【正文】 通常選三角型和梯型函數(shù)的隸屬函數(shù)在實(shí)際應(yīng)用中帶來(lái)很多方便。在推理得到的模糊集合中取一個(gè)能最佳代表這個(gè)模糊推理結(jié)果可能性的精確值的過(guò)程就稱為精確化過(guò)程（又稱逆模糊化）。這樣就把輸入的精確量轉(zhuǎn)換為用隸屬度函數(shù)表示的某一模糊變量的值。其結(jié)果是系統(tǒng)實(shí)時(shí)控制性能變差。查表法的設(shè)計(jì)關(guān)鍵是模糊控制表的構(gòu)成。仿真結(jié)果表明，即使對(duì)象參數(shù)發(fā)生顯著變化，控制系統(tǒng)在各種不同的輸入動(dòng)態(tài)范圍下都具有精度高、速度快、超調(diào)量小等優(yōu)點(diǎn)。 故障檢測(cè) 方案 的 設(shè)計(jì) 逆變器輸出電壓波形的故障特征新型無(wú)功發(fā)生器用于電力系統(tǒng)中快速調(diào)節(jié)無(wú)功 ,它主要由大功率的逆變器組成 ,主回路選用了 GTO作為主電路開(kāi)關(guān)器件 .它是一個(gè)單相逆變器 amp。 根據(jù)以上參數(shù)調(diào)整原則，可以設(shè)計(jì)如下一組參數(shù)調(diào)整模型： ??????????????????)/()())987654321???????????ekaeakeekekeciue（（ ???????????? ?????? （ ） 式中 1? ~ 9a 、 ? 、 ? 、 ? 、 ? 等為待定系數(shù)，需根據(jù)不同的控制對(duì)象和性能指標(biāo)要 28 求等進(jìn)行調(diào)整 [18]。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(guān)系，它們的變化會(huì)導(dǎo)致模糊控制器控制作用的變化，最終引起控制系統(tǒng)的動(dòng)態(tài)性能和穩(wěn)態(tài)性能的變化。當(dāng)模糊控制器進(jìn)行工作時(shí)，計(jì)算機(jī)只需直接根據(jù)采樣得到的誤差和誤差變化的量化值。常規(guī)模糊控制器如圖所示。不同的系數(shù)就決定系統(tǒng)有不同響應(yīng)特性。C 0x 0x 0x 22 推理決策邏輯是模糊控制的核心，它利用知識(shí)庫(kù)的信息模擬人類的推理決策過(guò)程，給出適合的控制量。A 的知識(shí)庫(kù) 精確化接口 推 理 決 策 被 控 對(duì) 象 Fuzzy 化接口 給定 FLC 21 程度高。模糊控制系統(tǒng)是一種自動(dòng)控制系統(tǒng)，它是以模糊數(shù)學(xué)、模糊語(yǔ)言形式的知識(shí)表示和模糊邏輯推理為理論基礎(chǔ)，采用計(jì)算機(jī)控制技術(shù)構(gòu)成的一種具有閉環(huán)結(jié)構(gòu)的數(shù)字控制系統(tǒng)。 （ 2） 隱節(jié)點(diǎn)數(shù)的設(shè)計(jì) 隱節(jié)點(diǎn)的作用是從樣本中提取并存儲(chǔ)其內(nèi)在規(guī)律，每個(gè)隱節(jié)點(diǎn)有若干個(gè)權(quán)值都是增強(qiáng)網(wǎng)絡(luò)映射能力的一個(gè)參數(shù)。 （ 7） 訓(xùn)練集的設(shè)計(jì) ① 訓(xùn)練樣本數(shù)的確定 一般說(shuō)來(lái)訓(xùn)練樣本數(shù)越多，訓(xùn)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。個(gè)輸入分量的下標(biāo)表示輸入值在波形中的位置，因此分量的編號(hào)是嚴(yán)格有序的。如用網(wǎng)絡(luò)的權(quán)值和閥值總數(shù) 表征網(wǎng)絡(luò)信息容量與訓(xùn)練誤差之間應(yīng)滿足如下匹配關(guān)系 ?wnP? ????????????????????? ??? （ ） 上式表明網(wǎng)絡(luò)的信息容量與訓(xùn)練樣本之間存在著合理匹配關(guān)系。 （ 1） 增加動(dòng)量項(xiàng) 一些學(xué)者于 1986 年提出，標(biāo)準(zhǔn) BP 算法在調(diào)整權(quán)值時(shí)，只按時(shí)刻誤差的梯度降方向調(diào)整，而沒(méi)有考慮 t 時(shí)刻以前的梯度方向，從而使訓(xùn)練過(guò)程發(fā)生振蕩，收斂緩慢。權(quán)值不斷調(diào)整的過(guò)程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過(guò)程。 感知器信息處理的 規(guī)則為： ?? ??ni ii θxtWfty 1 ))(()( 式中 )(ty 為 t 時(shí)刻的輸出， ix 為輸入向量的一個(gè)分量， )(tWi 為 t 時(shí)刻第 i 個(gè)輸入的權(quán)重， θ 為閥值， )(?f 為階躍函數(shù)。故式（ ） 不適合用于采用式（ ）的非線性函數(shù)的情況，此時(shí)就需要采用廣義的 ? 規(guī)則。 Hebb 提出的這一原則被稱為 Hebb 規(guī)則。在連接中，有的神經(jīng)元之間是雙向的，有的是單向的，按實(shí)際情況決定。由于實(shí)驗(yàn)測(cè)試數(shù)據(jù)或處理不當(dāng)均會(huì)引起模型與對(duì)象特征不一致，這時(shí)閉環(huán)系統(tǒng)特征方程還會(huì)存在純滯后項(xiàng)。 自動(dòng)化領(lǐng)域 神經(jīng)網(wǎng)絡(luò)用于控制領(lǐng)域已經(jīng)取得以下主要進(jìn)展。 4 從以上現(xiàn)象可以看 到，神經(jīng)網(wǎng)絡(luò)的研究出現(xiàn)了新的高潮，進(jìn)入了發(fā)展的新時(shí)期。 Bernard Widrow 和 Marcian Hoff 不僅設(shè)計(jì)了在計(jì) 3 算機(jī)上仿真的人工神經(jīng)網(wǎng)絡(luò)，而且還用硬件電路實(shí)現(xiàn)了他們的設(shè)計(jì)。神經(jīng)網(wǎng)絡(luò)是近年來(lái)的熱點(diǎn)研究領(lǐng)域。 電 力電子電路模型具有很強(qiáng)的非線性 ， 通常對(duì)其進(jìn)行在線故障診斷比較困難 ， 文章利用神經(jīng)網(wǎng)絡(luò)非線性映射特性 ， 由神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)及存儲(chǔ)電力電子電路的故障特征信號(hào)和故障類型 （ 或原因 ） 之間的映射關(guān)系 ， 并將其用于在線診斷 ， 從而達(dá)到對(duì)電力電子電路進(jìn)行在線自動(dòng)故障診斷的目的 。第二個(gè)時(shí)期為低潮時(shí)期，開(kāi)始于1969 年，結(jié)束于 1982 年 Hopfield 發(fā)表“神經(jīng)網(wǎng)絡(luò)和物理系統(tǒng)”。 1969 年，美國(guó)波士頓大學(xué)自適應(yīng)系統(tǒng)中心的 教授和他的夫人 提出了著名的共振模型。隨著人工神經(jīng)網(wǎng)絡(luò)在世界范圍內(nèi)的復(fù)蘇，國(guó)內(nèi)也逐漸掀起了研究熱潮。（ 3）智能檢測(cè) 所謂智能檢測(cè)一般包括干擾量的處理，傳感器輸入輸出特性的非線形補(bǔ)償、零點(diǎn)和量程的自動(dòng)校正以及自動(dòng)診斷等。 人工神經(jīng)元是一個(gè)多輸入、單輸出的非線性元件，它有三個(gè)基本要素： （ 1）一組連接權(quán)（對(duì)應(yīng)生物神經(jīng)元的突觸），連接強(qiáng)度由各連接權(quán)上的權(quán)值表示，權(quán)值為正表示激勵(lì)，為負(fù)表示抑制。 前饋型網(wǎng)絡(luò)的第 I層的輸入只能與第 I1 層輸出相連，輸入和輸出節(jié)點(diǎn)和外界相連，而其它中間層則為隱層。在人工神經(jīng)網(wǎng)絡(luò)中，每一次學(xué)習(xí)，意味著一次權(quán)值 ijW 的調(diào)整，因此權(quán)值變化 Δ ijW 可以用下列函數(shù)式表示： ]),([)](),([ ijijjij WtyHtttaGW ??? ???????? ???? （ ） 采用不同的函數(shù) G 和 H，就有不同的學(xué)習(xí)規(guī)則。在不同性的聯(lián)結(jié)機(jī)制中引入競(jìng)爭(zhēng)。 線性神 經(jīng)網(wǎng)絡(luò) 線性神經(jīng)網(wǎng)絡(luò)是最簡(jiǎn)單的一種神經(jīng)網(wǎng)絡(luò)，它由一個(gè)或多個(gè)線性神經(jīng)元構(gòu)成。三層前饋網(wǎng)中，輸入向量 Tni xxxxX ),( 21 ??? 為 ,如加入 10 ??x ,可為隱層神經(jīng)元引入閥值；隱層輸出向量 Tmj yyyyY ),( 21 ??? , 如加入 10 ??y ,可為輸出層神經(jīng)元引入閥值；輸出 層 輸 出 向 量 為 Tlk ooooO ),( 21 ??? 。 （ 2） 自適應(yīng)調(diào)節(jié)學(xué)習(xí)率 學(xué)習(xí)率 ? 也稱為步長(zhǎng)，在標(biāo)準(zhǔn) BP 算法中定為常數(shù)，然而在實(shí)際應(yīng)用中，很難確定一個(gè)從始至終都合適的最佳學(xué)習(xí)率。數(shù)據(jù)準(zhǔn)備工作包括原始數(shù)據(jù)的收集、數(shù)據(jù)分析、變量選擇和數(shù)據(jù)預(yù)處理等諸多步驟，下面分幾個(gè)方面介紹有關(guān)的知識(shí)。在這類應(yīng)用中，一般根據(jù)識(shí)別的具體目的從圖象中提前一些有用的特征參數(shù)，再根據(jù)這些參數(shù)對(duì)輸入的貢獻(xiàn)進(jìn)行篩選，這種特征提取屬于圖象處理的范疇。按照這種“平均主義”原則選擇的樣本能使網(wǎng)絡(luò)在訓(xùn)練是見(jiàn)多識(shí)廣，而且可以避免網(wǎng)絡(luò)樣本數(shù)量的類別印象深，而對(duì)出現(xiàn)次數(shù)少的類別印象淺。 網(wǎng)絡(luò)訓(xùn)練與測(cè)試 網(wǎng)絡(luò)設(shè)計(jì)完成后，要應(yīng)用設(shè)計(jì)值進(jìn)行訓(xùn)練。實(shí)際上，模糊邏輯控制是利用模糊邏輯建立一種“自由模型”的非線形控制算法，特別是在那些采用傳統(tǒng)定量技術(shù)分析過(guò)于復(fù)雜的過(guò)程、結(jié)構(gòu)如圖所示。一旦模糊集設(shè)計(jì)完成，則對(duì)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(guò)程實(shí)際上是將當(dāng)前的物理輸入根據(jù)模糊子集的分布情況確定出此時(shí)此刻輸入值對(duì)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(duì)應(yīng)，模糊子集（限定碼）的數(shù)目和范圍必須遍及整個(gè)論域。逆模糊化可以采取很多不同的方法，用不同的方法，用不同的方法所得的結(jié)果也是不同的。由此才能用檢測(cè)到的輸入量作為模糊控制規(guī)則中條件來(lái)運(yùn)用模糊控制鬼子進(jìn) 行推理。為了克服實(shí)時(shí)計(jì)算量大的缺點(diǎn)，常規(guī)模糊控制在實(shí)際應(yīng)用中通常采用的是查表法。下面，我們以溫度控制系統(tǒng)的模糊控制器設(shè)計(jì)為例來(lái)說(shuō)明查表法模糊控制 器的設(shè)計(jì)步驟 [17]。 （ 1） 參數(shù)在線自校正模糊控制器的結(jié)構(gòu) 本文采用的參數(shù)在線 自校正模糊控制器結(jié)構(gòu)如圖 所示。其由于 GTO 元件開(kāi)關(guān)頻率 的限制 ,單相逆變器在半個(gè)周波內(nèi)只導(dǎo)通截止一次 ,因此輸出電壓是一個(gè)方波。采用調(diào)整原則③有兩個(gè)好處：一是便于提高偏差很小時(shí)控制器的調(diào)節(jié)能力，從而使輸出 y 在接近穩(wěn)態(tài)值時(shí)能迅速拉入穩(wěn)態(tài)，并有利于提高穩(wěn)態(tài)精度，且此時(shí)因?yàn)槠詈苄。?ek 、 uk 的增大一般也并不會(huì)引起超調(diào)；二是提高在輸入動(dòng)態(tài)變化范圍很小時(shí)系統(tǒng)的響應(yīng)速度。 模糊控制器的改進(jìn) 考慮典型的單變量二維模糊控制器，根據(jù)模糊控制器代數(shù)模型的分析，有： )( eckekfkU eceu ?? ????????????????????? （ ） f 是非線性函數(shù)。 查表法的基本思想是通過(guò)離線計(jì)算取得一個(gè)模糊控制表，并將其控制表存放在計(jì)算機(jī)內(nèi)存中。最后經(jīng)精確化計(jì)算得到精確的控制值去控制被控對(duì)象。 （ 3） 加權(quán)平均法 如權(quán)平均法的最終輸出值是有下式?jīng)Q定的 ?????miimiiikkvv110 ???????????????????? ????? （ ） 這里的系數(shù) ik 的選擇要根據(jù)實(shí)際情況而定。B x x 39。圖給出了輸入變量 0x 屬于語(yǔ)言 39。該過(guò)程 20 本身并不一定是模糊的。在設(shè)計(jì)多層前饋網(wǎng)時(shí)，一般先考慮設(shè)一個(gè)隱層，當(dāng)一個(gè)隱層的隱節(jié)點(diǎn)數(shù)很多仍不能改善網(wǎng)絡(luò)性能時(shí)，才考慮再增加一個(gè)隱層。由于變換是非線形的，其結(jié)果不僅壓縮了數(shù)據(jù)變化的范圍，而且改善了其分布規(guī)律。 ② 曲線輸入 多層前饋網(wǎng)在模式識(shí)別類應(yīng)用中常被用來(lái)識(shí)別各種設(shè)備輸出的波形曲線，對(duì)于這類輸入模式，常用的表示方法是提取波形在個(gè)區(qū)間分界點(diǎn)的值，以其作為網(wǎng)絡(luò)輸入向量的分量值。 基于 BP 算法的多層前饋網(wǎng)絡(luò)設(shè)計(jì)基礎(chǔ) （ 1） 網(wǎng)絡(luò)信息容量與訓(xùn)練樣本數(shù) 多層 前饋網(wǎng)絡(luò)的分類能力與網(wǎng)絡(luò)信息容量相關(guān)。然而標(biāo)準(zhǔn)的 BP 算法在應(yīng)用中暴露出不少內(nèi)在的缺陷： (1)易形成局部極小而得不 到全局最優(yōu)； (2)訓(xùn)練次數(shù)多使得學(xué)習(xí)效率低，收斂速度慢； (3)隱節(jié)點(diǎn)的選取缺乏理論指導(dǎo)； (4)訓(xùn)練時(shí)學(xué)習(xí)新樣本有遺忘舊樣本的趨勢(shì)； 針對(duì)上述問(wèn)題，國(guó)內(nèi)外已提出不少有效的改進(jìn)算法，下面僅介紹其中 3 種較常用的方法。這種信號(hào)正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過(guò)程，是周而復(fù)始地進(jìn)行的。與 MP 模型不同之處在于其聯(lián)結(jié)權(quán)值可變，因此它具有學(xué)習(xí)功能。 從上述簡(jiǎn)化過(guò)程可知，在選用簡(jiǎn)化的 G 函數(shù)時(shí)，我們實(shí)際上令 )(tay jj ? ，也就是用了線性可分函數(shù)。常用的學(xué)習(xí)規(guī)則有以下幾種： （ 1）聯(lián)想式學(xué)習(xí) —— Hebb 規(guī)則 心理學(xué)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(gè)同時(shí)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(qiáng)度（權(quán)值）將增強(qiáng)，雖然他本人沒(méi)有給出數(shù)學(xué)表達(dá)式，但后來(lái)許多研究者用不同的數(shù)學(xué)公式來(lái)表示這一基本思想。 互連網(wǎng)絡(luò)模型 在這類模型中，任意兩個(gè)神經(jīng)元之間都有相互連接的關(guān)系。 為實(shí)現(xiàn)史密斯預(yù)估補(bǔ)償控制，需要求取補(bǔ)償器的數(shù)學(xué)模型。只將該特征傳出，接受后在將其恢復(fù)成原始模式。各種學(xué)術(shù)的神經(jīng)網(wǎng)絡(luò)特刊也層出不窮。 1960 年，他們發(fā)表了 一篇為“自適應(yīng)開(kāi)關(guān)電路”的文章。人工神經(jīng)網(wǎng)絡(luò)是由簡(jiǎn)單的處理單元所組成的大量并行分布的處理機(jī)，這種處理機(jī)具有存儲(chǔ)和應(yīng)用經(jīng)驗(yàn)知識(shí)的自然特性，它與人腦的相似之處概括為兩個(gè)方面：一是通過(guò)學(xué)習(xí)過(guò)程利用神經(jīng)網(wǎng)絡(luò)從外部環(huán)境中獲取知識(shí)；二是內(nèi)部神經(jīng)元（突觸權(quán)值）用來(lái)存儲(chǔ)的知識(shí)信息。 關(guān)鍵詞 ： 神經(jīng)網(wǎng)絡(luò) ； 電力電子 ； 電路故障 ； 診斷 ； 故障診斷 Abstract： Based on neural work theory ,a new online fault diagnosis method for power electronic circuits is presented. A neural BP work is founded ,which is able to diagnosis faults of three phase rectifier ef fectively. The method is verified by both simulation and experiment. The circuit model for electronic of electric power is with strong nonline arity, it is usually difficult to diagnose the accident online, by the mapping features of nonline arity on the nerve , the essay will study and store the mapping relationship between the accident signs and accident types(causes) about the circuit for electronic of electric power, and put it into the diagnose online, which will be used to