普遍关注。针对剩余油分布的研究方法在各个层面都有了一定的突破。目前，剩余分布的研究方法主要有：地质方法，油藏工程、试井及数值模拟方法和室内实验技术等。

2.1 剩余油分布预测的研究现状

目前，国内外对剩余油研究的重点主要集中在三个方面：1）对生于有分布的描述；2）对剩余油饱和度的测量与监测技术的研究；3）对剩余油挖潜技术的研究。

2.2 剩余油分布预测要用到的主要参数

影响剩余油分布的因素很多，通常划分为两类：地质因素和开发因素。地质因素主要包括有：油藏非均质性、构造、断层等。开发因素主要包括有：注采系统的完善程度、注采关系和井网布井、成产动态。前者属于内因，后者属于外因。它们的综合作用就导致了目前剩余油分布的多样性。

剩余油饱和度是描述剩余油的重要概念。某种流体的饱和度是指：储层岩石孔隙中某种流体所占的体积百分数。它表示了孔隙空间为某种流体所占据的程度。岩石中由几相流体充满其孔隙，则这几相流体饱和度之和就为1(100%)。随着油田发开油层能力的衰减，即使是经过注水侯还会在地层孔隙中存在着尚未驱尽的原油，这些油在岩石孔隙中所占体积的百分比称为剩余油饱和度

3 人工神经网络

人工神经网络（Artifical Neural Network,ANN），亦称为神经网络（Neural Networks,NN），是由大量处理神经单元（神经元Neuros）广泛互联而成的网络，是对人脑的抽象、简化和模拟，反应人脑的基本特征。神经网络的基本功能有联想记忆、非线性映射、分类与识别、优化计算、知识处理等。ANN在解决复杂的或是非线性问题时，具有独特的性能。近年来，国内外众多学者将其应用到石油等领域，取得了不少成果。人工神经网络具有以下几个特征：1）并行分布处理；2）非线性映射； 3）通过训练进行学习，神经网络是通过研究过去的数据记录进行训练的，一个经过适当训练的神经网络具有归纳全部数据的能力，因此，神经网络能够解决那些由数学模型或描述规则难以处理的控制过程问题；4）适应与综合； 5）分类与识别，神经网络可以很好地解决对非线性曲面的逼近问题，因此比传统的分类器具有更好的分类与识别能力。

目前，BP算法已经成为应用最多且最主要的一种训练前馈人工神经网络的学习算法，也是前馈网络得以广泛应用的基础。BP算法的学习目的是对网络的连接权值进行调整，使得调整后的网络对任一输入都能得到所期望的输出。BP算法的基本思想是学习过程由正向传播和反向传播组成。正向传播用于对前馈网络进行计算，即对某一输入信息，经过网络计算后求出它的输出结果；反向传播用于逐层传递误差，修改神经元间的连接权值，以使网络对输入信息经过计算后所得到的输出能达到期望的误差要求。BP网络算法的指导思想是：网络权值的修正与阈值的修正，使误差函数沿梯度方向下降。

图1给出了整个BP算法学习过程的流程图。

篇3

【摘要】 目的： 探讨矽肺纤维化同生物活性介质之间的关系。方法： 利用Delphi语言编制了BP人工神经网络模型计算机程序，建立并分析了矽肺胶原纤维预测的数学模型。结果： 选定网络隐含层节点为9，初始权值阈值约为(-0.2，0.2)，最大相对误差为4%，最小相对误差为0.2%。 结论： 应用神经网络具有较好的预测效果，可为临床医学研究提供一个很好的研究思路。

【关键词】 BP神经网络； 生物活性介质； 矽肺； 胶原纤维； 预测

矽肺是尘肺中最严重的一种类型，是由于长期吸入超过一定浓度的含有游离二氧化硅的粉尘，肺内发生广泛的结节性纤维化。矽肺纤维化的预测困难，诊断滞后。目前，矽肺的发病机理仍然不完全清楚，尚无有效的早期诊断（筛检）方法，也无早期诊断的特异性指标和特异性的治疗药物和方法。一经传统的后前位胸大片确诊，肺部病变已经无法逆转。因此，寻找早期诊断(筛检)特异性的生物介质组合，对预防、治疗乃至最终消除矽肺具有重要意义。矽肺的发病与细胞因子（Cytokine，CK）网络调控有密切联系，高宏生等用系统生物学的方法论证了细胞因子对矽肺纤维化的网络调控关系［1，2］，论证了细胞因子复杂非线性致炎致纤维化的网络调控假说。王世鑫等用判别方程的方法，通过诊断肺纤维化正确率。矽肺纤维化与不同活性介质、基因表达等多种因素密切相关［3］，因此预计是一个多目标决策问题。传统的预测方法是用多元线性回归来进行预测，统计者千方百计的想找出决策目标和各因素之间找出一个线性的公式关系，试图想用一个严格的数学模型公式表达出相应的关系。实际上，具有良好的非线性的神经网络可以预测矽肺纤维化结果。本研究图基于神经网络的方法预测生物活性介质网络调控的矽肺纤维化。

1 神经网络的基本理论

人工神经网络是基于对人脑组织结构、活动机制的初步认识提出的一种新型信息处理体系。通过模仿脑神经系统的组织结构以及某些活动机理，人工神经网络可呈现出人脑的许多特征，并具有人脑的一些基本功能。从本质上讲，人工神经网络是一种大规模并行的非线性动力系统。它具有许多引人注目的特点：大规模的复杂系统，有大量可供调节的参数；高度并行的处理机制，具有高速运算的能力；高度冗余的组织方式等。

在预测领域中应用最广泛的还是BP网络。BP网络的学习算法是一种误差反向传播式网络权值训练方法。实质就象最小二乘法一样，BP算法是在样本空间中耦合这样一个曲面，即使所有的样本点均在这个曲面上，若这样的曲面不存在，就找到离样本点的距离之和最小的曲面作为近似解。

BP网络的学习过程包括：正向传播和反向传播。当正向传播时，输入信息从输入层经隐单元处理，后传向输出层，每一层神经元的状态只影响下一层的神经元的状态。如果在输出层得不到希望的输出，则转入反向传播，将误差信号沿原来的神经连接通路返回。返回过程中，逐一修改各层神经元连接的权值。这种过程不断迭代，最后使得信号误差达到允许的误差范围之内。如图1所示为3层神经网络结构图。

输入层

隐含层

输出层

图1 神经网络结构

设3层BP神经网络，输入向量为X=(x1，x2，…xn)T ；隐层输出向量为Y=(y1，y2，…ym)T ，输出层向量为O=(o1，o2，…ol)T ，期望输出向量为d=(d1，d2，…dl)T 。

对于输出层，有ok =f(net)，netk=m j=0wjkyj ，k=1，2，…l

对于隐层，有yj =f(net)，netj=n i=0vijxi ，k=1，2，…m

f(x)=1 1+e-x ，BP学习算法权值调整计算公式为：

Δwjk=η(dk-ok)ok(1-ok)yj

Δvij=η(l k=1δ0k wjk)yj(1-yj)xi

δ0k =(dk-ok)ok(1-ok)

η∈(0，1)

2 应用实例

2.1 矽肺预测的影响因素

大量研究表明，肺泡巨噬细胞和肺泡上皮细胞在肺组织炎症反应及纤维化病变的启动、发展过程中起到最为关键的作用，主要是通过分泌细胞因子、炎性介质等生物活性物质，发挥直接或间接的生物学作用。这些CK包括：白介素（interleukin，IL）、肿瘤坏死因子（tumor necrosis factor ，TNF）、转化生长因子（transforming growth factor，TGF）等。根据分泌细胞因子不同将Th 细胞分为Th1 和Th2 两种类型。Th1主要分泌白介素-2（interleukin-2，IL-2）、白介素-12（interleukin-12，IL-12）、白介素-18（interleukin-18，IL-18）、干扰素-γ（Interferon-γ，IFN-γ）等，主要介导细胞免疫应答，与炎症有关，具有抗纤维化作用，可抑制成纤维细胞的增殖及纤维的生成。Th2主要分泌白介素-4 （interleukin-4，IL-4）、白介素-5 （interleukin-5，IL-5）、白介素-10 （interleukin-10，IL-10）、白介素-13（interleukin-13，IL-13）、单核细胞趋化蛋白-1 （monocyte chemoattractant protein-1，MCP-1）等，而Th2主要介导体液免疫反应，可促进成纤维细胞的增生，导致胶原蛋白合成增加，并抑制胶原蛋白的降解，最终导致细胞外的基质蛋白沉积和纤维生成。Th1 型和Th2 型免疫应答之间存在着交互的负反馈作用，维持着正常的免疫平衡。其负反馈调节通常就是靠产生的细胞因子起作用的，即一型CK可以下调另一型CK的功能。Th1/Th2型CK失衡可导致机体对损伤的异常反应。总之，矽肺病人存在CK网络的平衡紊乱，其错综复杂的调控机制可能参与矽肺的发生和发展［6~9］，如图2所示。

图2 细胞因子网络调控图

2.2 矽肺预测的BP网络模型的设计

本研究运用神经网络的模型方法，对矽肺预测进行设计，得出其预测模型。

2.2.1 输入层、隐含层、输出层的设计

矽肺纤维化输入层的确定：根据meta分析和微分方程网络模型确定生物活性介质为输入层。

转贴于

对于矽肺预测，应当依据其关键要素来确定输入层各因素，在神经网络模型中，输入层可以选定白介素（interleukin，IL）、肿瘤坏死因子（tumor necrosis factor ，TNF）、转化生长因子（transforming growth factor，TGF）等。根据分泌细胞因子不同将Th 细胞分为Th1 和Th2 两种类型。Th1主要分泌白介素-2（interleukin-2，IL-2）、白介素-12（interleukin-12，IL-12）、白介素-18（interleukin-18，IL-18）、干扰素-γ（Interferon-γ，IFN-γ）作为输入层，输入单元数为8，隐含层节点的确定参考下面单元计算公式：

c=n+m+a

其中c 为隐层单元数，n为输入神经元个数，m 为输出神经元个数，a 为1~10之间的常数。本研究中，隐层单元数计算如下：

8+2+1≤c≤8+2+10

即：4.33≤c≤13.33

根据c 的计算值，由小到大改变节点数训练并检验其精度，当节点数的增加误差不进一步减小时，其临界值即为应采用的值。最后，经过网络的实际训练结果比较，选定网络隐含层节点为9，此时网络能较快地收敛至所要求的精度。

2.2.2 初始权值的确定

在神经网络模型中，初始权值选取对于输出结果是否最接近实际，及是否能够收敛、学习时间的长短等关系很大。初始权值太大，使得加权之后的输入和N落在了网络模型的s型激活函数的饱和期中，从而会导致φ′(·)非常小，而由于当 φ′(·)0时，则有δ0，使得Δwji 0，最终使得调节过程没有什么效果。所以权值及阈值的初始值应选为均匀分布的小数经验值，约为(-2.4/F，2.4/F)之间，其中F为所连单元的输入层节点数。本模型输入端节点数为11，所以初始值约为(-0.2，0.2)，可随机选取［4］。

2.2.3 目标值及学习步长的选取

对矽肺预测之前，应先根据影响矽肺预测的因素进行综合预测。在实际操作时，还应结合经验值。若Sigmoid函数选取反对称函数——双曲正切函数，综合评估指标的目标值D的范围也应在［-1，1］之间，也即是综合指标的无量纲数值在［0，1］之间。通常输出单元的局部梯度比输入端的大，所以输出单元的学习的步长应比输入单元小一些［5］。

通过以上分析可得网络模型结构如图3。利用Delphi语言编制了BP人工神经网络模型计算机程序进行训练集样本训练，训练输入节点数为8，表1为矽肺预测输入训练样本和检测样本，当误差给定E＝0.00005，学习步长为0.1，经200次训练，网络精度达到要求，如表2和图4所示。表1 矽肺预测输入训练样本和检测样本表2 训练样本训练次数网络误差

样本经200次训练后，网络误差满足精度要求，隐含单元到各输入单元的权值和阈值及输出单元到各隐含单元的权值和阈值调整为表3和表4所示。

由于矽肺预测神经网络模型经训练后，网络精度已经达到要求，可以用检验样本检测预测效果，如表5所示。

从预测结果看，最大相对误差为4.0%，最小相对误差为0.2%，预测效果非常明显，该网络的检验性能稳定，可以很好的对矽肺进行预测。表3 隐含单元到各输入单元的权值和阈值表4 输出单元到各隐含单元的权值和阈值表5 检验样本及矽肺预测结果

3 讨论

本研究通过采用神经网络的方法，探讨矽肺纤维化同生物活性介质之间的关系，并建立了矽肺纤维化的影响因素和Ⅰ型胶原、Ⅲ型胶原的BP神经网络，从预测效果看，能够较准确的预测矽肺纤维化。但还应当看到神经网络应用到预测还有许多不尽如意的问题，主要的弱点之一是它是一种黑盒方法，无法表达和分析被预测系统的输入与输出间的关系，因此，也难于对所得结果作任何解释，对任何求得数据做统计检验； 二是采用神经网络作预测时，没有一个便于选定最合适的神经网络结构的标准方法，只能花大量时间采用凑试法，从许多次实验中找出“最合适”的一种。本研究在矽肺预测上运用神经网络建模上进行了初步的探讨，对网络模型的拓展性、收敛性等问题还有待于进一步的研究 。

参考文献

1 高宏生， 伍瑞昌， 张双德， 等. 基于meta分析和微分方程模型的肺纤维化细胞因子调控网络研究. 军事医学科学院院刊，2008，32（3）：312~316.

2 高宏生，杨霞，丁朋，等. 应用meta分析肺纤维化TNF-α的时空变化. 武警医学院学报，2008，17（8）：561~562.

3 刘萍 王世鑫 陈蕾，等. 矽肺患者血清克拉拉细胞蛋白和表面活性蛋白D的改变. 中华劳动卫生职业病杂志， 2007， 25(01):18~21.

4 韩力群.人工神经网络理论、设计及应用.化学工业出版社，2001.

5 何海龙，王青海，王精业.神经网络在装备保障性评估中的应用. 系统工程理论与实践，2003，9：111~116.

6 Kohonen T.Self-Organization and Associative Memory. Berlin Heidelberg:Springer-Verlag，1984.

7 Lapedes A，Farber.Nonlinear signal processing using neural networks :prediction and system modelling［R］.Technical Report LA-UR-87-2662，Los Alam os National Laboratory.Los Alamos.NM，1987.

8 Wang CH， Mo LR， Lin RC， et al. Artificial neural network model is superior to logistic regression model in predicting treatment outcomes of interferon-based combination therapy in patients with chronic hepatitis C.Intervirology，2008，51(1):14~20.

9 Kato H， Kanematsu M， Zhang X，et al. Computer-aided diagnosis of hepatic fibrosis: preliminary evaluation of MRI texture analysis using the finite difference method and an artificial neural network.AJR Am J Roentgenol， 2007，189(1):117~122.

10 Piscaglia F， Cucchetti A， Benlloch S，et al. Prediction of significant fibrosis in hepatitis C virus infected liver transplant recipients by artificial neural network analysis of clinical factors. J Gastroenterol Hepatol， 2006，18(12):1255~1261.

篇4

关键词人工神经网络供暖热网预测外时延内时延反馈型BP网络Elman网络

一些复杂的生产过程，如热网供热，由于其反应机理非常复杂，具有很强的非线性、大滞后、时变性和不确定性，难以建立被控对象的数学模型，至今仍很少实现闭环控制，只好有经验的操作人员进行调节。操作人员虽然没有被控对象的数学模型，但是由于他们比较熟悉供暖热网和设备，且在长期的现场工作中积累了丰富的操作经验，他们通过观察仪表指示的变化，如热网的从、回水温度、室外温度等参数，并且预估某些参数将要发生的变化，然后调整供热负荷，以保证热网供暖正常。这种人工控制方式一般也能达到较好的控制效果，但是由于操作人员的经验与能力的不同，或由于人的疲劳、责任心等原因，也时常会因操作不当造成热网供暖不正常，或在产生突发事件时，不能预测将会发展或延续扩大的严重故障，而引发更大的故障。

预测对于提供未来的信息，为当前人人作出有利的决策具有重要意义。现有的预测方法如时间序列分析中的AR模型预测方法，只适用于线性预测，而且，还需要对所研究的时间序列进行平稳性、零均值等假定，其适用范围受到一定的限制。近年来，人工神经网络以其高度的非线性映射能力，在某些领域的预测中得到广泛的关注。本文利用神经网络技术辨识供暖热网动态预报系统的模型，并对其进行了实际训练和测试，分别建立了外时延反馈型BP网络模型和内时延反馈型Elman网络的预测模型。

1外时延反馈BP网络

多层前向网络是研究和应用的最广泛也是最成功的人工神经元网络之一。多层前向网络是一种映射型网络。理论上，隐层采用Sigmoid激活函数的三层前向网络能以任意精度逼近任一非线函数，神经元网络可以根据与环境的相互作用对自身进行调节即学习，一个BP网络即是一个多层前向网络加上误差反向传播学习算法，因此一个BP网络应有三项基本功能：（1）信息由输入单元传到隐单元，最后传到输出单元的信息正向传播；（2）实际输出与期望输出之间的误差由输出单元传到隐单元，最后传到输入单元的误差反向传播；（3）利用正向传播的信息和反向传播的误差对网络权系数进行修正的学习过程。目前，多层前向网络的权系数学习算法大多采用BP算法及基于BP算法的改进算法，如带动量项的BP算法等。BP网络虽然有很广泛的应用，但由于它是一个静态网络，所以只能用于处理与时间无关的对象，如文字识别、空间曲线的逼近等问题。热网供暖的各项参数都是与时间有关系的，而且我们即将建立的供暖热网预报模型必须是一个动态模型。为此，必须在网络中引入记忆和反馈功能。可以有两种方式实现这一功能，一是采用外时延反馈网络，即反输入量以前的状态存在延时单元中，且在输入端引入输出量以前状态的反馈，如图1所示；另一种方式是采用内时延反馈网络，既在网络内部引入反馈，使网络本身构成一个动态系统，如下面将要介绍的Elman网络。

图1处延时反馈网络

2Elman网络

如前所述，在BP网络外部加入延时单元，把时间信号展开成空间表示后再送给静态的前向网络作为一类输入，从而实现时间序列建模和预测。然而，这种方式大大增加了输入节点个数因而导致了网络结构膨胀，训练精度下降，训练时间过长。

Elman动态网络是动态递归网络中较为简单的一种结构，如图2所示。

图2Elman网络

由输入层、隐含层、结构层（联系单元层）和输出层组成，结构层记忆隐含层过去的状态，并在下一时刻与网络的输入，一同输入隐含层，起到一步延时算子作用。因此，Elman动态递归网络具有动态记忆的功能，无需使用较多的系统状态作为输入，从而减少了输入层单元数。

3供热网络预报模型

根据研究问题的性质不同，选择不同的网络结构和激活函数，以便建立准确的神经网络预报模型。外时延反馈网络和内时延反馈网络都将其时延单元和反馈单元视为BP网络的输入参数，因此可以应用BP算法训练网络，其隐含层和输出层的节点激活函数可选择tansig、purelin函数，表达式为：

tansig函数：

purelin函数：f2(x)=kx

输出：

其中：xi----热网输入；

wji----由输入层节点i隐层节点j之间的权值；

θj----隐层节点j的阈值；

wkj----由隐层节点j至输出层节点k之间的权值；

θk----输出层层节点k的阈值。

从成因上分析供暖热网的影响因子，运用相关图法或逐步回归分析法等对初选影响因子进行显著性分析和检验，剔除不显著因子。在此基础上，研究基于人工神经网络的供暖热网实时预报模型的建模和预报问题。本文选用牡丹江西海林小区锅炉房2000年11月～2001年4月的部分测量数据进行建模及测试，预测在相应时刻的热网供水温度、回水温度及室外温度值。

3．1模型I：外进延反馈网络

输入参数为当前时刻与过去时刻的①室外温度（i）（i-1）（i-2）（i-3）（i-4）;②供水流量（i）（i-1）（i-2）（i-3）（i-4）;③补水流量（i）（i-1）（i-2）（i-3）（i-4）;④供水温度（i）（i-1）（i-2）（i-3）（i-4）;⑤回水温度（i）（i-1）（i-2）（i-3）（i-4）;，共二十五个输入量。输出量为未来时刻的①室外温度（i+1）（i+2）；②供水温度（i+1）（i+2）；③回水温度（i+1）（i+2）；共六个输出量。其中每一周期间隔15min。训练样本为前2000个数据组，测试样本为后2000个数据组。输出曲线有训练样本与计算数据比较曲线和测试样本与计算数据比较曲线。

网络结构共三层，输入层节点25个，隐层节点25个，输出层节点6个。取学习率η=0.7，动量因子a=0.3，训练精度ε=4.5e-3，经过1000次正反向传播和学习，网络训练满足设定条件，此时训练计算的均方差为0.00449767。将检验样本输入训练好的网络模型，其检验结果如图3、图4（因篇幅所限仅给出回水温度预报值）所示。

图3回水温度一步预报曲线

实线：计算数据；虚线：实际数据

图4回水温度二步预报曲线

实线：计算数据；虚线：实际数据

3．2模型II：内时延反馈Elman网络。

输入参数为当前时刻的①室外温度（i）;②供水流量（i））;③补水流量（i）;④供水温度（i）;⑤回水温度（i）;，共五个输入量。输出量为未来时刻的①室外温度（i+1）（i+2）；②供水温度（i+1）（i+2）；③回水温度（i+1）（i+1）；共六个输出量。其中每一周期间隔15min。训练样本为前2000个数据组，测试样本为后2000个数据组。输出曲线有训练样本与计算数据比较曲线和测试样本与计算数据比较曲线。

网络结构共三层，输入层节点25个，隐层节点25个，输出层节点6个。取学习率η=0.7，动量因子a=0.3，训练精度ε=4.5e-3，经过1000次正反向传播和学习，网络训练满足设定条件，此时训练计算的均方差为0.0044999。将检验样本输入训练好的Elman网络模型，其检验结果如图5、图6（因篇幅所限仅给出回水温度预报值）所示。

图5回水温度一步预报曲线

实线：计算数据；虚线：实际数据

图6回水温度二步预报曲线

实线：计算数据；虚线：实际数据

表1列出了外时延反馈网络（模型I）与内时延反馈Elman网络（模型II）的训练与测试结果的部分数据。

预测模型I、II的比较表1输入层节点数隐层层节点数输出层节点数训练次数训练时间（s）训练精度训练样本误差测试样本误差

模型I25256415236.7010.004497673.09982.2628

模型II5256199140.5420.00449993.19741.4620

4结论

从测试结果可以看出，对同一动态系统预测模型的辨识，外时延反馈网络与内时延反馈Elman网络的逼近能力基本相同，而且都具有很强的跟踪能力。但是Elman网络的结构要比外时延反馈网络简单得多，而且在训练过程中，外时延反馈网络延迟步数要通过多次的训练才能找到最佳值，本预测模型就是在取到四步延迟后才得到最佳值，而Elman网络就省却了这一部分工作；此外在本动态系统模型的辨识过程中也可以看出，无论是采用外时BP网络，还是采用内时延Elman网络辨识动态系统的模型，都必须恰当的引入输出参数的反馈，才能保证系统的动态跟踪能力；本文选用了牡丹江西海林小区锅炉房2000年冬季的部分测量数据进行建模及测试，用前20天的数据进行预测模型辨识，用后20天的数据进行预测模型测试，得到了比较令不满意的预测结果，热网供水温度及室外温度的预测结果也是很好的，只是由于篇幅关系同有绘出。

通过上述的系统辨识与实测，说明用外时延反馈网络或内时延反馈Elman网络建立供热系统的动态预测模型是可行的，解决了供热系统对象中非线性、大滞后、时变性等问题，为进一步的供热系统优化控制奠定了基础。

参考文献

1袁曾任，人工神经网络及其应用，清华大学出版社，1999

2李士勇，模糊控制·神经控制和智能控制论，哈尔滨工业大学出版社，1996

3张乃尧，阎平凡，神经网络与模糊控制，清华大学出版社，1998

4董德存，张树京，用于NARMAX参数辨识的一种神经网络方法，铁道学报，1994

5谢新民，蒋云钟等，基于人工神经元网络的河川径流时时预报研究，水利水电技术，1999，（9）

6李勇，孙艳萍等，用于故障预测的BP网络模型及改进，东北电力学院淡报，1999，（1）

7郭创新等，一种鲁棒BP算法及其在非线性动态系统辨识中的应用，信息与控制，1996，（6）

8赖晓平，周鸿兴，云昌钦，混合模型神经网络在短期负荷预测中的应用，控制理论与应用，2000，17（1）69～72

9王玉涛，夏靖波，周建常，王师，基于神经网络模型的时间序列预测算法及其应用，信息与控制，1998，27（6）：413～417

篇5

一、计算机化

随着计算机硬件的迅猛发展，微机保护硬件也在不断发展。原华北电力学院研制的微机线路保护硬件已经历了3个发展阶段：从8位单CPU结构的微机保护问世，不到5年时间就发展到多CPU结构，后又发展到总线不出模块的大模块结构，性能大大提高，得到了广泛应用。华中理工大学研制的微机保护也是从8位CPU，发展到以工控机核心部分为基础的32位微机保护。

电力系统对微机保护的要求不断提高，除了保护的基本功能外，还应具有大容量故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信能力，与其它保护、控制装置和调度联网以共享全系统数据、信息和网络资源的能力，高级语言编程等。这就要求微机保护装置具有相当于一台PC机的功能。在计算机保护发展初期，曾设想过用一台小型计算机作成继电保护装置。由于当时小型机体积大、成本高、可靠性差，这个设想是不现实的。现在，同微机保护装置大小相似的工控机的功能、速度、存储容量大大超过了当年的小型机，因此，用成套工控机作成继电保护的时机已经成熟，这将是微机保护的发展方向之一。天津大学已研制成用同微机保护装置结构完全相同的一种工控机加以改造作成的继电保护装置。这种装置的优点有：

具有486PC机的全部功能，能满足对当前和未来微机保护的各种功能要求。尺寸和结构与目前的微机保护装置相似，工艺精良、防震、防过热、防电磁干扰能力强，可运行于非常恶劣的工作环境，成本可接受。采用STD总线或PC总线，硬件模块化，对于不同的保护可任意选用不同模块，配置灵活、容易扩展。继电保护装置的微机化、计算机化是不可逆转的发展趋势。但对如何更好地满足电力系统要求，如何进一步提高继电保护的可靠性，如何取得更大的经济效益和社会效益，尚须进行具体深入的研究。

二、网络化

计算机网络作为信息和数据通信工具已成为信息时代的技术支柱，使人类生产和社会生活的面貌发生了根本变化。它深刻影响着各个工业领域，也为各个工业领域提供了强有力的通信手段。到目前为止，除了差动保护和纵联保护外，所有继电保护装置都只能反应保护安装处的电气量。继电保护的作用也只限于切除故障元件，缩小事故影响范围。这主要是由于缺乏强有力的数据通信手段。国外早已提出过系统保护的概念，这在当时主要指安全自动装置。因继电保护的作用不只限于切除故障元件和限制事故影响范围(这是首要任务)，还要保证全系统的安全稳定运行。这就要求每个保护单元都能共享全系统的运行和故障信息的数据，各个保护单元与重合闸装置在分析这些信息和数据的基础上协调动作，确保系统的安全稳定运行。显然，实现这种系统保护的基本条件是将全系统各主要设备的保护装置用计算机网络联接起来，亦即实现微机保护装置的网络化。这在当前的技术条件下是完全可能的。

对于一般的非系统保护，实现保护装置的计算机联网也有很大的好处。继电保护装置能够得到的系统故障信息愈多，则对故障性质、故障位置的判断和故障距离的检测愈准确。对自适应保护原理的研究已经过很长的时间，也取得了一定的成果，但要真正实现保护对系统运行方式和故障状态的自适应，必须获得更多的系统运行和故障信息，只有实现保护的计算机网络化，才能做到这一点。

由上述可知，微机保护装置网络化可大大提高保护性能和可靠性，这是微机保护发展的必然趋势。保护、控制、测量、数据通信一体化

目前，为了测量、保护和控制的需要，室外变电站的所有设备，如变压器、线路等的二次电压、电流都必须用控制电缆引到主控室。所敷设的大量控制电缆不但要大量投资，而且使二次回路非常复杂。但是如果将上述的保护、控制、测量、数据通信一体化的计算机装置，就地安装在室外变电站的被保护设备旁，将被保护设备的电压、电流量在此装置内转换成数字量后，通过计算机网络送到主控室，则可免除大量的控制电缆。如果用光纤作为网络的传输介质，还可免除电磁干扰。现在光电流互感器(OTA)和光电压互感器(OTV)已在研究试验阶段，将来必然在电力系统中得到应用。在采用OTA和OTV的情况下，保护装置应放在距OTA和OTV最近的地方，亦即应放在被保护设备附近。OTA和OTV的光信号输入到此一体化装置中并转换成电信号后，一方面用作保护的计算判断；另一方面作为测量量，通过网络送到主控室。从主控室通过网络可将对被保护设备的操作控制命令送到此一体化装置，由此一体化装置执行断路器的操作。

篇6

关键词：电力系统继电保护 发展现状趋势

前言：

继电保护技术是随着电力系统的发展而发展起来的，20世纪初随着电力系统的发展，继电器才开始广泛应用于电力系统的保护。这个时期可认为是继电保护技术发展的开端。电力系统决定着电力能源的产生、传输和配送。而系统中的任何一个环节出现问题都会导致设备的损坏，甚至更严重的后果，随着我国电力系统规模和容量的日益增大,电力系统面临的故障日益严重。一旦电力系统出现故障,那么将会造成严重的经济损失和人身伤亡。继电保护就是一种电路故障时实现瞬间切断的自动装置，是电力系统中不可或缺的一部分。

1.电力系统继电保护简介

继电保护是电力系统不可分割的一部分，在电力系统的正常运行中起着至关重要的作用。继电保护的基本任务是在被保护的电力系统元件发生故障的瞬间断开电路，使故障元件及时从电力系统中断开，最大限度地减少对电力系统元件本身的损坏。在电力系统运行中，外界因素内部因素及操作等，都可能引起各种故障及不正常运行的状态出现。常见的故障有：单相接地、两相接地、相间短路、短路等。另外一种情况，当电气设备出现不正常工作时，可发出警报信号，以便操作人员进行处理，此时的继电保护装置允许有一定的延时动作。

继电保护装置应满足可靠性、选择性、灵敏性和速动性的要求。这四个要求之间紧密联系，既矛盾又统一。

2.我国电力系统继电保护现状

由于继电保护的安全性直接关系到电力系统的安全稳定运行,因此对继电保护装置有着很高的要求。电力系统继电保护技术经历了漫长的发展历程,我国电力系统继电保护技术经历了四个发展阶段，继电保护装置经历了机电式、整流式、晶体管式、集成电路式、微处理机式等不同的发展阶段。各个阶段的特点和结构如表1.

时期 硬件结构 特点 发展阶段

20世纪50年代 机电式保护装置 体积大、功耗大、动作慢 机电保护

20世纪60-80年代 晶体管式保护装置 体积小、功耗小、动作快 晶体管保护

20世纪80年代 集成电路式 体积更小、性能较好 集成电路保护

20世纪90年代 微机保护 性能完善、可靠性高 微机保护

表1 继电保护发展历程及特点

3.继电保护技术的发展趋势

经过近20年的研究、应用和发展，微机保护在电力系统中取得了巨大的成功。不仅积累了丰富的运行经验，产生了显著的经济效益，还大大提高了电力系统运行管理水平。电力系统继电保护技术未来将会向计算机化，网络化，智能化，保护、控制、测量和数据通信一体化发展。

3.1继电保护计算机化

随着科技的飞速发展，计算机的硬件制造水平在不断提高，微机保护硬件水平也在不断提高电力系统对微机保护的要求水平与日俱增，除了进行继电保护的基本功能外，还应具有以下更多功能：大容量的故障信息和数据的长期存放功能；快速的数据处理功控制装置和调度联网来共享全系统的数据；具有信息和网络资源的管理功能；高级语言编程功能等。

按照摩尔定律来计算，芯片上的集成度每隔一年半到两年的时间翻一番。其结果是不仅计算机硬件的性能成倍增加，价格也在迅速降低。微处理机的发展主要体现在单片化及相关功能的极大增强。片内硬件资源得到很大扩充，单片机与DSP芯片二者技术上的融合,运算能力的显著提高以及嵌入式网络通信芯片的出现及应用等方面。这些发展使硬件设计更加方便，高性价比使冗余设计成为可能，为实现灵活化、高可靠性和模块化的通用软硬件平台创造了条件。我国在2003年底, 220KV以上系统的微机保护已占到70.29%，线路的微机化率达到97.6%。实际运行中微机保护的正确动作率要明显高于其他保护，一般比平均正常动作率高0.2-0.3个百分点。继电保护装置的计算机化是不可逆转的发展趋势。电力系统对微机保护的要求不断提高，除了保护基本功能外，还应具有大容量故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信功能，与其他保护、控制装置和调度联网以供享全系统数据、信息和网络资源的能力、高级语言编程等。

3.2继电保护网络化

近年来，计算机网络逐渐开始在电力传输与配电系统中得到应用和发展。与此同时，随着电力科技的进步，电力系统对计算机保护的要求也提升到了新的层次。因此大容量的长期存放空间、高速处理数据、高效的通信与其它保护、控制装置和调度联网以共享全系统数据、信息和网络资源的能力、高级语言编程等均为继电保护发展指明了方向。国内在自适应保护领域中的研究取得了可喜的成果，但要真正实现保护对系统运行方式和故障状态的自适应，必须获得更多的系统运行和故障信息，也就是实现整体网络化，因此整体网络化是电力系统继电保护一个重要方向。

3.3继电保护智能化

在电力系统继电保护中，计算机技术得到了广泛的应用。相关的研究方法也层出不穷,近些年来人工智能技术在电力系统领域取得了广泛的应用,引起了人们的广泛关注。人工智能技术主要包括人工神经网络、小波理论、遗传算法等相关内容,下面我们对人工神经网络做简要的阐述。在电力系统继电保护方面,人工神经网络主要用来实现故障类型判别、方向保护和主设备保护等。人工神经网络主要主要研究信息处理、自动控制和非线性优化等相关问题。例如,在输电线两侧系统电势角度摆开情况下发生经过渡电阻的短路就是一个非线性问题,这时距离保护很难正确做出故障位置的判别,从而造成系统误动或拒动。我们如果采用人工神经网络技术来进行处理,只需要经过大量故障样本的训练和充分考虑各种情况,那么我们就可以在电力系统发生任何故障时进行正确的判别。人工智能技术给电力系统继电保护的发展注入了新的活力,具有非常美好的发展前景。

3.4保护、控制、测量、数据通信一体化

保护装置从网上获取电力系统运行和故障的任何信息和数据，也可将它所获得的被保护元件的任何信息和数据传送给网络控制中心或任一终端。因此，每个微机保护装置不但可完成继电保护功能。而且在无故障正常运行情况下还可完成测量、控制、数据通信功能，亦即实现保护、控制、测量、数据通信一体化。比如为了测量、保护和控制的需要，室外变电站的所有设备，如果将保护、测量、数据通信集成为一体，设计一个集合的计算机装置，安装在室外变电站的被保护设备附近将其电流等模拟量在此装置转换成数字量后，通过网络传输到主控室，就可减少大量电缆。

3.5继电保护技术改善方向

在今后技术的创新中，对继电保护进行重新选型配置时，首先考虑的是可靠性、选择性、灵敏性及快速性，其次考虑运行维护调试方便，便于统一管理。优选经运行考验且可靠的保护，个别新保护可少量试行，在取得经验后再推广运用。

4.变电所综合自动化技术

现代计算机技术、通信技术和网络技术为改变变电站目前监视、控制、保护和计量装置及系统分割的状态提供了优化组合和系统集成的技术基础。高压、超高压变电站正面临着一场技术创新。实现继电保护和综合自动化的紧密结合，它表现在集成与资源共享远方控制与信息共享。以远方终端单元、微机保护装置为

核心，将变电所的控制、信号、测量、计费等回路纳入计算机系统，取代传统的控制保护屏，能够降低变电所的占地面积和设备投资，提高二次系统的可靠性。综合自动化技术相对于常规变电所二次系统，主要有以下特点：

（1）. 设备、操作、监视微机化

（2）. 通信局域网络化、光缆化

（3）. 运行管理智能化

结语：

电力系统中继电保护要保证全系统的安全稳定运行。当前，随着电力系统的高速发展和计算机技术、网路技术及人工智能技术的进步，继电保护技术面临着更大的挑战。未来的继电保护技术是以计算机和微处理器为核心技术，以计算机、网络、系统、通信、自动控制理论为关键技术，其发展将出现原理突破和应用革命。

参考文献

1.许建安.电力系统继电保护[M].北京：中国水力电力出版社，2005

2.张宇辉.电力系统微型计算机继电保护[M].北京：中国电力出版社,2000

3.严兴畴.继电保护技术及其应用.科技资讯,2007

篇7

【关键字】人工智能；教育；进展

【中图分类号】G40-057 【文献标识码】A 【论文编号】1009―8097（2008）13―0018―03

人工智能是一门综合的交叉学科，涉及计算机科学、生理学、哲学、心理学、哲学和语言学等多个领域。人工智能主要研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能，其长期目标是实现人类水平的人工智能。[1]从脑神经生理学的角度来看，人类智能的本质可以说是通过后天的自适应训练或学习而建立起来的种种错综复杂的条件反射神经网络回路的活动。[2]人工智能专家们面临的最大挑战之一是如何构造一个可以模仿人脑行为的系统。这一研究一旦有突破，不仅给学习科学以技术支撑，而且能反过来促使人脑的学习规律研究更加清晰，从而提供更加切实有效的方法论。[3]人工智能技术的不断发展，使人工智能不仅成为学校教育的内容之一，也为教育提供了丰富的教育资源，其研究成果已在教育领域得到应用，并取得了良好的效果，成为教育技术的重要研究内容。

人工智能的研究更多的是结合具体领域进行的，其主要研究领域有：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统、人工神经网络和分布式人工智能等。[4]目前，在教育中应用较为广泛与活跃的研究领域主要有专家系统、机器人学、机器学习、自然语言理解、人工神经网络和分布式人工智能，下面就这些领域进行阐述。

一 专家系统

专家系统是一个具有大量专门知识与经验的程序系统，它使用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。[5]专家系统主要组成部分为：知识库，用于存储某领域专家系统的专门知识；综合数据库，用于存储领域或问题的初始数据和推理过程中得到的中间数据或信息；推理机，用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作；解释器，向用户解释专家系统的行为；接口，使用户与专家系统进行对话。近几十年来，专家系统迅速发展，是人工智能中最活跃、最有成效的一个研究领域，广泛用于医疗诊断、地质勘探、军事、石油化工、文化教育等领域。

目前，专家系统在教育中的应用最为广泛与活跃。专家系统的特点通常表现为计划系统或诊断系统。计划系统往前走，从一个给定系统状态指向最终状态。如计划系统中可以输入有关的课堂目标和学科内容，它可以制定出一个课堂大纲，写出一份教案，甚至有可能开发一堂样板课，而诊断系统是往后走，从一个给定系统陈述查找原因或对其进行分析，例如，一个诊断系统可能以一堂CBI（基于计算机的教学，computer-based instruction）课为例，输入学生课堂表现资料，分析为什么课堂的某一部分效果不佳。在开发专家计划系统支持教学系统开发（ISD）程序的领域中最有名的是梅里尔（Merrill）的教学设计专家系统（ID Expert）。[6]

教学专家系统的任务是根据学生的特点（如知识水平、性格等），以最合适的教案和教学方法对学生进行教学和辅导。其特点为：同时具有诊断和调试等功能；具有良好的人机界面。已经开发和应用的教学专家系统有美国麻省理工学院的MACSYMA符号积分与定理证明系统，我国一些大学开发的计算机程序设计语言、物理智能计算机辅助教学系统以及聋哑人语言训练专家系统等。[7]

目前，在教育中，专家系统的开发和应用更多的集中于远程教育，为现代远程教育的智能化提供了有力的技术支撑。基于专家系统构造的智能化远程教育系统具有以下几个方面的功能：具备某学科或领域的专门知识，能生成自己的提问和应答； 能够分析学生的特征，评价和记录学生的学习情况，诊断学生学习过程中的错误并进行补救教学；可以选择不同的教学方法实现以学生为主体的个别化教学。[8]目前应用于远程教育的专家系统有智能决策专家系统、智能答疑专家系统、网络教学资源专家系统、智能导学系统和智能网络组卷系统等。

二 机器人学

机器人学是人工智能研究是一个分支，其主要内容包括机器人基础理论与方法、机器人设计理论与技术、机器人仿生学、机器人系统理论与技术、机器人操作和移动理论与技术、微机器人学。[9]机器人的发展经历了三个阶段：第一代机器人是以 “示教―再现”方式进行工作；第二代机器人具有一定的感觉装置，表现出低级智能；第三代机器人是具有高度适应性的自治机器人，即智能机器人。目前开发和应用的机器人大多是智能机器人。机器人技术的发展对人类的生活和社会都产生了重要影响，其研究和应用逐渐由工业生产向教育、环境、社会服务、医疗等领域扩展。

机器人技术涉及多门科学，是一个国家科技发展水平和国民经济现代化、信息化的重要标志，因此，机器人技术是世界强国重点发展的高技术，也是世界公认的核心竞争力之一，很多国家已经将机器人学教育列为学校的科技教育课程，在孩子中普及机器人学知识，从可持续和长远发展的角度，为本国培养机器人研发人才。[10]在机器人竞赛的推动下，机器人教育逐渐从大学延伸到中小学，世界发达国家例如美国、英国、法国、德国、日本等已把机器人教育纳入中小学教育之中，我国许多有条件的中小学也开展了机器人教育。

机器人在作为教学内容的同时，也为教育提供了有力的技术支撑，成为培养学习者创新精神和实践能力的新的载体与平台，大大丰富了教学资源。多年来，我国中小学信息技术教育的主要载体是计算机和网络，教学资源单一，缺乏前瞻性。教学机器人的引入，不仅激发了学生的学习兴趣，还为教学提供了丰富的、先进的教学资源。随着机器人技术的发展，教学机器人种类越来越多，目前在中小学较为常用的教学机器人有：能力风暴机器人、通用机器人、未来之星机器人、乐高机器人、纳英特机器人、中鸣机器人等。

三 机器学习

机器学习是要使计算机能够模仿人的学习行为，自动通过学习来获取知识和技巧，[11]其研究综合应用了心理学、生物学、神经生理学、逻辑学、模糊数学和计算机科学等多个学科。机器学习的方法与技术有机械学习、示教学习、类比学习、示例学习、解释学习、归纳学习和基于神经网络的学习等，近年来，知识发现和数据挖掘是发展最快的机器学习技术。机器学习（自动获取新的事实及新的推理算法）是使计算机具有智能的根本途径，对机器学习的研究有助于发现人类学习的机理和揭示人脑的奥秘。[12]

随着计算机技术的进步和机器学习研究的深入，机器学习系统的性能大大提高，各种学习算法的应用范围不断扩大，例如将连接学习用于图文识别，归纳学习、分析学习用于专家系统等，大大推动了在教育中的应用，例如在建构适应性教学系统中，用机器学习与朴素的贝叶斯分类器动态了解学生的学习偏好，有较高的准确率[13]。基于案例的推理（case-based reasoning，CBR）是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题，在计算机辅助教育方面，已经出现了基于CBR的图形仿真教育系统，并且，针对个体特征的教育教学方法研究也有所突破。[14]另外，数据挖掘和知识发现在生物医学、金融管理、商业销售等领域的成功应用，不仅给机器学习注入新的生机，也为机器学习在教育中的应用提供了新的前景。

四 自然语言理解

自然语言理解就是研究如何让计算机理解人类的自然语言，以实现用自然语言与计算机之间的交流。一个能够理解自然语言信息的计算机系统看起来就像一个人一样需要有上下文知识以及根据这些上下文知识和信息用信息发生器进行推理的过程。[15]自然语言理解包括口语理解和书面理解两大任务，其功能为：回答问题，计算机能正确地回答用自然语言提出的问题；文摘生成，计算机能根据输入的文本产生摘要；释义，计算机能用不同的词语和句型来复述输入的自然语言信息；翻译，计算机能把一种语言翻译成另外一种语言。由于创造和使用自然语言是人类高度智能的表现，因此对自然语言处理的研究也有助于揭开人类高度智能的奥秘，深化对语言能力和思维本质的认识。[16]

自然语言理解最早的研究领域是机器翻译，随着应用研究的广泛开展，也为机器人和专家系统的知识获取提供了新的途径，例如由MIT研制的指挥机器人的自然语言理解系统SHRDLU就可以接收自然语言，进行人机对话，回答关于桌面上积木世界中的各种问题。同时，对自然语言理解的研究也促进了计算机辅助语言教学和计算机语言设计等方面的发展，例如“希赛可”网络智能英语学习系统，这个基于网络的“人-机”语境的建立，突破了普通英语教师和传统的单机的多媒体教学软件所能具备能力限制，也比建立于网络的“人-人”语境更具灵活性，可以为远程学习者提供良好的英语学习支持，在国内第一次系统地将用自然语言进行的人机对话系统应用在计算机辅助外语教学上，在国际上也是一种创新。[17]

五 人工神经网络

人工神经网络就是在对大脑的生理研究的基础上，用模拟生物神经元的某些基本功能的元件（即人工神经元），按各种不同的联结方式组织起来的一个网络，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能，例如可以用于模仿视觉、模式识别、声音信号处理、控制、故障诊断等领域，人工神经元是人工神经网络的基本单元。[18]人工神经网络有两种基本结构：递归（反馈）网络和多层（前馈）网络，两种主要学习算法：有指导式学习和非指导式学习。

人工神经网络从模拟人类大脑神经网络的结构和行为出发，具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适合于处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题，[19]这使人工神经网络具有更大的发展潜能，目前已经开发和应用的人工神经网络模型有30多种。人工神经网络在教育中的应用大多是与教学专家系统相结合，以此来改进教学专家系统的性能，提高智能性，使其在教学过程中对突发问题具有更好的应对能力。人工神经网络在学校管理中也得到应用，例如采用误差反传算法（BP）的多层感知器已应用于高校管理之中。

六 分布式人工智能(Distributed Artificial Intelligence，DAI)

分布式人工智能是分布式计算与人工智能结合的结果，研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型，主要研究问题是各Agent之间的合作与对话，包括分布式问题求解和多Agent系统两个领域。[20]分布式人工智能系统一般由多个Agent组成，每个Agent又是一个半自治系统，Agent之间及Agent与环境之间进行并发活动并进行交互来完成问题求解。[21]由于分布式人工智能系统具有并行、分布、开放、协作和容错等优点，在资源、时空和功能上克服了单智能系统的局限性，因此获得了广泛的应用。

分布式人工智能中的Agent和多Agent技术在教学中的应用逐渐受到关注。在教学中引入Agent可以有效地提高教学系统的智能性，创造良好的学习情境，并能激发学习者的学习兴趣，进行个性化教育。目前，Agent和多Agent技术多用于远程智能教学系统，通过利用其分布性、自主性和社会性等特点，提高网络教学系统的智能性，使教学资源得到充分利用，并可实现对学习者的学习行为进行动态跟踪，为学习者的网络学习创造合作性的学习环境。在网络教学软件中应用Agent技术的一个典型是美国南加利福尼亚大学（USC）开发的教学Adele（Agent for Distance Education - Light Edition） [22]。Agent技术在网络教学软件中取得的良好效果，促进了研究者对分布式人工智能在教育中的应用研究。

综上所述，科学技术的发展将会推动人工智能技术在教育中应用的广度和深度。从人工智能的应用趋势来看，人工智能在教育中应用的扩展可以通过以下三个方面进行：一是人工智能与其他先进信息技术结合。人工智能已经与多媒体技术、网络技术、数据库技术等有效的融合，为提高学习效率和效度提供了有力的技术支持，而引起教育技术界广泛关注。[23]例如人工智能技术通过与多媒体技术相结合，可以提高智能教学系统的教学效果；与网络通讯技术相结合，可以提高和改进远程教育的智能性。二是人工智能应用研究领域间的集成。人工智能应用研究领域之间并不是彼此独立，而是相互促进，相互完善，它们可以通过集成扩展彼此的功能和应用能力。例如自然语言理解与专家系统、机器人的集成，为专家系统和机器人提供了新的知识获取途径。三是人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸与扩展，这些新领域有分布式人工智能与Agent、计算智能与进化计算、数据挖掘与知识发现以及人工生命等[24]，这些发展与应用蕴藏着巨大潜能，必将对教育产生重要的影响。

技术发展不断发挥着引导教育技术研究的作用，一种新兴技术的出现总是会掀起相应的研究热潮, 引发对技术在教育中应用的探讨、评价以及与传统技术的对比。[25] 人工智能作为一门交叉的前沿学科，虽然在基本理论和方法等方面存在着争论，但从其研究成果与应用效果来看，有着广阔的应用前景，值得进一步的开发和利用。

参考文献

[1] 史忠植,王文杰.人工智能[M].北京:国防工业出版社,2007:1.

[2][11][18][19] 《计算机与信息科学十万个为什么》丛书编辑委员会,计算机与信息科学十万个为什么(8):人工智能[M].北京:清华大学出版社,1998:5,189,78-79,84.

[3] 任友群,胡航.论学习科学的本质及其学科基础[J].中国电化教育,2007,(5):1-5.

[4][21] 蔡瑞英,李长河.人工智能[M].武汉:武汉理工大学出版社,2003:12-13.

[5][12][15][20][24] 蔡自兴,徐光.人工智能及其应用(第三版)――研究生用书[M].北京:清华大学出版社,2007: 12-14,19-20.

[6] [荷]山尼•戴克斯特拉,[德]诺伯特•M. 西尔,[德]弗兰兹•肖特,等.任友群,郑太年主译.教学设计的国际观第2册:解决教学设计问题[M].北京:教育科学出版社,2007:67.

[7] 任友群.技术支撑的教与学及其理论基础[M].上海:上海教育出版社,2007:42-43.

[8] 路利娟.应用专家系统提升现代远程教育的智能化[J].中国教育技术装备,2007,(12):79-80.

[9] 陈恳,杨向东,刘莉等.机器人技术与应用[M].北京:清华大学出版社,2007:6.

[10] 关注机器人幼儿教育――访鲍青山博士[DB/OL].

[13] 柏宏权,韩庆年.机器学习在适应性教学系统中的应用研究[J].南京师范大学学报(工程技术版),2007,7(4):76-79.

[14] 杨健,赵秦怡.基于案例的推理技术研究进展及应用[J].计算机工程与设计,2008,29(3):710-712.

[16] 自然语言理解[DB/OL].

[17] 贾积有.人工智能技术的远程教育应用探索――“希赛可”智能型网上英语学习系统[J].现代教育技术,2006,16(2):26-29.

[22] Erin Shaw, W. Lewis Johnson, and Rajaram Ganeshan, Pedagogical Agents on the Web[DB/OL].

篇8

关键词:智能技术;系统配置;故障诊断;

Abstract：This paper expounds the application of intelligent technology in elevator control system, including intelligent control and intelligent power grid, which can optimize the system configuration of elevator, improve the quality of fault diagnosis and enhance the efficiency of line processing.

0 引言

电梯控制系统是电梯运载的有机组成部分，能够切实保障电梯得到平稳、安全、有效的运行。我国传统的控制系统主要是通过继电器对电梯进行控制的。虽然能够实现较为简单的逻辑功能，然而却存在诸多的问题和弊端。而在电梯智能化发展的背景下，智能技术能够充分地融入控制系统中，使电梯的安全系数得到有效提升。

1 电梯的基本结构与运行原理

电梯是种垂直运送货物和人的输送设备，根据运行速度可分为低速电梯、快速电梯、高速电梯等三种。主要有层站部分、轿厢部分、底坑部分、井道部分、机房部分等部分组成。其操作系统具体包括拽引系统、导向系统、轿厢系统、门系统、平衡系统、拖动系统、控制系统、保护系统等部分。其中控制系统的基本功能是实时控制和操纵电梯运行，通常由选层器、平层装置、控制屏、显示装置、操纵装置等装置构成。在电梯运行的过程中，需要乘客通过按钮发送指令信号，并由控制系统为乘客呼叫电梯。当电梯处于启动状态时，各层轿门和厅门会处于闭合状态，电梯轿厢内的关闭按钮要想实现关门任务，就需要电梯控制系统通过向减速控制装置和加速控制装置分别输入信号，从而使电梯根据实际情况，处理关门任务。而在电梯到达指定楼层后，电梯会根据电梯内的重量变化，确定乘客是否离开电梯，随后调整电梯门闭合时间，再执行呼梯者所发出的质量。其所涉及的应用技术主要包括指纹识别、眼球识别、安全控制、安全保护、数字监控、报警装置等技术。

2 电梯控制系统中智能技术的类别

智能化电网。电梯控制系统电网具体包括功率分配、电器配置、系统设计等内容，如果电力系统出现问题，譬如缺乏反馈机制，将导致电梯难以实现安全运行的目的，严重者甚至会影响到乘客的生命安全。我国电梯工程已经应用了多种的信息化、智能化技术。如遗传算法、模糊算法及神经网络法等。其中模糊算法主要以模糊数学为抓手，借助隶属度、模糊集等方程构建电梯控制系统平台的模糊系统。而自适应算法能够通过分析电梯控制系统中的空间状态或状态空间，自适应电梯内的某种特征，使该特征可以在电梯运行中出现特定的变化。通常来讲，将模糊算法与自适应算法相结合，可以形成模糊自适应算法。而遗传算法可以模仿生态空间中的群体变异、竞争的关系，通过差分进化的方式，降低自身的复杂性，使数据收集、挖掘及整理过程更加智能。最后是神经网络，神经网络能够通过模拟人类神经元的方式，构建多层的神经网络系统，使数据分析过程更加灵活、智能。在电梯故障排查中，可通过输入故障数据的方式，使控制系统能够快速地分析故障的类型，提高电梯的稳定性。

智能化控制。智能化控制是电梯控制系统中智能技术的第二大类型。主要包括“处理单元”与“系统应用”两大组成内容。首先是处理单元。处理单元主要指智能算法硬件化，即“片上系统”。在智能算法应用的过程中，程序需要占据CPU大量的内存，且运行时间较长，如果将算法进行“硬件化”，将会提高CPU的利用率，优化系统运行速度和时间，也能在某种程度上，降低系统功耗，提高系统运作的实效性和有效性。现阶段，我国应用在电梯控制系统中的智能化单元主要有硬件单元和软件单元两种，其中软件单元主要指固定流程、算法软件的程序包，需要技术人员设置访问接口，以便于开发者进行相应的调用。而在软件单元的层面上，软件单元需要技术人员设置相应的电器接口，如总线接口、电源接口等。但根据相关研究发现，智能化单元的应用程度相对较低，需要我国相关学者及专家提高对此方面的重视。其次是操作系统。操作系统能够为电梯处理器或CPU“并行处理”各类任务奠定基础，可以使PC指针与处理器在各类任务中进行“自由切换”。通常来讲应用在工业领域的操作系统主要有Linux、Windows、Frertos、Ucos等系统，但Linux与Windows较为庞大，难以应用在电梯操作系统中，但Ucos、Frertos等系统程序简洁、体积较小可以嵌入在单片机与处理器中，提升电梯控制系统的智能化水平。现阶段，我国电梯控制系统还主要以逻辑控制型电梯为主，部分电梯系统能够集成简单的计算机操作系统，譬如ucos系统。电梯控制系统在搭载控制系统后，能够帮助开发者提升人机交互的便捷性、任务处理的实效性。而在未来科技快速发展的背景下，更多地操作系统将被广泛应用在电梯控制系统中。

3 智能技术在电梯控制系统中的应用

在综合探究电梯控制系统中智能技术的类型后，我们能够初步地了解智能技术的应用方向和应用途径。譬如智能化电网是以电力系统智能化为抓手，融入故障诊断系统、电力优化系统、故障自适应性等内容，可以切实减少电梯故障的发生概率。而智能化控制主要从控制单元与操控系统等角度出发，提高电梯控制系统的智能化水平。然而在智能技术的具体应用中，我们需要从以下角度出发。

节能环保技术。（1）小机房电梯。由于小机房井道与面积截面相同，通常为传统机房的一半。能够凭借永磁同步拽引机、驱动控制技术，降低机房的建筑面积。（2）在神经网络、模糊逻辑、专家系统等智能技术的支持下，电梯控制系统能够通过控制输出功率的大小，减小电梯运行的时间，降低能源消耗的程度。（3）在变压驱动控制与同步曳引机的支持下，电梯轿厢风扇、电灯能够获得自动停止、熄灭的功能，可以切实减少电梯运行所耗费的电能。譬如在操纵箱、电梯层站难以为乘客提供相关服务的时候，内部的电灯会自动熄灭。（4）在神经网络技术的支持下，电梯能够根据电梯运行时间、荷载重量及乘客数量，自动调整运行功率，即在大荷载或电梯乘坐高峰期，电梯会自动提高输出功率，尽量满足乘客的乘梯需求，而当荷载量小时，电梯则会降低运行速度和输出功率。

数字电梯技术。在现代科技快速发展的过程中，电梯控制系统能够将传统的数字电路发展为模拟电路，通过软件驱动代替硬件驱动的方式，优化电梯的运行过程，满足乘客乘坐电梯的基本需求。（1）数字化电梯技术在应用过程中，需要实现多媒体数据传播的功能，能够将模拟信号转变为数字信号，提升电梯运行中网络数据、电信数据传播的质量。（2）研发人员需要利用数字电梯技术整合各类电梯技术，使电梯控制系统在联网的前提下，丰富电梯固有的功能体系。譬如用户人脸识别功能、安全控制功能、数字监控功能、远程报警功能等。（3）研发人员还应利用数字电梯技术实现各类智能服务功能。如语音导航、乘客引导、智能宣传等。其中智能宣传主要指通过人脸识别的方式，宣传针对性较强的商业推广信息。

模糊控制技术。模糊控制技术能够在智能化电网中发挥出难以替代的功能和作用，可以提高电梯运行的安全系数，提高故障检测的实效性。而在电梯运行的过程中，模糊控制技术还能发挥出突出的优势和作用。通常来讲电梯在运行的过程中拥有不确定性和复杂性的特征，通常会出现各类突发状况和问题。为切实提升电梯整体的稳定性，研发人员需要通过模糊控制技术的“自主学习”，来提升电梯运行的基本性能。使电梯能够规避各类干扰因素，提高垂直运行的质量。在具体的应用过程中，研发人员还需要使电梯控制系统拥有信息收集、数据分析、智能处理等功能。即通过收集电梯在运行过程中所产生的各类数据，明确问题类型及运行调整方向。此外，电梯控制系统还需要将各类智能调节、自动调节技术融入其中，如缓冲、限速及紧急制动等技术。

4 结语

将智能技术充分应用在电梯控制系统中，能够切实提升电梯运行的智能化水平，增强电梯运行的安全性与舒适性。然而在智能技术应用的过程中，我们需要从电梯控制系统中的智能技术类型出发，对其进行整体地了解，随后从电梯使用，运行的层面，探究智能技术的应用方向和方法，才能切实发挥智能技术在电梯控制系统中的应用价值。

参考文献

篇9

关键词：远端；电力；监控系统；开发

1 前言

一般的电力监控系统主要是结合电脑、摄像头、控制等技术，完成用电情况的监测、分析用电设备的运转维护、控制、保护等功能。借助自身高度自动化的运作，可以依据及时且精确的资料做适当的处理动作，节省不必要的电力损失及减少人力维护成本，进而提升用电设备的运转品质，增加系统稳定性与节省电费支出的效果。

网络技术近年来发展迅速，网络环境也从以前单一的封闭环境发展成为开放式的网络环境，监控系统也由区域网络封闭式的机房，进而发展为可同时在不同地点进行网络监控，甚至不同形态的设备状态都可以通过网络进行监控。本研究预期运用通用网络浏览器的界面方式作为本系统的使用者界面，可预期本系统可将用电设备的用电状态借助网络监控来了解，并具有无所比拟的优势。

2 远端电力监控系统的软硬件架构

目前在个人电脑使用中最为普遍的操作系统不外乎是微软的视窗系统。相对于其他操作系统，视窗系统具有较多的应用软件和通讯界面的支援，并且在视窗操作系统中，开发图形界面的软件应用较为简便，可以缩短产品开发时间，增加市场竞争力，所以本研究开发的网络电力监控系统预期将以视窗系统作为操作平台。并通过VB程序语言开发人机界面来连接控制主机，通过RS-485通讯界面对多功能电表及控制器读取用电参数或设备状态，将其存入后端电脑资料库，作为电力资料分析的来源。

本研究的系统设计是以市场导向为设计上的考量，利用智能型多功能电表监测用电情形，并将整形多功能电表装置加入用户的各电源接口，利用RS-485通讯界面将三相电压均方根值、电流均方根值、实功率、需功率、功率因数等用电数据传回主机并存入资料库；对于用电设备的谐波分析功能，则将通过主机读取电压、电流等波形进行分析。需量控制方面也是通过RS-485界面，理论上，系统可装备256台远端的控制器，每台控制器可以对多台机械设备做个别的状态读取。

对于人机图控软件规划，则利用资料收集系统随时将用电资料由电表读出并写入资料库，另外使用者可以通过手动输入或修改每月用电最高需量及电价。其中，电表读取的资料可以用来做短期负载预测、斜坡等电力品质分析，而最高需量分析的资料可用来计算并预期最佳合同容量。短期负载预测结果输出则可以配合该时段签订的合同容量，当作需量控制的输入参数，对可以控制的用电设备进行用电排程控制。

本研究中使用的多功能电表须具有量测各种电力参数，如量测三相电压、电流有效数值及提供总功率、功率因数、总瓦时数、频率等参数，并同时具有对外通信的界面。目前比较普遍型的智能型电表都是以工厂或是建筑大楼用电的自动化为设计基础，基本功能都可量测超过200种以上的电力参数，并可以做状态侦测及控制输出。在电力参数量测的部分，可以连接至单相、三相三线式或是三相四线式的系统；电表本身可以做状态侦测及输出控制使用。数字输入点可侦测断路器或接地故障等状态，并可以警报输出及进行最高需量控制等工作，使用者也可以选择加装类比输出或输入模块以执行特殊功能。输出模块也可以配合电表内的Real Time Clock，可以做计时控制、事件记录、趋势记录等有关时间方面的工作。一般使用者则可以在电表面盘上读取设备用电的电力参数，也可以通过通讯界面，由个人电脑读取，其通讯界面为RS-485或RS-232，或者采用一般工业上普遍使用的MOD-BUS通讯协定，也课余可编程控制器等整合于统一系统之内。

紫铜整体的网络结构必须相当明确，每一个系统中的组成也必须能够相互配合，这样才能够将系统的网络效能发挥到极致，并且达到能够多工多人监控的目的。远端电力监控系统架构也就是应用分散式系统的架构概念，每项工作均由不同电脑分开处理。Web Server本身仅控制基本客户端请求与回应，因而在开发新系统时应减少系统复杂度，并将资料库与网络服务器分开。

3 系统应用与讨论

本文所开发的监控系统中包含有资料收集、电能分析模块、远端网络连线模块等，电力监控系统中包含了最佳合同容量分析计算、短期负载预测、谐波分析与负载管理等。资料收集模块包含了电脑通讯、资料库架构与分析等等，在最佳合同容量计算部分则采用电力公司高压电力时间电价结构。对于短期负载部分将采用目前大部分研究采用的类神经网络分析的方法。因而，进入监控系统界面，即可经由网络读取所有电力使用的信息，包括电压、电流、功率因素、有效功率、无效功率及有效能量等。具体来看，包括如下应用方面。

一是功率因数控制追踪及设定。对于时间电价用户而言，基本电费为电力公司的各时段合同容量的费用支出，即不同时段的合同千万数乘以个别时段的合同电价综合。超约附加费用户在不同时段的用电最高需量超出合同容量部分的罚金计算为：超过合同容量10%以下部分以两倍基本电费计算，超出合同容量10%以上部分则以三倍基本电费计算。功率因数调整费的目的是为了提高电力设备及线路利用率，本系统可以周期性的追踪使用电力功率因数的变化，并借助功率因数上下限的设定来决定投入电容的数目，以提升功率因数。二是提供电能监控系统资料库。资料库及储存资料的仓库，然而当资料过于庞杂时，则需要将资料分类再储存，这也就是资料表。资料库内必须有一个以上的资料表，资料表内必须设定栏位，每个栏位必须设定储存的资料形态，因而统一资料表的每笔资料必然有可比较的特性。为了应对长时间应用电力负载与节能控制系统，系统中建立了类神经网络培训程序，使用者可以定期利用历史负载资料来加以培训学习，确保系统在环境的不断变化下，负载数据依然能够具有较高度的准确率。

参考文献

[1]周永华.关于居民小区供配电设计若干问题探讨[J].民营科技，2009（2）.

[2]刘健，徐洪.电力监控系统在电力生产中的应用[J].华电技术，2009（5）.

篇10

关键词：路径规划；条件适应；遗传算法；人工势场算法

中图分类号：TP242 文献标识码：A 文章编号：1009-3044（2016）17-0174-03

Abstract： There are variety of solutions of Robot path planning， such as the algorithm called artificial potential field algorithm， which simulation the potential form physics concept and genetic algorithm. But some limitations with these algorithm， which only gets the best result under certain conditions. So it is necessary for us to use one algorithm under the conditions match it best， by which every algorithm can work more effective.

Key words： path planning； condition match；genetic algorithm； artificial potential algorithm

为了更加深入的学习多智能体系统，开创了RoboCup项目，即机器人世界杯。近几年来，机器人足球的国际赛事越来越普及。RoboCup是其中影响最大的。而路径规划问题又是RoboCup3D项目中的一个热点研究领域。所谓路径规划，就是在仿真环境中找到一条从起点到终点的最优，即最短路径。不仅要考虑到路径长度，还要考虑到障碍物的干扰。这样，路径规划问题就涉及了实时避障问题，这两个问题是反映智能双足机器人的自主能力的关键性问题。如何在各种复杂的环境中找到无碰撞的最优路径本身就是一个高度智能的过程。基于此问题的算法近年来也是层见叠出，新的算法和对传统算法的改进算法不断涌现出来。有以模拟退火算法，人工势场算法和模糊逻辑算法为代表的传统算法；还有图形化的算法，如C空间图形法，自由空间法，以及栅栏法；而最新研究的智能仿生学算法从生物处的得到启示，从蚁群觅食中得到的蚁群算法，从动物神经网络行为中学到的神经网络算法，还有模拟达尔文遗传选择和自然淘汰的遗传算法。以上的每种算法都有其优缺点，栅栏算法在一定的条件下可以得到最优解，但是解的质量取决于栅栏大小的选择，栅栏越小，所需要的储存空间也更大。而可视图法每经过一定周期，就需要重新计算路径，寻找效率较低，以上两种方法求得的路径为折线，不适于机器人的运动控制；人工势场算法虽然克服了上述算法的缺点，但是存在局部最优解的问题，即规划路径非全局最优。而发展火热的智能仿生学算法却因为其需要大量的存储空间以及相当高的时空复杂度而不能在实时避障问题中大显身手，还需要我们不断地研究发展才能应用到实际问题中。既然每种算法都有其适用范围和不适用范围，那我们可以就环境条件进行分类，在每种环境下使用其适用的算法，可以让每种算法的缺点得到最大程度的缩小，而优点得到充分放大。本文就采用能够得到全局最优解的遗传算法和存在局部最优问题的人工势场算法。两种方法结合，在RoboCup3D的仿真平台上测试。3D仿真平台是采用C/S模式设计的机器人足球比赛平台，平台实现对真实的物理三维世界模型的模拟，该系统主要用于研究服务器的通信，基本动作及决策系统，对球员的感知等基本功能模块。

1 遗传算法

1.1遗传算法路径规划的具体方法

遗传算法（Genetic Algorithm，GA）启发于自让进化的模型， 是一种在自然选择和遗传基础上发展来的全局优化算法。编码、适应度函数、初始群体、控制参数和遗传操作过程是遗传算法的五个基本要素；而遗传操作又包括选择、交叉复制、变异。

障碍物的描述：

在综合考虑障碍物的搜索范围和搜索效率等条件的情况下，以机器人的起始点S与目标点D的连线长度|SD|为长，以|SD|/2位宽确定障碍物区域α，则区域α为障碍物搜索范围。用集合Obstacle{}表示障碍物集合，元素为On，如第一个元素为O1，第二个元素为O2。且α内On的表示为On（xn，yn）∈α，其中xn和yn分别为第n个元素在球传平面的横坐标和纵坐标。

将区域α的长分为m+1等分，宽分为n+1等分，这样α内就有了m*n个路径点，在每一条平行于宽线的线（我们暂且称之为横线，m条）上有n个路径点，在每一条横线上取一个路径点，这样便形成了一条由各个横线上的路径点连成的一条路径线β，我们这样表示β：

其中Ln表示从开始点S开始第n条横线上的一个路径点P，xn、yn表示相应的二维坐标。

1.2建立启发函数

启发函数关系到遗传迭代的方向，在最优路径的规划中，我们要考虑到路径长短，距离障碍物距离以及路径平滑度三个因素。

路径长度启发函数为：

[f1=|LiLi+1|] （其中i从1到m-1）