卷積神經(jīng)網(wǎng)絡的歷史精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的卷積神經(jīng)網(wǎng)絡的歷史主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：卷積神經(jīng)網(wǎng)絡的歷史范文

關鍵詞：物聯(lián)網(wǎng)；人臉識別；視頻網(wǎng)絡

1物聯(lián)網(wǎng)及人臉識別視頻網(wǎng)絡技術的發(fā)展

1.1物聯(lián)網(wǎng)視頻網(wǎng)絡技術的發(fā)展狀況

最近幾年，隨著物聯(lián)網(wǎng)技術、圖像處理技術以及數(shù)據(jù)傳輸技術的快速發(fā)展，視頻網(wǎng)絡技術應運而生并取得了長足的發(fā)展。當前，視頻網(wǎng)絡系統(tǒng)作為一種模擬數(shù)字控制系統(tǒng)，其具有非常成熟和穩(wěn)定的性能，已廣泛應用于實際工程中。雖然數(shù)字系統(tǒng)發(fā)展迅速，但尚未完全形成相應的體系，因此，混合數(shù)字和模擬應用程序逐漸遷移到數(shù)字系統(tǒng)將成為未來發(fā)展的主要趨勢之一。當前，國內(nèi)外市場上主流的產(chǎn)品主要有兩種，即模擬視頻數(shù)字網(wǎng)絡系統(tǒng)、數(shù)字視頻網(wǎng)絡系統(tǒng)。前者技術先進，性能穩(wěn)定，被廣泛應用于實際工程應用中，特別是大中型視頻網(wǎng)絡項目。后者作為一種新興技術，是一種通過以計算機技術和視頻壓縮為核心的新型視頻網(wǎng)絡系統(tǒng)，其有效的避免了模擬系統(tǒng)所存在的一些弊端，但未來仍需要進行不斷的改進和發(fā)展。外部集成、視頻數(shù)字化、視頻網(wǎng)絡連接、系統(tǒng)集成是未來視頻網(wǎng)絡系統(tǒng)發(fā)展的重要研究方向。數(shù)字化是網(wǎng)絡的前提，而網(wǎng)絡是系統(tǒng)集成的基礎。因此，視頻網(wǎng)絡領域的兩個最大發(fā)展特征是：數(shù)字化和網(wǎng)絡化。

1.2人臉識別視頻網(wǎng)絡的發(fā)展狀況

人臉識別技術作為模式識別領域中的一項前沿課題，截止目前，已有三十多年的研究歷史。人臉識別目前是模式識別和人工智能的研究熱點，目前主要采用AdaBoost分類器進行人臉區(qū)域的檢測，人臉識別研究的內(nèi)容大致分為以下內(nèi)容：（1）人臉檢測：其指的是在不同場景下的人臉檢測及其位置。人臉檢測是通過在整個輸入的圖像中找到一個合適的人臉區(qū)域為目的，并將該圖像分為人臉區(qū)域和非人臉區(qū)域兩部分。在實際的某些理想情況下，由于可以人為手動控制拍攝環(huán)境，因此，可以輕松確定人臉的位置；但是在大多數(shù)情況下，由于場景更加復雜，因此，人臉的位置是未知的。因而在實際的人臉識別視頻網(wǎng)絡過程中，首先必須確定識別場景中是否有人臉的存在，如果存在人臉，再進一步確定圖像中人臉的具體區(qū)域。（2）人臉識別：將系統(tǒng)檢測到的人臉特征信息與系統(tǒng)數(shù)據(jù)庫中存在的已知人臉信息進行充分識別與匹配，以此獲取相關信息，該過程的本質(zhì)是選擇正確的人臉模型和匹配策略。在實際生活的應用當中，由于成人的面部模型處于不斷變化當中，且容易受到時間、光線、相機角度等方面的差異，因而很難用一張圖紙表達同一個人的面部圖像，這使得提取特征變得困難，由于大量的原始灰度圖像數(shù)據(jù)，神經(jīng)元的數(shù)量通常很大并且訓練時間很長。除此之外，完全依賴于神經(jīng)網(wǎng)絡的識別方法具有當前計算機系統(tǒng)固有的局限性，盡管神經(jīng)網(wǎng)絡具有很強的感應能力，但是隨著樣本數(shù)量的增加，其性能可能會大大降低。簡而言之，由于年齡，表情，傾斜度和其他表征對象的因素的多樣性，很難進行人臉識別，因此，識別該對象的效果仍遠未達到現(xiàn)實。目前，普遍采用AdaBoost算法來對出現(xiàn)在視頻中的人臉區(qū)域進行檢測，以此達到實時獲取人臉圖像的目的，AdaBoost算法的原理是通過訓練得到多個不同的弱分類器并將這些弱分類器通過疊加、級聯(lián)得到強分類器，AdaBoost算法流程如圖1所示。（3）表情分析：即對面部表情信息（幸福，悲傷，恐懼，驚奇等）進行分析和分類。當前，由于問題的復雜性，正在對面部表情的分析進行研究，它仍處于起步階段。心理學表明，至少有六種與不同面部表情相關的情緒：幸福，悲傷，驚奇，恐懼，憤怒和惡心。即與沒有表情的面部特征相比，這六個表情的面部特征具有相對獨特的運動規(guī)則。（4）生理分類：分析已知面孔的生理特征，并獲得相關信息，例如種族、年齡、性別和職業(yè)。顯然，此過程需要大量知識，通常非常困難和復雜。

2物聯(lián)網(wǎng)卷積神經(jīng)網(wǎng)絡人臉識別方法分析

卷積神經(jīng)網(wǎng)絡是專門設計用于識別二維形狀的多層感知器。通常，可以使用梯度下降和反向傳播算法來訓練網(wǎng)絡。從結(jié)構(gòu)上講，卷積神經(jīng)網(wǎng)絡包含三個概念：局部感受野、權(quán)重共享和下采樣，使其在平移，縮放，傾斜或其他形式的變形中相當穩(wěn)定。當前，卷積神經(jīng)網(wǎng)絡被廣泛用于模式識別，圖像處理和其他領域。卷積神經(jīng)網(wǎng)絡（CNN）用于提取目標人臉圖像的特征。訓練網(wǎng)絡后，將先前測試的模型用作面部分類器，微調(diào)可以縮短網(wǎng)絡模型的訓練時間。卷積神經(jīng)網(wǎng)絡的基本體系結(jié)構(gòu)是輸入層，卷積層（conv），歸約層（字符串），完全連接層和輸出層（分類器）。通常有多個卷積層+速記層，此程序?qū)崿F(xiàn)的CNN模型是LeNet5，并且有兩個“卷積+下采樣層”LeNetConvPoolLayer。完全連接的層等效于MLP（多層感知器）中的HiddenLayer。輸出層是一個分類器，通常使用softmax回歸（有些人稱為直接邏輯回歸，它實際上是多類邏輯回歸）。LogisticRegression也直接提供了該軟件。人臉圖像在視頻監(jiān)控中實時發(fā)送到計算機，并且面部區(qū)域部分由AdaBoost算法確定。在預處理之后，將臉部圖像注入到新訓練的預訓練模型中進行識別。該過程如圖2所示。

3物聯(lián)網(wǎng)人臉識別視頻網(wǎng)絡多目標算法優(yōu)化

多目標優(yōu)化問題的實質(zhì)是協(xié)調(diào)并在各個子目標之間達成折衷，以便使不同的子目標功能盡可能地最佳。工程優(yōu)化的大多數(shù)實際問題都是多用途優(yōu)化問題，目標通常相互沖突。長期以來，多目標優(yōu)化一直受到人們的廣泛關注，現(xiàn)在已經(jīng)開發(fā)出更多的方法來解決多目標優(yōu)化問題。如果多標準優(yōu)化沒有最差的解決方案，那么通常會有無限多的解決方案，這并不是最差的解決方案。解決面部強調(diào)時，人們不能直接應用許多次等解決方案。作為最后的決定，我們只能選擇質(zhì)量不是最低，最能滿足我們要求的解決方案。找到最終解決方案的方法主要有三種。因此，只有通過找到大量有缺陷的解決方案以形成有缺陷的解決方案的子集，然后根據(jù)我們的意圖找到最終的解決方案。基于此，多目標算法是通過將多準則問題轉(zhuǎn)變?yōu)橐粋€關鍵問題，這種方法也可以視為輔助手段。這種方法的棘手部分是如何獲取實際體重信息，至于面部特征，我們將建議一種基于權(quán)重的多功能優(yōu)化算法，該算法可以更好地反映臉部的特征。我們將人臉的每個特征都視為多個目標，并且在提取面部特征時，面部特征會受到外界的強烈影響，例如位置，光照條件和強度的變化，并且所有部位和每個部位都會受到影響。因此，我們可以使用加權(quán)方法從每個受影響的分數(shù)中提取不同的權(quán)重。通過開展試驗測試，結(jié)果表明，在有多目標優(yōu)化的算法的作用下，比在沒有多目標優(yōu)化的算法作用下人臉識別效果有所提高，大約提高了5—10個百分點。

4結(jié)論

鑒于多準則優(yōu)化算法在科學研究的各個領域中的廣泛使用，本文提出了一種多準則優(yōu)化算法來對復雜的多準則人臉圖像上的各種面部特征進行特征提取的多準則優(yōu)化，以達到提高人臉識別率的目標、提高整個人臉識別視頻網(wǎng)絡系統(tǒng)的性能。

參考文獻

[1]江斌,桂冠.基于物聯(lián)網(wǎng)的人臉識別視頻網(wǎng)絡的優(yōu)化方法研究[C]//物聯(lián)網(wǎng)與無線通信-2018年全國物聯(lián)網(wǎng)技術與應用大會論文集.2018.

[2]余雷.基于物聯(lián)網(wǎng)的遠程視頻監(jiān)控優(yōu)化方法研究[J].科技通報,2014(6).

[3]張勇.遠程視頻監(jiān)控系統(tǒng)的傳輸技術的實現(xiàn)[D].電子科技大學,2011(9)

第2篇：卷積神經(jīng)網(wǎng)絡的歷史范文

    雖然目前公眾媒體將無線通信炒的很熱,但這個領域從1897年馬可尼成功演示無線電波開始,已經(jīng)有超過一百年的歷史。到1901年就實現(xiàn)了跨大西洋的無線接收,表明無線通信技術曾經(jīng)有過一段快速發(fā)展時期。在之后的幾十年中,眾多的無線通信系統(tǒng)生生滅滅。

    20世紀80年代以來,全球范圍內(nèi)移動無線通信得到了前所未有的發(fā)展,與第三代移動通信系統(tǒng)(3G)相比,未來移動通信系統(tǒng)的目標是,能在任何時間、任何地點、向任何人提供快速可靠的通信服務。因此,未來無線移動通信系統(tǒng)應具有高的數(shù)據(jù)傳輸速度、高的頻譜利用率、低功耗、靈活的業(yè)務支撐能力等。但無線通信是基于電磁波在自由空間的傳播來實現(xiàn)信息傳輸?shù)?。信號在無線信道中傳輸時,無線頻率資源受限、傳輸衰減、多徑傳播引起的頻域選擇性衰落、多普勒頻移引起的時間選擇性衰落以及角度擴展引起的空間選擇性衰落等都使得無線鏈路的傳輸性能差。和有線通信相比,無線通信主要由兩個新的問題。一是通信行道經(jīng)常是隨時間變化的,二是多個用戶之間常常存在干擾。無線通信技術還需要克服時變性和干擾。由于這個原因,無線通信中的信道建模以及調(diào)制編碼方式都有所不同。

    1.無線數(shù)字通信中盲源分離技術分析

    盲源分離(BSS:Blind source separation),是信號處理中一個傳統(tǒng)而又極具挑戰(zhàn)性的問題,BSS指僅從若干觀測到的混合信號中恢復出無法直接觀測的各個原始信號的過程,這里的“盲”,指源信號不可測,混合系統(tǒng)特性事先未知這兩個方面。在科學研究和工程應用中,很多觀測信號都可以看成是多個源信號的混合,所謂“雞尾酒會”問題就是個典型的例子。其中獨立分量分析ICA(Independent component analysis)是一種盲源信號分離方法,它已成為陣列信號處理和數(shù)據(jù)分析的有力工具,而BSS比ICA適用范圍更寬。目前國內(nèi)對盲信號分離問題的研究,在理論和應用方面取得了很大的進步,但是還有很多的問題有待進一步研究和解決。盲源分離是指在信號的理論模型和源信號無法精確獲知的情況下,如何從混迭信號(觀測信號)中分離出各源信號的過程。盲源分離和盲辨識是盲信號處理的兩大類型。盲源分離的目的是求得源信號的最佳估計,盲辨識的目的是求得傳輸通道混合矩陣。盲源信號分離是一種功能強大的信號處理方法,在生物醫(yī)學信號處理,陣列信號處理,語音信號識別,圖像處理及移動通信等領域得到了廣泛的應用。

    根據(jù)源信號在傳輸信道中的混合方式不同,盲源分離算法分為以下三種模型:線性瞬時混合模型、線性卷積混合模型以及非線性混合模型。

    1.1 線性瞬時混合盲源分離

    線性瞬時混合盲源分離技術是一項產(chǎn)生、研究最早,最為簡單,理論較為完善,算法種類多的一種盲源分離技術,該技術的分離效果、分離性能會受到信噪比的影響。盲源分離理論是由雞尾酒會效應而被人們提出的,雞尾酒會效應指的是雞尾酒會上,有音樂聲、談話聲、腳步 聲、酒杯餐具的碰撞聲等,當某人的注意集中于欣賞音樂或別人的談話,對周圍的嘈雜聲音充耳不聞時,若在另一處有人提到他的名字,他會立即有所反應,或者朝 說話人望去,或者注意說話人下面說的話等。該效應實際上是聽覺系統(tǒng)的一種適應能力。當盲源分離理論提出后很快就形成了線性瞬時混合模型。線性瞬時混合盲源分離技術是對線性無記憶系統(tǒng)的反應,它是將N個源信號在線性瞬時取值混合后,由多個傳感器進行接收的分離模型。

    20世紀八、九十年代是盲源技術迅猛發(fā)展的時期,在1986年由法國和美國學者共同完了將兩個相互獨立的源信號進行混合后實現(xiàn)盲源分離的工作,這一工作的成功開啟了盲源分離技術的發(fā)展和完善。在隨后的數(shù)十年里對盲源技術的研究和創(chuàng)新不斷加深,在基礎理論的下不斷有新的算法被提出和運用,但先前的算法不能夠完成對兩個以上源信號的分離;之后在1991年,法國學者首次將神經(jīng)網(wǎng)絡技術應用到盲源分離問題當中,為盲源分離提出了一個比較完整的數(shù)學框架。到了1995年在神經(jīng)網(wǎng)絡技術基礎上盲源分離技術有了突破性的進展,一種最大化的隨機梯度學習算法可以做到同時分辨出10人的語音,大大推動了盲源分離技術的發(fā)展進程。

    1.2 線性卷積混合盲源分離

    相比瞬時混合盲源分離模型來說,卷積混合盲源分離模型更加復雜。在線性瞬時混合盲源分離技術不斷發(fā)展應用的同時,應用中也有無法準確估計源信號的問題出現(xiàn)。常見的是在通信系統(tǒng)中的問題,通信系統(tǒng)中由于移動客戶在使用過程中具有移動性,移動用戶周圍散射體會發(fā)生相對運動,或是交通工具發(fā)生的運動都會使得源信號在通信環(huán)境中出現(xiàn)時間延遲的現(xiàn)象,同時還造成信號疊加,產(chǎn)生多徑傳輸。正是因為這樣問題的出現(xiàn),使得觀測信號成為源信號與系統(tǒng)沖激響應的卷積,所以研究學者將信道環(huán)境抽象成為線性卷積混合盲源分離模型。線性卷積混合盲源分離模型按照其信號處理空間域的不同可分為時域、頻域和子空間方法。

    1.3 非線性混合盲源分離

    非線性混合盲源分離技術是盲源分離技術中發(fā)展、研究最晚的一項,許多理論和算法都還不算成熟和完善。在衛(wèi)星移動通信系統(tǒng)中或是麥克風錄音時,都會由于乘性噪聲、放大器飽和等因素的影響造成非線性失真。為此,就要考慮非線性混合盲源分離模型。非線性混合模型按照混合形式的不同可分為交叉非線性混合、卷積后非線性混合和線性后非線性混合模型三種類型。在最近幾年里非線性混合盲源分離技術受到社會各界的廣泛關注,特別是后非線性混合模型。目前后非線性混合盲源分離算法中主要有參數(shù)化方法、非參數(shù)化方法、高斯化方法來抵消和補償非線性特征。

    2.無線通信技術中的盲源分離技術

    在無線通信系統(tǒng)中通信信號的信號特性參數(shù)復雜多變,實現(xiàn)盲源分離算法主要要依據(jù)高階累積量和峭度兩類參數(shù)。如圖一所示,這是幾個常見的通信信號高階累積量。

    在所有的通信系統(tǒng)中,接收設備處總是會出現(xiàn)白色或是有色的高斯噪聲,以高階累積量為準則的盲源分離技術在處理這一問題時穩(wěn)定性較強,更重要的是對不可忽略的加性高斯白噪聲分離算法同時適用。因此,由高階累積量為準則的盲源分離算法在通信系統(tǒng)中優(yōu)勢明顯。

    分離的另一個判據(jù)就是峭度,它是反映某個信號概率密度函數(shù)分布情況與高斯分布的偏離程度的函數(shù)。峭度是由信號的高階累積量定義而來的,是度量信號概率密度分布非高斯性大小的量值。

第3篇：卷積神經(jīng)網(wǎng)絡的歷史范文

Master的“過人之處”

2016年年末，圍棋界對阿爾法狗留下的心理陰影正在消散，這不單是因為在線圍棋網(wǎng)站上冒出了更多AI棋手―如日本的DEEPZEN、中國的“絕藝”――更重要的是，人類棋手在與之較量時互有勝負。特別是當中國第一高手柯潔曾完勝“絕藝”的升級版“刑天”（被認為棋力相當于阿爾法狗）一局并宣稱可以找到AI漏洞后，人類棋手歡欣鼓舞。

可是，Master就是在這樣的背景下登場并毫無懸念地收割勝利的。賽后，棋圣聶衛(wèi)平感喟“我們無法像電腦那樣從不犯錯”，而柯潔則連連慨嘆，“人類數(shù)千年的實戰(zhàn)演練進化，計算機卻告訴我們?nèi)际清e的……”那么，Master究竟強在哪里呢？阿爾法狗研發(fā)團隊的黃士杰博士表示，其“過人之處”即在于背靠多組超級計算機組成的卷積神經(jīng)網(wǎng)絡，這使得Master不僅具備類似人腦的“策略網(wǎng)絡”（選擇某一手棋的最優(yōu)下法），更擁有人類難以企及的“價值網(wǎng)絡”（判斷每一步靜態(tài)棋局的精準勝率）。與此同時，Master還可以通過每天自我對弈數(shù)十萬局來增長棋力――人類棋手一年最多下1000局。由此，Master得以拋開事倍功半的窮舉分析，并以閃電般的高效應對使人類棋手難以招架。

電腦將“學會”文化創(chuàng)意

對計算機而言，一切任務都是邏輯運算，而算法和算力是提升效率的主要指標。優(yōu)化算法可以更輕易地解決問題，提升算力則能在單位時間內(nèi)獲得更多成果。當一項活動具備邏輯運行特征時，即可交由計算機執(zhí)行；其中的變化規(guī)則越多地被掌握，計算機越是容易立于不敗之地。國際象棋就是一個例子，由于棋路變化相對簡單，今天安裝在手機上的對弈程序都已經(jīng)有了國際特級大師的棋力。專業(yè)級弈棋程序（如Rybka）幾乎已經(jīng)算盡棋路，在與人類棋手對決時穩(wěn)居上風。

常人的直覺是，計算方面輸給電腦是正常的，文化創(chuàng)意方面人類則是永遠的贏家。而事實上，文藝創(chuàng)作活動也可以通過算法轉(zhuǎn)化為邏輯運算。著名科幻作家劉慈欣就曾開發(fā)過一款寫詩軟件，設定創(chuàng)作一首三行詩，韻腳為a，按下“生成”就跳出結(jié)果：“伏特加，請霧化吧！懸崖，請磁化吧！我們都是嘩嘩啦啦的籌碼，我們要掙扎！”而如果在這一領域樹立一尊“圣杯”，那無疑是嘗試創(chuàng)造博爾赫斯筆下的“通天塔圖書館”。這座由小說家臆想出來的圖書館中，收藏著以不同字符、數(shù)字、標點符號組合而成的所有文本――既包括我們讀過的書，也包括消逝在歷史塵埃中的書，更包括尚未被寫出的書……計算機通過羅列全部組合的方式來締造這個圖書館，不斷優(yōu)化的算法會通過剔除大量無意義結(jié)果來為算力減壓。

當代的計算機尚無法構(gòu)建這個圖書館，正如它們還無法窮盡圍棋套路的變化那樣。但處理器性能是以指數(shù)級速度發(fā)展的，1946年人類第一臺電子計算機“埃尼阿克”的算力在今天連手持計算器都不如，我們又怎能設想一個世紀后的電腦將強大到何種程度呢？可以確定的是，一旦計算機可以“創(chuàng)作”，那么它也必然會攻克音樂、繪畫等人文藝術領域，人類靈感創(chuàng)意的專屬領地將遭遇機器邏輯的入侵。

與AI共生的未來

AI（人工智能）有強、弱之分。弱人工智能只擅長某個特定領域，比如駕駛、裝配或掃地吸塵。阿爾法狗亦屬于此，但它的本質(zhì)是一種深度學習引擎，而不是只會下圍棋。按照谷歌公司的藍圖，它將被運用在協(xié)助判斷早期病癥等領域。強人工智能將擁有類似人類的語言、情感以及思維能力，它們在很多方面會超越人類本身，因此研發(fā)的意義不是為解決某種具體問題，而是用它們來開創(chuàng)出更多視界。

第4篇：卷積神經(jīng)網(wǎng)絡的歷史范文

關鍵詞：電廠；熱工自動化；控制

一、電廠熱工自動化概述

對于電廠而言，熱工過程是其生產(chǎn)中不可或缺的重要環(huán)節(jié)之一，在該過程中，自動化技術的應用已經(jīng)有比較長的歷史，早期的熱能動力設備自動化控制裝置主要有鍋爐給水調(diào)節(jié)設備、蒸汽機離心擺調(diào)速設備等等。隨著科技水平的不斷進步，火電機組由以往的中低壓、小容量發(fā)展至現(xiàn)如今的高參數(shù)、大容量、單元式機組，其生產(chǎn)運行方式也由人工手動控制逐步轉(zhuǎn)變?yōu)樽詣踊刂?，這不但使電廠生產(chǎn)的自動化水平顯著提升，而且還為其帶來了巨大的經(jīng)濟效益。電廠熱工自動化涉及的范圍相對較廣，具體包括主機自動化、輔助設備自動化以及公用系統(tǒng)自動化等等，大體上可將之歸納為以下幾個方面：測量與顯示、模擬量控制、開關量控制、自動保護以及綜合自動化技術?？梢哉f熱工自動化控制對于電廠運行的各個方面有著非常重要的現(xiàn)實意義，其不但能夠確保各類設備的運行要求，而且還能實現(xiàn)自動化的控制操作，它的特點如圖1所示。

二、電廠熱工自動化技術的應用現(xiàn)狀分析

（一）變頻技術的應用

在控制系統(tǒng)中，變頻器是一個重要的功率變換部件，主要負責為控制系統(tǒng)提供高性能變壓變頻可控的交流電源，早些年間在電廠小型電機的控制上應用較為廣泛。變頻調(diào)速具備調(diào)速精度高、范圍廣、動態(tài)響應快、工作效率高、操作便捷等優(yōu)勢，并且還能夠取得良好的節(jié)能效果，在交流變頻調(diào)速技術不斷發(fā)展的情況下，變頻技術也被逐步試用到電廠的水泵電機、引風機等高壓電機的轉(zhuǎn)速控制上。隨著高壓變頻器可靠性的提高、投資成本的降低以及對電網(wǎng)諧波干擾的減少，高壓變頻器在節(jié)能方面的優(yōu)勢日益凸顯，越來越多的機組大電機應用了變頻調(diào)速控制，在電廠節(jié)能工作中發(fā)揮了重要作用。

（二）優(yōu)化控制技術的應用

由于過程生產(chǎn)對控制系統(tǒng)的要求不斷提高，從而使得傳統(tǒng)的控制技術很難滿足電廠熱工流程對系統(tǒng)安全性、穩(wěn)定性以及性能最優(yōu)化方面的要求，汽溫超標也成為制約電廠機組設備負荷變化響應能力的關鍵性因素之一。在這一背景下，大量的現(xiàn)代化控制方法被逐步應用到了電廠的熱工過程控制當中，其中較為典型的有模擬預測控制法、模糊控制法、前饋控制法等等，這些技術和方法的有效運用進一步提升了電廠熱工系統(tǒng)的自動化控制效果。例如，某電廠應用了SIMENS公司研發(fā)的PROFI系統(tǒng)，該系統(tǒng)中的汽溫控制原理如圖2所示。

在圖2當中，采用了狀態(tài)觀測器來解決因汽溫延遲引起的控制之后，焓值變增益控制器的應用有效地解決了蒸汽壓力變化對溫控的影響，Smith預估器的運用對導前溫度的變化進行了提前控制，自學習模塊的運用對減溫水閥門的特性變化給予了實時補償；煙道擋板成為再熱氣溫控制的主要調(diào)節(jié)手段，這進一步提升了機組自身的運行效率；協(xié)調(diào)控制模塊中非最小化形式描述的離散卷積和模型的運用提高了系統(tǒng)的魯棒性。PROFI系統(tǒng)投入生產(chǎn)之后，AGC狀態(tài)下的負荷變化響應時間大幅度縮短，主蒸汽溫度偏差穩(wěn)態(tài)時的溫度控制在2℃以內(nèi)，動態(tài)控制在5℃以內(nèi)。

三、電廠熱工自動化的未來發(fā)展趨勢

（一）監(jiān)控系統(tǒng)集中化

在以往的電廠監(jiān)控系統(tǒng)中，一臺或兩臺的機組使用一個集控室，同時電子室的小型電子設備間較多且設置在主設備的周圍，以達到節(jié)省電纜的目的，在這種情況下，電廠必須配置多個輔助車間以滿足運行要求。隨著計算機技術的快速發(fā)展，機組容量的不斷擴大，對電廠監(jiān)控系統(tǒng)的管理要求也隨之提高，這促使全廠的監(jiān)控系統(tǒng)必須向集中化的方向發(fā)展，將單元機組容于一個控制室，以提高輔助車間的工作運行效率。在監(jiān)控系統(tǒng)集中化的發(fā)展趨勢下，電廠單元機組的電子設備間會越來越集中，為此應當利用I/O柜的配置方式分配監(jiān)視信號，實現(xiàn)遠程監(jiān)控。如，浙江國華浙能寧海發(fā)電廠的監(jiān)控系統(tǒng)曾獲國家級科技創(chuàng)新金獎，該電廠由一個控制室同時監(jiān)控四臺機組，集中配置單元機組電子室，大幅度提高了機組的運行管理效率和經(jīng)濟效益。

（二）單元機組監(jiān)控智能化

隨著DCS系統(tǒng)被廣泛應用于電廠的單元機組，促使了電廠機組的監(jiān)控系統(tǒng)日益完善。但是，電廠的機組監(jiān)控系統(tǒng)仍未發(fā)展到智能化控制階段，依然存在著工作效率偏低、工作量大、耗用時間多等問題。近年來，我國冶金化工行業(yè)已經(jīng)廣泛應用了智能化監(jiān)視控制系統(tǒng)，在提高經(jīng)濟效益和工作效率方面取得了顯著成效，然而我國電力行業(yè)對智能化監(jiān)視系統(tǒng)的應用仍處于起步階段，尚需要不斷嘗試與完善。隨著電子技術的快速發(fā)展，智能化、自動化已經(jīng)成電廠單元機組的必然發(fā)展趨勢，可以預見，單元機組智能化監(jiān)控也會被廣泛應用于電廠機組的監(jiān)控系統(tǒng)中，從而提高電廠運行的經(jīng)濟效益和社會效益，使電廠熱工自動化技術的應用適應新時期下電廠可持續(xù)發(fā)展的需要。

（三）人工智能與神經(jīng)網(wǎng)絡

在未來的熱工自動化控制系統(tǒng)當中，可以逐步將人工智能的研究成果應用其中。傳統(tǒng)的溫度與壓力控制系統(tǒng)一般都是以某一點的溫度或是壓力值作為控制依據(jù)，但在電廠的實際生產(chǎn)中，常常需要對多個點的溫度和壓力進行控制，但由于技術方面的制約，使得這種控制很難實現(xiàn)?，F(xiàn)如今，隨著人工神經(jīng)網(wǎng)路技術的發(fā)展，為這種控制方案的實現(xiàn)提供了可能，該技術的應用，將會使控制系統(tǒng)的性能獲得顯著提升。

（四）APS技術

所謂的APS技術又稱為火力發(fā)電廠自動啟/停機控制系統(tǒng)，在具體運行時，只需要按下某個控制按鈕，機組便可以根據(jù)預先設計好的程序進行啟動或是停止，這樣一來，便可以使集控運行人員操作次數(shù)大幅度減少，從而能夠盡量杜絕人為操作不當引起的各種問題。鑒于此，APS將會成為電廠機組控制未來一段時期的重點研究方向。

（五）系統(tǒng)保護措施完善化

隨著電廠熱工自動化技術的不斷發(fā)展，熱工自動化系統(tǒng)運行的保護措施勢必會更加完善，主要體現(xiàn)在以下三個方面：首先，做好全面調(diào)試。在完成設備安裝后，要及時進行全面調(diào)試，并對重要硬件設備的調(diào)試情況做好跟蹤記錄。電廠熱工保護系統(tǒng)的安全、有效運行，與系統(tǒng)硬件的調(diào)試情況有著直接關系，為此必須認真記錄系統(tǒng)硬件的運行情況。尤其是保護出口卡的情況，要在每一次保護投入運行時進行設備校驗，確保設備合格。其次，采用冗余思路。在電廠熱工保護系統(tǒng)設計中，要充分結(jié)合電廠的發(fā)展現(xiàn)狀與未來發(fā)展需要，采用冗余設計思路提高電廠自動控制系統(tǒng)的運行效率。再次，使用優(yōu)質(zhì)元件。電廠熱工保護系統(tǒng)要配置高質(zhì)量的元件，并運用成熟的技術，以提高系統(tǒng)的穩(wěn)定性。隨著電廠熱控系統(tǒng)日趨復雜化，其對熱控元件可靠性的要求也會隨之提高。

結(jié)論：

總而言之，電廠肩負著電能生產(chǎn)的重要使命，其生產(chǎn)效率的高低關系重大。由于電廠生產(chǎn)過程中的設備相對較多，其中不乏一些大型化和復雜化的設備，尤其是在熱工生產(chǎn)領域中，為了確保這些設備能夠安全、穩(wěn)定、可靠運行，必須對其進行有效控制，在這一背景下，熱工自動化技術在電廠中獲得了廣泛應用。未來一段時期，應當逐步加大與之相關方面的研究力度，使該技術能夠更好地為電廠生產(chǎn)服務。

參考文獻

[1]彭道剛..電廠熱工設備智能狀態(tài)診斷分析系統(tǒng)軟件設計[J].上海電力.2012（7）.

[2]史運濤.故障診斷與容錯控制在電廠熱工系統(tǒng)中的應用研究[D].華北電力大學.2013.

[3]俞磊.提高電廠熱工保護系統(tǒng)可靠性對策研究[J].技術與市場.2012（6）.