论文发表

2.2　智能设备的应用模式

智能设备的应用模主要有两种: 单机工作模式和联网工作模式。
 

( 1) 联网工作模式: 智能设备作为网络应用的终端出现, 在工作时, 接收到最终用户的操作请求后,将其转化为交易消息( 报文, 包) , 通过计算机网络向服务器( 或前置机) 传递用户的交易请求, 并接收来自服务器( 或前置机) 的应答信息, 根据应答信息或是否超时决定后续操作。另外, 智能设备也可接受来自服务器( 或前置机) 的管理信息, 并依据该信息主动上报设备状态等信息。例如AT M 的工作方式即为联网模式。
 

( 2) 单机工作模式: 这种方式中, 智能设备不通过网络与其他计算机系统相连, 而是独立的分布在不同的场地上, 主要提供局部场地的服务功能, 例如, 政府部门的办事指南查询终端。
 

2.3 智能设备所涉及的技术

智能设备起源于传统电气设备，因此智能设备所涉及的技术首先是上述的传统电气设备技术。此外，智能设备还涉及以下技术。
 

(1)微纳米电子技术

21 世纪硅微电子技术的发展趋势主要体现在三方面: 一是继续增大晶圆尺寸和缩小器件的特征尺寸。二是集成电路将发展成为系统集成芯片。集成芯片进一步发展，可以将各种物理的、化学的和生物的敏感器和执行器与信息处理系统集成在一起，从而完成从信息获取、处理、存储、传输到执行的系统功能，这是一个更广义上的系统集成芯片。三是微电子技术与其它学科相结合。典型例子是微机电系统技术( MEMS) 和生物芯片。前者是微电子技术与机械、材料、传感器等多学科交叉产生的，后者则是与生物工程技术结合的产物。同时，新的半导体纳米材料(碳纳米管、石墨烯等)因其具有表面效应、量子尺寸效应，对于研发高性能集成电路、量子计算机技术、太赫兹等离子谐振技术有巨大的推动作用。
 

(2)微处理机/微控制器技术

微处理机/微控制器技术主要包括微处理机/微控制器的硬件结构、指令系统、中断系统、定时器/计数器、串行口，程序存储器和数据存储器的扩展、微处理机/微控制器程序设计、应用系统可靠性设计。
 

(3)检测与转换技术

检测与转换技术主要有：误差理论，包括误差的概念、误差产生的原因、判断误差存在的准则、减小或消除误差的方法、测量信号的处理方法、误差的合成与分配、最佳测试方案的选择;测量方法：包括温度、压力、流量、位移等的测量方法;检测信号的处理与转换技术，包括模拟滤波、数字滤波、电压/频率转换、频率/电压转换、电压/电流转换、电流/电压转换。
 

(4)数字信号处理技术

数字信号处理技术主要包括信号的描述及其分类、信号的分解，正交函数，傅立叶变换，连续时间系统的傅立叶分析，连续时间信号的采样，离散傅立叶级数、离散傅里叶变换、快速傅里叶变换，数字滤波器的原理、构成与设计。
 

(5)电磁兼容技术

电磁兼容性是指设备或系统在其电磁环境中能正常工作且不对该环境中任何事物构成不能承受的电磁骚扰的能力。电磁兼容包括电磁干扰(EMI)和电磁敏感度(EMS)两部分，其技术主要包括电磁干扰与电磁环境，电磁干扰的耦合与传播，屏蔽理论及其应用，孔缝泄漏的预制措施，接地技术与搭接技术，滤波技术及其应用，电磁兼容标准与规范，电磁兼容性分析与设计，电磁兼容性试验与测量。
 

(6)现场总线技术

现场总线是通信、计算机、控制技术发展的结合点，是电气工程与自动化领域技术发展的热点之一。现场总线具有数字化、开放性、结构和功能的高度分散性及对现场环境的适应性等本质技术特点和一系列优点，适应了供配电系统向智能化、网络化、分散化发展的趋势，呈现了强大的生命力，其应用正日益增长。现场总线技术主要包括一般现场总线的物理层、数据链路层和应用层以及以太网规范/IEEE802.3中的物理层、数据链路层和TCP/IP协议。其关键技术主要有MAC机制和帧结构(它们是决定传送时间/实时性的重要因素、后者还决定协议效率)，各种周期信息、非周期信息/实时信息、非实时信息的数据触发方式/传送方式(它们也是决定实时性的重要因素，同时还与网络利用率有关)，信号编码、错误检测、控制与恢复技术(它们与可靠性密切相关)，连接/无连接技术与TCP/IP、UDP/IP协议(它们与可靠性、实时性及资源使用有关)，对象建模/设备描述/功能模块等应用层/用户层技术(它们与现场总线应用的互操作性、通用性、方便性有关)。
 

(7)人工神经网络
 

人工神经网络是人工智能技术的一种，它具有优秀的学习能力，现已被广泛应用于模式识别、分类辨识、信号处理、图像处理、控制与优化、计算机科学、机器人、预报和智能信息管理等领域。人工神经网络理论主要包括神经元、网络结构与模型、网络学习算法、网络训练与测试、网络优化等。电能质量扰动类型主要包括谐波、电压上升、电压下降、电压闪变、电压凹陷、暂态扰动等几类。在电能质量扰动的辨识与分类方面，人工神经网络可与数学变换工具(如傅里叶变换、小波变换)相结合：数学变换工具主要用来提取各类电能质量的特征并构建特征向量;人工神经网络主要用来构造分类器，对用数学变换工具构建的特征向量进行识别，完成电能质量扰动类型的自动分类。目前小波神经网络(WNN，Wavelet Neural Networks)已在电能质量扰动的辨识与分类方面得到了广泛和深入研究，并取得了一些成果。数学变换与人工神经网络相结合，还可用于继电保护中故障信号的自动识别与分类，实现自适应保护算法，提高继电保护系统的智能化程度。
 

(8)数学形态学

数学形态学以集论基础，是几何形态分析和描述的有力工具，目前已广泛应用于信号处理、图像处理等工程领域。数学形态变换用集合来描述目标信号，在分析信号时，需要设计一种收集信息的“探针”，称为结构元素。结构元素在信号中不断移动，便可以提取有用的信息进行特征分析和描述。数学形态变换一般分为二值形态变换和多值形态变换。腐蚀和膨胀是最基本的形态变换，主要为布尔运算及少量的加减运算，具有计算量小、计算速度快、数据存储容量小等优点，在工程上很容易实现。在电能质量扰动检测和继电保护领域，数学形态变换可用于消噪和滤波(信号预处理)、扰动信号和故障信号提取等。与传统的数字滤波器相比，利用数学形态滤波器，即使原始信号伴随较强的噪声、甚至发生了严重的畸变，其基本形状仍可被识别、重构及增强;与传统的注重信号频域特性的积分变换算法不同，数学形态变换更关心信号的时域表现，可将待检信号从背景中提取出来，同时保持其主要的形状特性。