[摘 要]随着人工智能等高新技术的发展，自动化作为高新技术的辅佐技术逐渐受到高新企业的青睐，成为了制造业和汽车行业等占领市场的核心技术，而当前自动化技术中最顶尖的两个算法是神经网络和模糊算法，这两个算法无论是在自动化的流程控制还是在自动化的程序控制都有着其他算法不可比拟的优越性。本文将从神经网络算法的基本概念出发，从神经网络算法原理介绍该算法在自动化中的运用优势，从神经网络算法的实例应用入手，分析神经网络对自动化技术的影响，为神经网络算法的完善以及对自动化技术的定位提供一个可行性方案。
　　[关键词]人工神经网络；运用；自动化技术
　　中图分类号：P855 文献标识码：A 文章编号：1009-914X（2018）44-0266-01
　　从我国制定工业2025计划以来，自动化技术的发展势头变得异常迅猛，而普通算法也已经不能继续支撑自动化继续发展的脚步，神经网络算法无论是在精确控制方面还是在运算的处理方面都有着其他算法不可比拟的优势，所以自动化技术领域的相关专家就尝试把人工神经网络运用到自动化领域上来。经过长时间的研究，目前人工神经网络技术在自动化中的发展已经逐渐到最为关键的时候，如果能够保持创新，人工神经网络在自动化中的应用，能使自动化技术的优势得到更好发挥。
　　1人工神经网络的发展
　　数学家和生物学家从人的大脑中发现了一个挺好用的模型。他们发现，人的大脑皮层的结构非常简单，它由一个个的神经元组成，神经元伸出很多触突和感官神经相连，然后再通过长触突连到其他的神经元上。当突触受到刺激的时候，比如眼神经看到东西了，就会形成不同的信号，刺激到神经元，神经元把这个信号组合一下，就直接影响到下一个神经元。这样在外界的刺激下，信号会在神经元上形成一个扩散，最后，“有规律”的刺激，就会得到增强，如果下次这种规律再进来，我们就会认为，“这就是同一个东西”
　　神经网络的深度学习，主要是从复杂的数据关系中，抽象出它的特征，从而成为我们的一种知识。那里举了几个例子，比如线性回归，点回归等等。但这些方法都有比较明显的缺陷，就是它的参数是非常有限的，你眼睛看到一个五彩斑斓的图景，耳朵听到一个一个闹闹嚷嚷的声音，你一下就能捕获某个特定的特征，这使用的参数就不是简单几个斜率，角度，位置这样的参数可以决定的了。我们需要有很多的参数，而且，我们肯定这些参数不是线性的。做了这么多年的数学，我们会有一个基本的感性认识：线性关系的组合，常常还是线性的。我们需要一个模型，这个模型可以提供很多参数，有共性的东西，可以得到相似的结果。基于这样一个模型，我们就可以不断学习，提取特征，从而发现事实中的“规律”来了。
　　2人工神经网络自动化控制的优势
　　2.1结构简单
　　人工神经网络有能力学习和构建非线性的复杂关系的模型，这非常重要，因为在现实生活中，许多输入和输出之间的关系是非线性的、复杂的。人工神经网络可以推广，在从初始化输入及其关系学习之后，它也可以推断出从未知数据之间的未知关系，从而使得模型能够推广并且预测未知数据。与许多其他预测技术不同，人工神经网络不会对输入变量施加任何限制（例如：如何分布）。此外，许多研究表明，人工神经网络可以更好地模拟异方差性，即具有高波动性和不稳定方差的数据，因为它具有学习数据中隐藏关系的能力，而不在数据中强加任何固定关系。
　　2.2性能更高
　　对于自动化控制这个领域，神经网络用于语音识别控制效果会更好，因为神经网络是被设计来处理时间上的序列信号的。它和普通前控制处理信号的区别在于，其隐藏层带有递归性质，也就是隐藏层神经元的输出不仅和上一层的输出有关，还和其自身在上一个时间点的状态有关。如此一来，神经网络便带有了时间积累的性质，而不是简简单单的一个控制器，它的控制性能就会呈几何级数的增长，能够在同一时间控制大量的自动化机械设备。
　　3人工神经网络在现代自动化中的运用
　　3.1在自动化控制中的应用
　　图像处理和程序识别：人工神经网络具有接收许多输入的能力，可以处理它们来推断隐蔽、复杂的非线性关系，人工神经网络在图像和程序识别中起着重要的作用。因为图像在控制领域来说没有程序那么精确，图像识别是一个不断发展的领域，广泛应用于简单机构的识别控制中，并且需要特殊的控制软件对这些图片进行预处理才能进行控制。目前，人工神经网络的研究为深层神经网络铺平了道路，是深度学习的基础，现已在计算机视觉、语音识别、自然语言处理等方向开创了一系列令人激动的创新，比如，无人驾驶汽车。
　　3.2人工神经网络在自动化电能中的应用
　　电能是现代社会的主要能源，人类已对电能产生极大的依赖性。但随着经济水平的不断提高，社会对电能需求量越来越大，传统供电方式已难以满足現代电力发展需要，自动化、智能化电力开始成为现代电力工业发展的主流趋势。自动化电力能降低供电成本，降低供电损耗，节约能源物力，仅应用单片机和PLC技术难以实现电力自动化、智能化，影响供电质量与故障诊断。而将人工神经网络应用到自动化电力系统中，通过建立配网模型，便能准确对电力系统状态、配网故障进行检测和定位，提高系统运行质量，实现系统对警报进行处理，智能隔离故障点，使整个系统处于良性运作状态，保证系统稳定性与可靠性。
　　3.3人工神经网络自动化信息处理中的应用
　　自动化信息处理实现了高效化、无纸化、便捷化、自动化处理信息，转变了办公方式。但在传统自动化技术背景下，在信息处理过程中，很多时候不能判断信息源的完整性，且决策规则有时相互矛盾，很多时候不能达成预期处理目标。而人工神经网络在自动化信息处理中的应用，提高了信息处理过程中系统智能化水平和信息识别能力，实现了一种模拟人脑思考的方式对信息进行处理，能对信息的完整性和形式进行判断，对信息进行描述、识别、分类、解释。人工神经网络在自动化信息处理中的应用实现了自动诊断、问题求解，有效弥补了传统自动化信息处理的缺陷与不足，提高了整个系统信息处理水平和效率。
　　4结束语
　　当前人类社会正在迈向一个新的阶段，智能化、自动化技术将逐渐取代传统工作、生产方式，实现自动化、智能化生产，促进产业升级，降低劳动强度，提高劳动效率。但传统自动化技术智能化程度不足，而人工神经网络在自动化中的应用，则弥补了传统自动化技术智能化程度不足的问题，将自动化与智能化有机融合在了一起。
　　参考文献
　　[1]吴亚婷. 人工智能在电气工程自动化中的运用[J]. 工业， 2016（8）：00282-00282.
　　[2]吴雨霖， 陈俊宇， WuYulin，等. 浅谈人工神经网络在现代自动化中的应用[J]. 电子测试， 2015（23）：108-109.
　　[3]孙欣欣. 探究电气自动化中人工智能的应用[J]. 化工中间体， 2015（10）：29-30.
　　作者简介
　　孟立社，男，籍贯：陕西商洛，学历：本科，毕业于宝鸡文理学院；现有职称：中级工程师；研究方向：工业自动化控制。