【正文】 可用于模式識別和函數(shù)逼近。反饋型網(wǎng)絡的所有節(jié)點都是計算單元，同時可接受輸入并向外。………(c) (b) (a) ……………… 互連網(wǎng)絡模型在這類模型中，任意兩個神經(jīng)元之間都有相互連接的關系。傳遞函數(shù)f(x)可為線性函數(shù)，或S狀的非線性函數(shù)，或具有任意階導數(shù)的非線性函數(shù)，常用的非線性函數(shù)有閥值函數(shù)、雙向閥值函數(shù)、S型函數(shù)、雙曲正切函數(shù)、高斯函數(shù)等。另外還有一個閥值q（或偏置b=q）.： 229。神經(jīng)細胞通過突觸復雜的結(jié)合著，形成了大腦的復雜的神經(jīng)網(wǎng)絡系統(tǒng)。由于實驗測試數(shù)據(jù)或處理不當均會引起模型與對象特征不一致，這時閉環(huán)系統(tǒng)特征方程還會存在純滯后項。（4）水利工程 近年來，我國水利工程領域的科技工作者已成功地將神經(jīng)網(wǎng)絡的方法用于水利發(fā)電過程辨識和控制、河川徑流預測、河流水質(zhì)分類、水資源規(guī)劃、混泥土性能預估、預應力混凝土樁基等結(jié)構損傷診斷、沙土液化預測、巖體可爆破性分級及爆破效應預測等。（2）軍事工程 神經(jīng)網(wǎng)絡同紅外搜索與跟蹤系統(tǒng)配合后可發(fā)現(xiàn)和跟蹤飛行器。近年來，神經(jīng)控制器 在工業(yè)、航空以及機器人等領域的控制系統(tǒng)應用中已取得許多可喜的成就。 自動化領域神經(jīng)網(wǎng)絡用于控制領域已經(jīng)取得以下主要進展。（2）模式識別 模式識別涉及到模式的預處理變換和將一種模式映射為其他類型的操作，神經(jīng)網(wǎng)絡在這兩個方面都有許多成功的應用。目前，人工神經(jīng)網(wǎng)絡已在中國科研、生產(chǎn)和生活中產(chǎn)生了普遍而巨大的影響。 國內(nèi)研究概況中國最早涉及人工神經(jīng)網(wǎng)絡的著作是涂序彥先生等于1980年發(fā)表的《生物控制論》一書，書中將“神經(jīng)系統(tǒng)控制論”單獨設為一章，系統(tǒng)地介紹了神經(jīng)元和神經(jīng)網(wǎng)絡的結(jié)構、功能和模型。從以上現(xiàn)象可以看到，神經(jīng)網(wǎng)絡的研究出現(xiàn)了新的高潮，進入了發(fā)展的新時期。在會上成立了國際神經(jīng)網(wǎng)絡學會（International Neural Network Society）。在他文章發(fā)表的第三年，美國電話與電報公司的貝爾實驗室利用Hopfiled理論首先在硅片上制成硬件的神經(jīng)計算機網(wǎng)絡，繼而仿真出耳蝸與視網(wǎng)膜等硬件網(wǎng)絡。但仍有為數(shù)不多的學者在黑暗時期致力于神經(jīng)網(wǎng)絡的研究。Bernard Widrow和Marcian Hoff 不僅設計了在計算機上仿真的人工神經(jīng)網(wǎng)絡，而且還用硬件電路實現(xiàn)了他們的設計。啟蒙時期的另一位重要學者是Donala ，他首先建立了人們現(xiàn)在稱為 Hebb算法的連接權訓練法。第四個時期為高潮時期，以1987年首屆國際人工神經(jīng)網(wǎng)絡學術會議為開端，迅速在全世界范圍內(nèi)掀起人工神經(jīng)網(wǎng)絡的研究應用熱。第一個時期為啟蒙時期，結(jié)束于1969年Minsky和Papert發(fā)表《感知器》一書。神經(jīng)網(wǎng)絡是近年來的熱點研究領域。作 者 簽 名：　　 　 　　日　 期：　　 　 　　 指導教師簽名：　　 　 　　 日　　期：　　 　 　　 使用授權說明本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復制手段保存論文；在不以贏利為目的前提下，學?？梢怨颊撐牡牟糠只蛉績?nèi)容。 diagnose。仿真和實驗表明,其方法是有效的。電力電子電路模型具有很強的非線性，通常對其進行在線故障診斷比較困難，文章利用神經(jīng)網(wǎng)絡非線性映射特性，由神經(jīng)網(wǎng)絡來學習及存儲電力電子電路的故障特征信號和故障類型（或原因）之間的映射關系，并將其用于在線診斷，從而達到對電力電子電路進行在線自動故障診斷的目的。 fault diagnosisI畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明原創(chuàng)性聲明本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。作者簽名：　　 　 　　 日　 期：　　 　 　　 第1章 緒論 神經(jīng)網(wǎng)絡概述人工神經(jīng)網(wǎng)絡(簡稱神經(jīng)網(wǎng)絡,NN)是由人工神經(jīng)元(簡稱神經(jīng)元)互聯(lián)組成的網(wǎng)絡,它是從微觀結(jié)構和功能上對人腦的抽象、簡化，是模擬人類智能的一條重要途徑，它反映人腦的若干基本特征，如并行處理、學習、聯(lián)想、模式分類、記憶等。涉及到電子科學和技術、信息與通信工程、計算科學和技術、電氣工程、控制科學和技術等諸多學科。第二個時期為低潮時期，開始于1969年，結(jié)束于1982年Hopfield發(fā)表“神經(jīng)網(wǎng)絡和物理系統(tǒng)”。 啟蒙時期1890年，美國心理學家William James發(fā)表了第一部詳細論述人腦結(jié)構及功能的專著《心理學原理》，對相關學習、聯(lián)想記憶的基本原理做了開創(chuàng)性研究神經(jīng)網(wǎng)絡的著名文章。1958年計算機科學家 Frank Rosenblatt發(fā)表一篇有名的文章，提出了一種具有三層網(wǎng)絡特性的神經(jīng)網(wǎng)絡結(jié)構，稱為“感知器”。 低潮時期在20世紀60年代，掀起了神經(jīng)網(wǎng)絡研究的第一次熱潮。1969年。在1986年貝爾實驗室宣布制成神經(jīng)網(wǎng)絡芯片前不久，美國的David ，其中涉及到神經(jīng)網(wǎng)絡的三個主要特征，即結(jié)構、神經(jīng)元的傳遞函數(shù)和它的學習訓練方法， PDP這部書的最重要的貢獻是發(fā)展了多層感知機的反向傳播訓練算法，把學習的結(jié)果反饋到中間層次的隱節(jié)點，改變其連接權值，以達到預期的學習目的。這次會議不久，由世界三位著名的神經(jīng)網(wǎng)絡學家，主持創(chuàng)辦了世界第一份神經(jīng)網(wǎng)絡雜志《Neural Network》。從1987年來，神經(jīng)網(wǎng)絡的理論、應用、實現(xiàn)及開發(fā)工具均以令人振奮的速度快速發(fā)展。隨著人工神經(jīng)網(wǎng)絡在世界范圍內(nèi)的復蘇，國內(nèi)也逐漸掀起了研究熱潮。 人工神經(jīng)網(wǎng)絡的主要應用領域 信息領域神經(jīng)網(wǎng)絡作為一種新型智能信息處理系統(tǒng)，其應用貫穿信息的獲取、傳輸、接接收與加工利用等各個環(huán)節(jié)，這里僅舉三個方面的應用。神經(jīng)網(wǎng)絡不僅可以處理靜態(tài)模式如固定圖像、固定能譜等，還可以處理動態(tài)模式如視頻圖像、連續(xù)語音等。（1）系統(tǒng)辨別 神經(jīng)網(wǎng)絡所有的非線形特性和學習能力，使其在系統(tǒng)辨別方面的有很大的潛力，為解決具有復雜的非線形、不確定性和不確知開辟了一條新的途徑。（3）智能檢測 所謂智能檢測一般包括干擾量的處理，傳感器輸入輸出特性的非線形補償、零點和量程的自動校正以及自動診斷等。利用神經(jīng)網(wǎng)絡的聯(lián)想記憶特性可設計出密鑰分散保管方案；利用神經(jīng)網(wǎng)絡的分類能力可提高密鑰的破解難度；利用神經(jīng)網(wǎng)絡還可設計出安全的保密開關，如語音開關、指紋開關等等。此外，神經(jīng)網(wǎng)絡在宇宙飛船，汽車行業(yè)，銀行業(yè)，國防領域，電子領域，娛樂領域，金融領域，制造業(yè)，醫(yī)藥領域 ，石油和天然氣，機器人，語音領域，有價證券，電信領域，交通領域也有廣泛的應用。因此，嚴格的說，預估補償器不能完全補償純滯后。人工神經(jīng)元是一個多輸入、單輸出的非線性元件，它有三個基本要素：（1）一組連接權（對應生物神經(jīng)元的突觸），連接強度由各連接權上的權值表示，權值為正表示激勵，為負表示抑制。 … W1j W2j nj 人工神經(jīng)元模型其輸入、輸出關系可描述為: ()式中是從其它神經(jīng)元傳過來的輸入信號；是閥值；是表示從神經(jīng)元i到神經(jīng)元j的連接權值；f(當f(x)為階躍函數(shù)，且不考慮輸入、輸出之間的延時，只處理0和1二值信息時，這種閥值單元模型稱為MP模型，是美國心理學家McCulloch和數(shù)學家Pitts在1943年提出的。在連接中，有的神經(jīng)元之間是雙向的，有的是單向的，按實際情況決定。若按連接方式，也可以分為：前饋型網(wǎng)絡和反饋型網(wǎng)絡。按對能量函數(shù)的所有極小點的利用情況，可將反饋網(wǎng)絡分成兩類：一類是能量函數(shù)的所有極小點都起作用，主要用做各種聯(lián)想存儲器；另一類只利用全局極小點，它主要用于求解優(yōu)化問題[9]。(2)有教師學習(b)所示，這種學習方式需要外界存在一個“教師”對給定輸入提供應有的輸出（即訓練樣本集），神經(jīng)網(wǎng)絡根據(jù)實際輸出和預定輸出的差值來調(diào)整系統(tǒng)參數(shù)。規(guī)則心理學家Hebb在1949年提出突觸聯(lián)系的神經(jīng)群體理論，他指出，突觸前后兩個同時興奮（即活性度高，或稱處于激發(fā)狀態(tài)）的神經(jīng)元之間的連接強度（權值）將增強，雖然他本人沒有給出數(shù)學表達式，但后來許多研究者用不同的數(shù)學公式來表示這一基本思想。對于神經(jīng)元而言，其輸入（即的輸出）可以理解為學習的內(nèi)容，連接權值可以理解為學習的基礎，是教師的指導內(nèi)容，的活性度可以理解為學習的“積極性”。上式表明，對一個神經(jīng)元而言，若該神經(jīng)元有較大的活性度或有較大的輸入（即）時，他們之間的聯(lián)結(jié)權值會變大。在式（）中，如將教師示教信號作為期望輸出，而把理解為實際輸出，則該式變?yōu)椋骸ǎ┦街袨槠谕敵雠c實際輸出的差值。從上述簡化過程可知，在選用簡化的G函數(shù)時，我們實際上令，也就是用了線性可分函數(shù)。調(diào)整的原則是：當時增加權值，否則減小權值。在競爭中，與輸入單元間聯(lián)結(jié)權值變化最大的為優(yōu)勝者，優(yōu)勝者的聯(lián)結(jié)權值按式（）改變，而失敗的單元，其為零。 前向神經(jīng)網(wǎng)絡前向神經(jīng)網(wǎng)絡中的神經(jīng)元是分層排列的，每個神經(jīng)元只與前一層神經(jīng)元相連，最上一層為輸出層，最下一層為輸入層。與MP模型不同之處在于其聯(lián)結(jié)權值可變，因此它具有學習功能。 修正權值… _+d誤差 感知器感知器只有一層神經(jīng)元，這是由感知器學習規(guī)則所決定的，因為感知器學習規(guī)則只能訓練單層神經(jīng)網(wǎng)絡。線性神經(jīng)網(wǎng)絡可以采用WidrowHoff學習規(guī)則來調(diào)節(jié)網(wǎng)絡的權值和閥值，其收斂速度和精度都有較大的改進。正向傳播時，輸入樣本從輸入層傳入，經(jīng)各層傳入，經(jīng)各隱層逐層處理后，傳向輸出層。權值不斷調(diào)整的過程，也就是網(wǎng)絡的學習訓練過程。一般習慣將單隱層前饋網(wǎng)絡稱為三層前饋網(wǎng)或三層感知器，所謂三層包括了輸入層、隱層和輸出層。下面分析各層信號之間的數(shù)學關系。顯然，調(diào)整權值的原則是使誤差不斷地減小，因此應使權值調(diào)整量與誤差的負梯度成正比，即 …………………………（） ………………………（）式中負號表示梯度下降，常數(shù)表示比例系數(shù)，在訓練中反映了學習速率。（1）增加動量項一些學者于1986年提出，標準BP算法在調(diào)整權值時，只按時刻誤差的梯度降方向調(diào)整，而沒有考慮時刻以前的梯度方向，從而使訓練過程發(fā)生振蕩，收斂緩慢。目前，BP算法中都增加了動量項，以至于有動量項BP算法成為一種新的標準算法[13]。（4）引入陡度因子前面的分析指出，誤差曲面上存在著平坦區(qū)域。 可以看出，當時， 坐標壓縮了倍，神經(jīng)元的轉(zhuǎn)移函數(shù)曲線的敏感區(qū)段變長，從而可使絕對值較大的退出飽和值。如用網(wǎng)絡的權值和閥值總數(shù) 表征網(wǎng)絡信息容量與訓練誤差之間應滿足如下匹配關系 ………………………………………………………………（）上式表明網(wǎng)絡的信息容量與訓練樣本之間存在著合理匹配關系。（2）訓練樣本集的準備訓練數(shù)據(jù)的準備工作是網(wǎng)絡設計和訓練的基礎，數(shù)據(jù)選擇的科學性以及數(shù)據(jù)表示的合理性對于網(wǎng)絡設計具有極為重要的影響。一般來講，輸出量代表系統(tǒng)要實現(xiàn)的功能目標，其選擇確定相對容易一些。提取的方法與解決的問題密切相關，下面僅討論幾種典型的情況。個輸入分量的下標表示輸入值在波形中的位置，因此分量的編號是嚴格有序的。因為圖象的像素點常數(shù)以萬計，不適合作為網(wǎng)絡的輸入，而且難以從中提取有價值的輸入輸出規(guī)律。對于數(shù)值類的輸出量，可直接用數(shù)據(jù)來表示，但由于網(wǎng)絡實際輸出只能是0~1或1~1之間的數(shù)，所以需要將期望輸出進行尺度變換處理，有關的方法在樣本的預處理中介紹。②分布變換 尺度變換是一種線形變換，當樣本的分布不合理時，線形變換只能統(tǒng)一樣本數(shù)據(jù)的變化范圍，而不能改變其分布規(guī)律。（7） 訓練集的設計①訓練樣本數(shù)的確定 一般說來訓練樣本數(shù)越多，訓練結(jié)果越能正確反映其類在規(guī)律，但樣本的收集整理往往受到客觀條件的限制。即使是同一類樣本也要照顧樣本的多樣性和類別的均勻性。當各類樣本輪流集中輸入時，網(wǎng)絡的訓練會出現(xiàn)振蕩使訓練時間延長。從凈輸入的表達式可以看出，為了使個節(jié)點初始凈輸入在零點附近，有兩種辦法可采用。（2）隱節(jié)點數(shù)的設計隱節(jié)點的作用是從樣本中提取并存儲其內(nèi)在規(guī)律，每個隱節(jié)點有若干個權值都是增強網(wǎng)絡映射能力的一個參數(shù)。下面介紹幾個公式…………………………………………………（） ………………………………………… （）以上個式中為隱層節(jié)點數(shù)，為輸入層節(jié)點數(shù)，為輸出節(jié)點數(shù)，為1~10的常數(shù)。網(wǎng)絡性能的好壞主要看其是否具有很好的泛化能力，而對泛化能力的測試不能用訓練集的數(shù)據(jù)進行，而用訓練集以外的測試數(shù)據(jù)來進行檢測。而模糊系統(tǒng)是由那些現(xiàn)象引起的不確定性系統(tǒng)。模糊控制系統(tǒng)是一種自動控制系統(tǒng)，它是以模糊數(shù)學、模糊語言形式的知識表示和模糊邏輯推理為理論基礎，采用計算機控制技術構成的一種具有閉環(huán)結(jié)構的數(shù)字控制系統(tǒng)。模糊邏輯從含義上比其他傳統(tǒng)邏輯更接近人類的思想和語言，它能夠?qū)φ鎸嵤澜绲慕频?、不確切的特征進行刻劃。由于模糊控制器是采用數(shù)字計算機來實現(xiàn)的，所以，它應該具備下列三個中重要功能：(1)把系統(tǒng)的偏差從數(shù)字量轉(zhuǎn)化為模糊量（模糊化過程、數(shù)據(jù)庫兩塊完成）。 模糊化過程模糊化過程主要完成：測