【正文】 下主要進展。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。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。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。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(shù)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。神經(jīng)網(wǎng)絡是近年來的熱點研究領域。 diagnose。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。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(gòu)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。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)”。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(gòu)，稱為“感知器”。1969年。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》。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。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。（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。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。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(quán)（對應生物神經(jīng)元的突觸），連接強度由各連接權(quán)上的權(quán)值表示，權(quán)值為正表示激勵，為負表示抑制。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。若按連接方式，也可以分為：前饋型網(wǎng)絡和反饋型網(wǎng)絡。(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)。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(quán)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”。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。調(diào)整的原則是：當時增加權(quán)值，否則減小權(quán)值。 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。 修正權(quán)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。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。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。顯然，調(diào)整權(quán)值的原則是使誤差不斷地減小，因此應使權(quán)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。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]。 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。（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。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。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。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。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。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。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)。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。 模糊化過程模糊化過程主要完成：測量輸入變量的值，并將數(shù)字表示形式的輸入量轉(zhuǎn)化為通用語言表示的某一限定碼的序數(shù)。一旦模糊集設計完成，則對于任意的物理輸入x，如何將其映射到模糊系統(tǒng)中去呢？映射的過程實際上是將當前的物理輸入根據(jù)模糊子集的分布情況確定出此時此刻輸入值對這些模糊子集的隸屬度，因此，為了保證在所有論域內(nèi)的輸入量都能與某一模糊子集相對應，模糊子集（限定碼）的數(shù)目和范圍必須遍及整個論域。 推理決策邏輯推理決策邏輯是模糊控制的核心，它利用知識庫的信息模擬人類的推理決策過程，給出適合的控制量。最大隸屬度函數(shù)法不考慮輸出隸屬度函數(shù)的形狀，只關心其最大隸屬度值處的輸出值。不同的系數(shù)就決定系統(tǒng)有不同響應特性。完成這部分功能的模塊就稱作模糊推理機。常規(guī)模糊控制器如圖所示。顯然，一個語言變量選用的語言值分檔越多，對事物的描述就細膩、準確、生動，制定的模糊控制規(guī)則就越靈活，控制規(guī)則本身也就越詳盡，因而控制效果就越好。當模糊控制器進行工作時，計算機只需直接根據(jù)采樣得到的誤差和誤差變化的量化值。(3)在各輸入和輸出語言變量的范圍量化域內(nèi)定義模糊子集。模糊控制器的控制作用U與比例因子ke、ku、kec有著密切的關系，它們的變化會導致模糊控制器控制作用的變化，最終引起控制系統(tǒng)的動態(tài)性能和穩(wěn)態(tài)性能的變化。e、EC=kec根據(jù)以上參數(shù)調(diào)整原則，可以設計如下一組參數(shù)調(diào)整模型： ………………………………………………（）式中~、等為待定系數(shù)，需根據(jù)不同的控制對象和性能指標要求等進行調(diào)整[18]。 零度相位的變壓器為雙繞組20度和40度相位的變壓器為三繞組。當開路元件支路的某一方向電流不能流通時，逆變器輸出電壓將與正常值有明顯差別（為浮動狀態(tài)，可能為零或與正常值不同的一個確定值），這就形成了故障特征。用樣本模式作為輸入信息訓練網(wǎng)絡。第三大類(011):單個二極管開路,可分為6小類: diode1開路(001), diode2開路(010),Diode3開路(011), diode4開路(100), diode5開路(101),Diode6 開路(110). 對故障的大類,小類進行了編碼,用六位編碼X5X4X3X2X1X0,位用于大類編碼，第X0~X2位用于小類編碼.圖3電感性負載的三相整流電路電感性負載的三相整流電路輸出端的直流脈動電壓Ud包含了二極管是否有故障的信息,在不同故障時Ud的波形是不一樣的. 本文以A 相電壓正向過零處為基準對Ud進行一個周期(20ms)的數(shù)據(jù)采集，采集數(shù)據(jù)個數(shù)為30 個’得到樣本輸入數(shù)據(jù)。通過模型對原型系統(tǒng)進行研究，將具有更深刻、更集中的特點。由于計算機仿真能夠為各種實驗提供方便、廉價、靈活而可靠的數(shù)學模型，因此凡是要用模型進行實驗的，幾乎都可以用計算機仿真來研究被仿真系統(tǒng)的工作特點、選擇最佳參數(shù)和設計最合理的系統(tǒng)方案。這是解析法建立數(shù)學模型。當然也可以直接用仿真語言。目前，神經(jīng)網(wǎng)絡已在模式識別，圖像處理，控制優(yōu)化，預測管理，通信等領域取得了豐碩的成果，其發(fā)展具有強大的生命力。參考文獻[1] .[2] 徐德鴻、馬皓，電力電子裝置自動診斷，科學出版社,北京，2001.[3] :西安電子科技大學出版社,1999.[4] :電子工業(yè)出版社,2003.[5] ：國防科技大學出版社，2002.[6] :北京航空航天大學出版社,2001.[7] :清華大學出版社,2003 .[8] : 高等教育出版社,1999.[9] . 北京:機械出版社，2003.[10] : 中國電力出版社,2001.[11] :上?？茖W技術(shù)文獻出版社,2000.[12] . 北京:機械工業(yè)出版社,2002.[13] :冶金工業(yè)出版社,2001.[14] Simon （英文）:清華大學出版社,2003.[15] :機械工業(yè)出版社,2000.[16] 丁曉群,蔡志慧. 人工神經(jīng)網(wǎng)絡在電力系統(tǒng)中的研究與應用現(xiàn)狀[J ] . 水利水電科技進展，1996.　[17] Simon Haykin. Neu。在這個例子中，一個結(jié)構(gòu)比較簡單的神經(jīng)網(wǎng)絡就同時具備了史密斯預估補償和時變對象的在線逼近兩大功用，可見其實用價值。 神經(jīng)網(wǎng)絡在電力電子裝置故障檢測的仿真與分析 整流電路仿真在MATLAB 軟件的SIMUL IN K 環(huán)境下建模并對其進行仿真. 對上述的三大類故障進行了數(shù)據(jù)的采集. 仿真波形如下: 神經(jīng)網(wǎng)絡仿真結(jié)果神經(jīng)網(wǎng)絡的輸入層有30 個神經(jīng)元,第一隱含層有11 個神經(jīng)元,第二隱含層有10 個神經(jīng)元,輸出層有6 個神經(jīng)元. , ,樣本數(shù)為13 個,將13 個樣本送入神經(jīng)網(wǎng)絡進行訓練,得到的誤差曲線、各隱層的權(quán)值hinton 圖、閾值矩陣如下:第一隱層的閾值:θ1 = [ 1 3 4 7 2 3 2 0 6 0 9 ]′。這是實驗法建立數(shù)學模型?，F(xiàn)在所稱為的仿真，主要是指計算機參與的計算機仿真。數(shù)學模型可分為機理模型、統(tǒng)計模型和混合模型。這門學科的產(chǎn)生及發(fā)展與計算機的發(fā)明及發(fā)展同步進行的。 系統(tǒng)的輸出值yk與希望值y`k往往不相等,均誤差為:F=12k(y`kyk)如果輸出層得不到期望的輸出,轉(zhuǎn)入反向傳播,誤差信號沿原來的通道返回,層調(diào)整神經(jīng)元的權(quán)值,此輸入層的維數(shù)n=60判斷逆變器的4個GTO好壞情況,可用開關量來表達它們的狀態(tài)，“1”表示正常，“0”表示開路。S3開路時容性工況在（3）區(qū)出現(xiàn)故障特征，這樣，從每一個單相逆變器的輸出電壓信號可對該主回路的4個元件中的某一個開路故障進行定位。 本文采用仿真的方法研究了主回路的故障現(xiàn)象，仿真時假設主回路只有一個GTO元件發(fā)生故障,其它元件工作正常。在線診斷, 人們只能從輸出波形來診斷它是否有故障,以及何種故障。同時，為了消除系統(tǒng)的穩(wěn)態(tài)誤差，基本模糊控制器的輸出判決結(jié)果U經(jīng)過常規(guī)的PI控制器后，再加給被控對象，使施加在被控對象上的控制量u具有非線性PID控制律，即： ……………………………………………………（）若對象本身包含積分環(huán)節(jié)，為設計簡單起見，可去掉積分環(huán)節(jié)，即令積分因子=0。這就是參數(shù)自校正模糊控制器，或稱比例因子自校正模糊控制器。(4)模糊控制規(guī)則的確定模糊控制規(guī)則實質(zhì)上是將操作員的控制經(jīng)驗加以總結(jié)得出一條條模糊條件語句的集合。這種控制系統(tǒng)的結(jié)構(gòu)圖入圖35所示。因此，在選擇模糊語言變量的語言值時要兼顧簡單易行和控制效果兩個方面，一般一個語言變量選用2~10個語言值較適宜。由模糊邏輯推理法可知，對于n條模糊控制規(guī)則可以得到n個輸入輸出關系矩陣R1，R2…Rn ，從而由模糊規(guī)則控制的合成算法可得到系統(tǒng)總的模糊關系矩陣關系為 則對于任意系統(tǒng)誤差Ei和系統(tǒng)誤差變化DEj，其對應的模糊控制器輸出Cij為……………………………………………（）對上式得到的模糊控制量Cij再進行精確化計算就可以去直接控制系統(tǒng)對象了。只就是精確化計算（Defuzzfication） 模糊控制系統(tǒng)的設計模糊控制器是按一定語言規(guī)則進行工作的，而這些控制規(guī)則是建立在總結(jié)操作員控制經(jīng)驗的基礎上的。在模糊邏輯控制中，可以選擇和調(diào)整該系數(shù)來改善系統(tǒng)的享用特性。但它的突出優(yōu)點是計算簡單。 精確化過程通過模糊推理得到的結(jié)果是一個模糊集合。 模糊化函數(shù) 知識庫知識庫包括數(shù)據(jù)庫和規(guī)則庫，數(shù)據(jù)庫提供必要的定義，包含了語言控制規(guī)則論域的離散化、量化和正則化以及輸入空間的分區(qū)、隸屬度函數(shù)的定義等。圖給出了三種化函數(shù)。從圖中可以看出，模糊控制系統(tǒng)的主要部件是模糊化過程、知識庫、推理決策和精確化計算[16]。一般說來，模糊系統(tǒng)也是復雜過程的一種近似表示方式。訓練時對所有樣本正向運行一輪并反向修改權(quán)值一次稱為一次訓練。 多層前饋網(wǎng)絡結(jié)構(gòu)設計（1）隱層數(shù)的設計理論分析證明，