TW201203137A - Data correction method for remote terminal unit - Google Patents

Description

201203137 六、發明說明： 【發明所屬之技術領域】 本發明是有關於一種資訊末端設備（remote terminal unit)且特別疋種有具有資料校正（data correction)功能 的資訊末端設備與資料校正方法。 • 【先前技術】 資吼末端設備目如已廣泛用於各遠端監控系統，以達 # 成自動化監控之目的。目前的技術都是將資訊末端設備的 資料直接取回遠端電腦主機進行運算，而未賦予資訊末端 設備過濾可能由現場引入雜訊之能力。如此，一旦混入正 常訊號之雜訊過高時，將造成擷取之資料產生誤差，而導 致監控系統主機可能會接收到錯誤的資料。 舉例來說，公共事業用自動化監控系統，例如：電力、 電L水力、運輸監控系統等，多數會採用集中監控方式 建構遠端監控系統。資訊末端設備一般多會配置於現場， 以負責擷取現場資料。由於資訊末端設備是配置於現場， 因此較容易受到現場各受監控端設備所引入之雜訊干擾， * ❿導致監控f料充滿了許多的不確定性，使得監控系統主 機可能會將來自於資訊末端設備的錯誤資料顯示於螢幕， 進而導致操作人員誤判資料與作出不正確的決策判斷。 欠資訊末端設備可以透過有線或無線傳輸方式將所擷取 的資料傳送給位於遠端的監控系統主機，若資訊末端設備 所傳輸的監控 > 料為錯誤資料，則也會導致遠端的監控系 201203137 統主機收到不正確的資訊。 目前雖有學術論文提出以模糊演算法來建立校正函數 的模型，做為校正誤差之作法，但採用的方式是二離線方 式做模糊演算法之計算’所以並無法達成即時校正之目的。 【發明内容】 本發明提供一種資料校正方法，用於—資 備。首先，提供一平滑參數。接著，將量測的多筆監控^ 料所構成的一輸入向量當作一訓練樣本饋入—廣義 網路，以H此確定該廣義類神賴路的多個權錢。然 根據該平滑參數與該些權重值產生—校正糊輸出值、< 盥種資訊末端設備，包括—信號收發模組 :/“置處理模組。信號收發模組接收量測的一 監控資料…： 神經網路來校正該 4以產生一校正預測估測值，其中哕 滑參數是透_號處‘執= 、’”丁、上所述’本發明所提出的資訊 的資料’在未送至遠端主機前，便先將收到 料做信號前置處理運算，以解決誤差影響控資 控系統的運作更為安全可#。更進_ 、，、化監 置處理是以廣義睛經網路作為 l上述^虎前 並搭配粒子群演算法找出廣義類神經網路方法^ 來做資料前處理。 ，㈣巾最佳平滑參數 201203137 【實施方式】 請參照第1圖，第1圖是本發明之實施例所提供的自 動化監控系統的系統方塊圖。自動化監控系統10包括受監 控端設備12、信號轉換器14、資訊末端設備16與監控系 統主機18。受監控端設備12可以是電力、電信、水力、運 輸監控系統等的受監控端設備，資訊末端設備16置放於受 . 監控端設備12的附近，用以擷取來自於受監控端設備12 的信號。在受監控端設備與資訊末端設備丨6之間具有信號 φ 轉換器14，信號轉換器14可以將受監控端設備π的信號 轉換乘資訊末端設備16可以接受與處理的信號。舉例來 发，文監控端設備12可以是現場端之受監控電氣設備，然 而，^號轉換器14可以是電力轉換器。現場端之受監控電 氣。又備所產生的類比訊號可以透過信號轉換器Μ變成標準 電流信號，並且標準電流信號可以被傳送至資訊末端設備 16。 鲁 資訊末端設備16包括信號收發模組166與信號前置處 /模、、且168 ’彳5號收發模組166接收信號轉換器丨4所轉換 • 2之信號的量測資料’信號前置處理單元168用以將量測 貝料進行校正處理，並產生校正預測輸出值。接著，信號 2板組166，校正預測輸出值傳送至監控系統主機18， =控系統主機18分析接收到的校正賴輸出值，以檢視受 •控端設備12的狀況。 要說明的疋，#號前置處理模組16使用廣義類神經網 路作為資訊末端設備16的資料前處理之關鍵技術。廣義類 5 201203137 神經網路學習速度快，且僅需少量數據即可快速逼近目標 函數而達到收斂的效果。除此之外，信號前置處理模組16 還使用粒子群演算法來做平滑參數的最佳化，粒子群演算 法常被用來處理最佳化的問題，同時也具備了快速收斂， 只需要設定較少參數即可完成等優點。如此，透過粒子群 演算法將可以減少了以往使用廣義類神經網路調整參數的 問題，利用最佳化廣義類神經網路以達到快速，有效地解 決問題。據此，此實施例中的信號前置處理模組16可以透 過廣義類神經網來校正資訊末端設備16所接收到的錯誤監 控資料。 接著叫參照第2圖，第2圖是本發明之實施例所提 仏的自動化監控系統之各信號與資料的示意圖。在步驟 S22，里測信號會混入干擾雜訊而形成量測信號。在步驟 S24，里測信號被轉換成資訊賣端設備所能接受與處理的監 控-貝料，且此監控資料會被自動化監控系統2〇中的資訊末 端設備所接收。因為，監控資料混入了干擾雜訊，因此若 干擾雜efL過大，將影響監控資料的正確性，而導致監控系 統主機28會顯示錯誤的監控資料給操作人員。據此，在步 驟，資訊末端設備會對監控資料進行前置信號處理， 以校正錯誤的監控資料。上述前置信號處理是使用上述廣 義類神經網進行處理，以產生校正預測輸出值，並傳送給 監控系統主機28。 接著，請參照第3圖，第3圖是本發明之實施例所提 供資料杈正方法的流程圖。一開始，步驟S30與步驟S40 201203137 會同時被執行。在步驟S40，藉由各種演算法產生平滑參 數，並將平滑參數提供給廣異類神經網路使用，其中合適 的平滑參數會將雜訊數據做平滑處理，以做出較正確估 計。在步驟S30，將量測的監控資料構成的輸入向量當作 訓練樣本饋入廣義神經網路的輸入層，以藉此確定廣義類 神經網路的權重值，其中廣義類神經網路會將訓練樣本的 輸入特徵向量與輸出特徵向量分別存到輸入神經元與輸出 神經元間的連結。此處量測的監控資料例如是類比資料， • 但在其他實施例中，監控資料亦可以是數位資料。 接著，在步驟S32，根據平滑參數及輸入層至隱藏層 之權重值，計算隱藏層各神經元之輸出值。接著，在步驟 S34，根據隱藏層至輸出層的權重，計算輸出層神經元之輸 出值，並正規化輸出層神經元之輸出值，以產生了校正預 測輸出值。如此，將可以減少混入干擾雜訊時的誤差影響。 要說明的是，在步驟S40,產生平滑參數的其中一種 演算法可以是粒子群演算法。請參照第4圖，第4圖是本 ® 發明之實施例所提供的產生平滑參數之方法流程圖。首 先，在步驟S42，初始化學習常數、疊代次數、平滑參數 '粒子個數及其範圍。接著，在步驟S44，定義適應函數(fitness function)。之後，在步驟S46，根據定義函數，計算各平滑 參數粒子所對應的適應值。然後，在步驟S48，對平滑參 數所對應之適應值進行排列，並據此選出最優適應值所對 應的平滑參數。之後，在步驟S50，根據此最優適應值所 對應的平滑參數，更新平滑參數粒子的位置與速度。 201203137 接著，在步驟S52，判斷誤差值或疊代次數是否滿足 終止條件。若疊代次數已經達到預設的數目或平滑參數收 斂值已不再變動，則進行步驟S54,否則，則回到步驟S46。 在步驟S54，輸出最優適應值所對應的平滑參數，並將此 平滑參數饋入廣義類神經網路。 綜上所述，本發明所提出的資訊末端設備會將接收到 的資料，在未送至遠端主機前，便先將這些量測的監控資 料做信號前置處理運算，以解決誤差影響，並使自動化監 控系統的運作更為安全可靠。更進一步地說，上述信號前 置處理是以廣義類神經網路作為即時資料前處理的方法， 並搭配粒子群演算法找出廣義類神經網路中最佳平滑參數 來做資料前處理。' 【圖式簡單說明】 第1圖是本發明之實施例所提供的自動化監控系統的 系統方塊圖。 第2圖是本發明之實施例所提供的自動化監控系統之 各信號與資料的示意圖。 第3圖是本發明之實施例所提供資料校正方法的流程 圖。 第4圖是本發明之實施例所提供的產生平滑參數之方 法流程圖。 【主要元件符號說明】 201203137 10、20 :自動化監控系統 12 :受監控端設備 14 :信號轉換器 16 :資訊末端設備 166 :信號收發模組 168:信號前置處理模組 18 :監控系統主機 S22、S24、S26、S30、S32、S34、S40、S42、S44、S48 癱 S50、S52、S54 :步驟

Claims (1)

1. 201203137 七、申請專利範圍： i—種資料校正方法，用於 提供一平滑參數； 資訊末端設備，包括 將量測的多筆監控資料所構成的—輸人向量當作一 2練樣本饋人-廣義類神經網路，以藉此確定該廣義類神 、· ·ι網路的多個權重值；以及 根據該平滑參數與該些權重值產生—校正預 值。 2 專广範圍第1項所述的資料校正方法，更包括:該 2類神經網路會將該訓練樣本的—輸人特徵向量與一 j特徵向里分別相該廣義類神經網路的—輸入神經 70與一輸出神經元間的一連結。 、 々申π專利⑽第1項所述的資料校 驟 =滑參數與該些權重值產生該校正預測輸出、:之:據 —根據該平滑參數及該廣義類神經網路的一輸入芦 :藏層之該權重值’計算該隱藏層各神經元之 值，以及 權#根據，隱藏層至該廣義類“經網路之—輪出層的彳 ’叶异該輸出層之-神經元之—輸出值，並正規化4 輸出層之該神經元之該輸出值，、 值。 压玍'杈正預洌輪d 4==範圍第1項所述的資料校正方法，其中，鮮 Μ+岣參數的步驟包括： 仏 201203137 初始化一學習常數、一疊代次數、一平滑參數粒子個 數及其範圍； 定義一適應函數；以及 疊代地計算該適應函數以獲得該平滑參數。 5.如申請專利範圍第4項所述的資料校正方法，其中，疊代 地計算該適應函數以獲得該平滑參數的步驟包括： 根據一定義函數，計算各平滑參數粒子所對應的一適 應值； φ 對該些平滑參數所對應之適應值進行排列，並據此選 出一最優適應值所對應的該平滑參數； 根據該最優適應值所對應的該平滑參數，更新一平滑 參數粒子的位置與速度；以及 判斷一誤差值或該疊代次數是否滿足一終止條件；以 及 若該誤差值或該疊代次數滿足該終止條件，則輸出該 最優適應值所對應的該平滑參數，並將該平滑參數饋入該 ® 廣義類神經網路，若該誤差值與該疊代次數未滿足該終止 條件，則重複依序執行上述步驟。 • 6.如申請專利範圍第5項所述的資料校正方法，其中，該終 - 止條件是指一疊代次數已經達到預設的數目或一平滑參 數收斂值已不再變動。 7. —種資訊末端設備，包括： 一信號收發模組，接收量測的一監控資料；以及 一信號前置處理模組，使用一廣義類神經網路來校正 11 201203137 :::::產生一校正預測估測值，其中該廣義類神 -粒子群―的—平滑參蚊透職錢處賴組執行 枚子群决鼻法而獲得。 利旄圍第7項所述的資訊末端設備，其中，該信 向：:: 里模組將量測的多筆監控資料所構成的一輸入 騎縣饋域廣㈣神經财，以藉此媒定 該些權重值產生該校正=:值而且根據該平滑參數與

   t申明專利粑圍第8項所述的資訊末端設備，其中，該廣 ^類神經，路會將該訓練樣本的-輸人特徵向量與一輸 特徵向量为別存到該廣義類神經網路的一輸入神經元 與一輸出神經元間的一連結。 、、

   =申^專利|&圍第9項所述的資訊末端設備，其中，該 ㈣前践理模組根據料滑參數及該廣該神經網路 :_輸人層至-隱藏層之該權重值，計算該隱藏層各神 之輸出值’而且資訊末端設備根據該隱藏層至該 廣義類神經網路之-輸出層的該權重，計算該輸出層之 一神經70之—輸出值，並正規化該輸出層之該神經元之 該輸出值，以產生了該校正預測輸出值。 12