【摘要】为了提高继电器在设计和生产阶段的整体品质，通过建立基于人工神经网络的多层次综合评判模型，就可以在很大程度上对继电器产品进行有效的评价，从而提高了继电器产品的设计和生产质量。
　　【关键词】人工神经网络；继电器；评价系统；综合评判模型
　　0.引言
　　继电器是一种电子控制器件，它具有控制系统（又称输入回路）和被控制系统（又称输出回路），广泛应用于遥控、通讯、现代国防军事、工业自动化、交通（铁路、公路和航空）以及农业机械等领域中。继电器产品设计方案的评价方案的好坏直接影响了设计水平的高低，所以一个合理的继电器评价系统将会大大提高产品性能。本文旨在建立一個基于人工神经网络的继电器综合评判模型，它是尽量模拟领域专家解决实际问题的过程，这样就能使得评价系统更合理、更完善。
　　1.目前国内外综合评价方法现状
　　1.1现有的评价方法
　　目前常用的综合评价方法分为以下几类，专家评价法、经济分析法、运筹学和其他数学方法、智能法等。专家评价法是以专家的专管判断为基础，通常以“分数”、“指数”、“评语”等作为评价的标准，这类方法由于比较简单，所以得到广泛应用。但由于评价结果容易受到评价人主观意识的影响和经验，知识的局限，容易带有个人偏见和片面性。
　　经济分析法是一种以事先议定好的某个综合经济指标来评价不同的对象的CE方法。运筹学和其他数学方法因为用到的数学知识较多，目前有以下几类：多目标决策方法、层次分析法、模糊综合评价方法等。智能化评价方法主要是基于BP人工神经网络的评价方法，通过BP算法，学习或训练获取知识，并存储在神经元的权值中。由于基于BP人工神经网络的评价方法具有自适应性、可容错性、能够处理非线形、非局域性等复杂关系系统，所以得到越来越钢钒的应用。本文即时此评价方法的应用。
　　1.2 多种综合评价方法并用
　　单一的综合评价方法已经不能满足复杂的现实状况，因此需要把各种综合评价方法结合起来使用。在现阶段的研究中，以两种综合评价方法的组合最为普遍。
　　2.继电器综合评价模型
　　2.1人工神经网络简介
　　人工神经网络（Aritifical Neural Networks，简称ANN），是以计算机网络系统模拟生物神经网络的智能计算机系统，是对人脑或自然神经网络的若干基本特性的抽象和模拟。它由大量的神经元组成，它非常重要的特征就是能自学习、自组织、自适应，还能够并行处理和容错。进入20世纪90年代以来，人工智能技术，如神经网络、模糊逻辑、遗传算法等开始在电力系统的各个领域得到广泛应用。
　　随着人工神经网络的逐步完善，运用人工神经网络建立综合评价系统往往能取得意料不到的效果。尤其是针对那些评测目标繁多，目标间关系复杂的系统进行综合评价，人工神经网络模型往往能更好的取得满意的结果。
　　目前，人工神经网络在综合评价系统中已经得到广泛应用，例如人工神经网络方法在综合评价籼稻品质中的应用，人工神经网络在电器优化设计中的研究等等。本课题在对人工神经网络进行深入研究的基础上，根据继电器产品评价指标繁多的特点，计划提出一种新的针对电器产品模糊评判中评价指标的权重分配方法，并运用神经网络对继电器设计方案进行评价，应用Matlab仿真软件进行编程，从而实现对继电器产品高效、快捷的评价方法。
　　2.2基于人工神经网络的继电器评价系统
　　在确立了一个多层次的综合评价体系之后，总结影响评价结果的几大参数，比如：工艺特性、静态特性、过负荷能力、成本特性等，并根据测得数据进行综合评价，比如，分为优、良、中、差等。而基于人工神经网络的模糊识别系统在这方面就有着明显的优势。
　　人工神经网络结构主要分为三层神经网络，分别是输入层（input）、隐层（hide layer）和输出层（output layer）。通过利用上面评价结果对测量数据进行分组，从而对神经网络进行有监督的训练。经过训练的神经网络就可以用来评判其它继电器。
　　2.3 BP算法数学运算规则
　　BP（back propagation）即多层前馈网络，也就是神经元的链接权重的训练是从最后一层（输出层）开始，然后反向依次更新前一层的链接权重。
　　当神经元的激励函数是SIGMOID型时，由神经元组成的前传型网络的传递函数是可导的。所以误差向后传播学习方法可以用LMS法则。令某一训练输入矢量为XK， YK，输入层有n个节点，输出层有m个节点，则：