电气控制线路和人工神经网络关系初探

2017-02-17甘肃能源化工职业学院马卫东

电子世界 2017年2期

关键词：低压电器二值人工神经网络

甘肃能源化工职业学院马卫东

电气控制线路和人工神经网络关系初探

甘肃能源化工职业学院马卫东

为了寻求构建人工神经网络的新方法，通过研究人工神经元和继电器的联系，以多速电机控制电路为例，阐述了将电气控制线路转化为人工神经网络的方法，不但为人工神经网络的研究开辟了新的途径，还为用人工神经网络进行电气控制打下了初步的基础。

电气控制线路；二值人工神经网络；权重；阈值；隐含层；定时器

1 引言

由于人工神经网络控制系统具有良好的智能特性[1]，所以在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域中得到了广泛应用。但在人工神经网络的构建上，尤其是时滞神经网络的构建方面，基本上还停留在各种经验上。与此同时，由于工程的需要，人们在电气控制线路的设计方面积累了丰富经验和理论方法。为此，本文通过研究人工神经元和继电器的联系，以多速电机控制电路为例，阐述了将电气控制线路转化为人工神经网络的方法，不但为人工神经网络的研究开辟了新的途径，还为用人工神经网络进行电气控制打下了初步的基础。

2 人工神经元和继电器的联系

人工神经网络由若干人工神经元连接而成，图1是一个典型的人工神经元模型，其中x1、x2、x3、…、xm是神经元输入信号，w1、w2、w3、…、wm、w是连接权重，θ是神经元的阈值，y为神经元输出，通常：

如果该神经元是MP模型，则输入xi只能取1或0，且：

图1 人工神经元模型

其构成的人工神经网络即为二值神经网络，相应的权值调整规则即学习规则为δ规则。

与此类似的是，电气控制线路是由各种高低压电器连接而成，这些低压电器通常工作在开关状态，其输入输出只能取1或0，所以本质上与MP模型相似，其构成的电气控制线路，也可以看成是二值神经网络。比如图2所示继电控制中常用的通电延时继电器，其相应的神经元模型如图3所示。

图2 时间继电器

图3 时间继电器神经元模型

其中T0、T1、T2、T3、T4分别代表通电延时线圈、瞬动常开、瞬动常闭、延时常开、延时常闭，如果用t表示时间，k表示延时时间设定值（用计数器定时，故t和k均为整数，下同），不考虑其他外界输入，则各个神经元输出函数为：

根据（1）（2）两式，当T0=0时，T1=0，T3=0，T2=1，T4=1；当T0=1时，T1=1，T2=1，跟瞬动触头动作情况一致。至于T3、T4的状态，不但与T0有关，还与时间t有关，当T0=1且t＜k时，T3=0，T4=1，当T0=1且t≥k时，T3=1，T4=0，显然，与通电延时继电器的工作情况一致，其他高低压电器与此类似。

图4

图5

3 电气控制线路和人工神经网络

根据上面的分析，各种高低压电器都可以看成是二值型人工神经元，所以由各种高低压电器构成的电气控制线路，都可以看成是二值神经网络。现在我们就以多速电机控制电路（图4）为例，说明如何把电气控制线路转化为二值型人工神经网络。

首先，按表1把电气控制线路中的各类电器全部换成相应的神经元，然后根据各类电器的连接关系以及继电器线圈、常开、常闭的连锁关系，画上相应的连线，就形成图5所示的人工神经网络。

表1 各类电器和相应神经元的对应关系

图5所示的神经网络可以用δ学习规则进行训练，以确定其权值和阈值。具体计算后，各神经元输出为（T为T神经元的输出，t为当前时间，k为设定时间）。

显然，根据（1）（2）（4）式，图5所示的人工神经网络完全可以实现图4所示的电气控制电路的功能，因为图4所示的电气控制电路既有按钮、接触器，又有中间继电器和时间继电器，有一定的典型性，所以该结论可以进行推广，即所有的电气控制线路，都可以利用各类电器和人工神经元之间的对应关系，将其转化为相应的二值型人工神经网络，并利用δ学习规则确定其权值和阈值，最终形成的二值型人工神经网络，其功能与原来的电气控制电路相同。