【正文】 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法 學(xué)習(xí)和記憶是人類智能器官的最主要的功能，模擬人腦神經(jīng)系統(tǒng)的學(xué)習(xí)功能是人工神經(jīng)網(wǎng)絡(luò)的核心任務(wù)。從作用效果看，前饋型網(wǎng)絡(luò)主要是函數(shù)映射，可用于模式識(shí)別和函數(shù)逼近。 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。反饋型網(wǎng)絡(luò)的所有節(jié)點(diǎn)都是計(jì)算單元，同時(shí)可接受輸入并向外 。 若按連接方式，也可以分為：前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。 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。 ? … 1X 2X Xn jW1W1j jW2W2j njWnj Uk )(?f jy j? 7 人工神經(jīng)網(wǎng)絡(luò) 結(jié)構(gòu) 人工神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元互連而成的網(wǎng)絡(luò)，按其拓?fù)浣Y(jié)構(gòu)來分，可以分成兩大類：層次網(wǎng)絡(luò)模型，互連網(wǎng)絡(luò)模型。 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(dǎo)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。) 為傳遞函數(shù)。 （ 3）一個(gè)非線性傳遞函數(shù)，起非線性映射作用并限制神經(jīng)元輸出幅度在一定的范圍內(nèi)（一般限制在 [0， 1]或 [1， +1]之間）。 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。 第 2 章 模糊神經(jīng)網(wǎng)絡(luò)控制 6 人工神經(jīng)元模型 人腦約由 1011個(gè)神經(jīng)元組成，神經(jīng)元之間的聯(lián)系多過 1014~1015，每個(gè)神經(jīng)元由兩部分 構(gòu)成：神經(jīng)細(xì)胞體及突起（樹突和軸突）。因此，嚴(yán)格的說，預(yù)估補(bǔ)償器不能完全補(bǔ)償純滯后。 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。 此外，神經(jīng)網(wǎng)絡(luò)在宇宙飛船，汽車行業(yè)，銀行業(yè)，國(guó)防領(lǐng)域，電子領(lǐng)域，娛樂領(lǐng)域，金融領(lǐng)域，制造業(yè)，醫(yī)藥領(lǐng)域 ，石油和天然氣，機(jī)器人，語音領(lǐng)域，有價(jià)證券，電信領(lǐng)域，交通領(lǐng)域也有廣泛的應(yīng)用。此外，還有將神經(jīng)網(wǎng)絡(luò)用于判定化學(xué)反應(yīng)的生成物；用于判定鉀、鈣、硝酸、氯等離子的濃度。利用神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶特性可設(shè)計(jì)出密鑰分散保管方案；利用神經(jīng)網(wǎng)絡(luò)的分類能力可提高密鑰的破解難度；利用神經(jīng)網(wǎng)絡(luò)還可設(shè)計(jì)出安全的保密開關(guān)，如語音開關(guān)、指紋開關(guān)等等。神經(jīng)網(wǎng)絡(luò)在載重車柴油機(jī)燃燒系統(tǒng)方案優(yōu)化中的應(yīng)用有效地降低了油耗和排煙度，獲得了良好的社會(huì)經(jīng)濟(jì)效益。（ 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。對(duì)于復(fù)雜非線形系統(tǒng)，神經(jīng)控制所達(dá)到的控制效果往往明顯好于常規(guī)控制器。（ 1）系統(tǒng)辨別 神經(jīng)網(wǎng)絡(luò)所有的非線形特性和學(xué)習(xí)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(fù)雜的非線形、不確定性和不確知開辟了一條新的途徑。只將該特征傳出，接受后在將其恢復(fù)成原始模式。神經(jīng)網(wǎng)絡(luò)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(dòng)態(tài)模式如視 頻圖像、連續(xù)語音等。前者如信號(hào)的自適應(yīng)濾波、時(shí)間序列預(yù)測(cè)、譜估計(jì)、噪聲消除等；后者如非線形濾波、非線形預(yù)測(cè)、非線形編碼、調(diào)制 /調(diào)解等。 人工神經(jīng)網(wǎng)絡(luò)的主要應(yīng)用領(lǐng)域 信息領(lǐng)域 神經(jīng)網(wǎng)絡(luò)作為一種新型智能信息處理系統(tǒng)，其應(yīng)用貫穿信息的獲取、傳輸、接接收與加工利用等各個(gè)環(huán)節(jié)，這里僅舉三個(gè)方面的應(yīng)用。 1990 年 2 月，由中國(guó)八個(gè)學(xué)會(huì)（即中國(guó)電子學(xué)會(huì)、計(jì)算機(jī)學(xué)會(huì)、人工智能學(xué)會(huì)、自動(dòng)化學(xué)會(huì)、通信學(xué)會(huì)、物理學(xué)會(huì)、生物物理學(xué)會(huì)、和心理學(xué)會(huì)）聯(lián)合在北京召開“中國(guó)神經(jīng)網(wǎng)絡(luò)首屆學(xué)術(shù)大會(huì)”。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。與此同時(shí)，美國(guó)、日本等國(guó)在神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的硬件實(shí)現(xiàn)方面也取得了一些實(shí)實(shí)在在的成績(jī)。從1987 年來，神經(jīng)網(wǎng)絡(luò)的理論、應(yīng)用、實(shí)現(xiàn)及開發(fā)工具均以令人振奮的速度快速發(fā)展。各種學(xué)術(shù)的神經(jīng)網(wǎng)絡(luò)特刊也層出不窮。這次會(huì)議不久，由世界三位著名的神經(jīng)網(wǎng)絡(luò)學(xué)家，主持創(chuàng)辦了世界第一份神經(jīng)網(wǎng)絡(luò)雜志《 Neural Network》。 新時(shí)期 1987 年 6月，首屆國(guó)際神經(jīng)網(wǎng)絡(luò)會(huì)議在美國(guó)加州圣地亞哥召開，這標(biāo)志著全世界范圍內(nèi)掀起神經(jīng)網(wǎng)絡(luò)開發(fā)研究的熱潮。在 1986 年貝爾實(shí)驗(yàn)室宣布制成神經(jīng)網(wǎng)絡(luò)芯片前不久，美國(guó)的 David 和 James 及其領(lǐng)導(dǎo)的提出了 PDP 網(wǎng)絡(luò)思想，其中涉及到神經(jīng)網(wǎng)絡(luò)的三個(gè)主要特征，即結(jié)構(gòu)、神經(jīng)元的傳遞函數(shù)和它的學(xué)習(xí)訓(xùn)練方法， PDP 這部書的最重要的貢獻(xiàn)是發(fā)展了多層感知機(jī)的反向傳播訓(xùn)練算法，把學(xué)習(xí)的結(jié)果反饋到中間層次的隱節(jié)點(diǎn)，改變其連接權(quán)值，以達(dá)到預(yù)期的學(xué)習(xí)目的。 復(fù)興時(shí)期 1982 年美國(guó)加州理工學(xué)院優(yōu)秀物理學(xué)家 John 博士總結(jié)與吸取前人對(duì)神經(jīng)網(wǎng)絡(luò)研究的成果與經(jīng)驗(yàn)，把網(wǎng)絡(luò)的各種結(jié)構(gòu)和算法概括起來，塑造出一種新穎的強(qiáng)有力的網(wǎng)絡(luò)模型，稱為 Hopfiled 網(wǎng)絡(luò)模型。 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。使神經(jīng)網(wǎng)絡(luò)研究處于低潮時(shí)期的重要原因是， 20 世紀(jì) 70 年代以來集成電路和微電子技術(shù)的迅速發(fā)展，是傳統(tǒng)的 Von Neumenn 型計(jì)算機(jī)進(jìn)入發(fā)展的全盛時(shí)期，基于邏輯符號(hào)處理方法的人工智能的迅速發(fā)展并取得顯著成就，他們的問題和局限性尚未暴露，因此暫時(shí)就掩蓋了發(fā)展新型計(jì)算機(jī)和尋求新的神經(jīng)網(wǎng)絡(luò)的必要性和迫切性 [4]。 低潮時(shí)期 在 20 世紀(jì) 60 年代，掀起了神經(jīng)網(wǎng)絡(luò)研究的第一次熱潮。 1960 年，他們發(fā)表了 一篇為“自適應(yīng)開關(guān)電路”的文章。 1958 年計(jì)算機(jī)科學(xué)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(luò)特性的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，稱為“感知器”。為此， MP 模型被認(rèn)為開創(chuàng)了神經(jīng)科學(xué)理論研究的新時(shí)代。 啟蒙時(shí)期 1890 年，美國(guó)心理學(xué)家 William James 發(fā)表了第一部詳細(xì)論述人腦結(jié)構(gòu)及功能的專著《心理學(xué)原理》，對(duì)相關(guān)學(xué)習(xí)、聯(lián)想記憶的基本原理做了開創(chuàng)性研究 神 經(jīng)網(wǎng)絡(luò)的著名文章。結(jié)束于《并行分布式處理》一書的發(fā)表。第二個(gè)時(shí)期為低潮時(shí)期，開始于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)”。 神經(jīng)網(wǎng)絡(luò)的研究發(fā)展史 神經(jīng)網(wǎng)絡(luò)的研究可追溯到 19 世紀(jì)末，其發(fā)展歷史可分為四個(gè)時(shí)期。涉及到電子科學(xué)和技術(shù)、信息與通信工程、計(jì)算科學(xué)和技術(shù)、電氣工程、控制科學(xué)和技術(shù)等諸多學(xué)科。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：一是通過學(xué)習(xí)過程利用神經(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）用來存儲(chǔ)的知識(shí)信息。 作者簽名： 日 期： 2 第 1 章 緒論 神經(jīng)網(wǎng)絡(luò)概述 人工神經(jīng)網(wǎng)絡(luò) (簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò) ,NN)是由人工神經(jīng)元 (簡(jiǎn)稱神經(jīng)元 )互聯(lián)組成的網(wǎng)絡(luò) ,它是從微觀結(jié)構(gòu)和功能上對(duì)人腦的抽象、簡(jiǎn)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(xué)習(xí)、聯(lián)想、模式分類、記憶等。對(duì)本研究提供過幫助和做出過貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。 fault diagnosis 1 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 circuit accident。 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 。 I 基于 神經(jīng)網(wǎng)絡(luò)的電力電子裝置故障檢測(cè)與診斷研究 摘要 ： 提出采用基于波形直接分析的神經(jīng)網(wǎng)絡(luò)故障診斷方法實(shí)現(xiàn)電力電子電路在線故障診斷 ,以三相整流電路為例 ,選用 BP 網(wǎng)絡(luò)對(duì)其進(jìn)行了有效故障診斷。仿真和實(shí)驗(yàn)表明 ,其方法是有效的。 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 diagnose the accident automatically to the circuit of electronic of electric power. Keywords: nerve ’electronic of electric power 。 diagnose。盡我所知，除文中特別加以標(biāo)注和致謝的地方外，不包含其他人或組織已經(jīng)發(fā)表或公布過的研究成果，也不 包含我為獲得 及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計(jì)（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計(jì)（論文）的印刷本和電子版，并提供 目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝　⒖s印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。它是根于神經(jīng)學(xué)、數(shù)學(xué)、同統(tǒng)計(jì)學(xué)、物 理學(xué)、計(jì)算機(jī)學(xué)及工程等的一種技術(shù)。神經(jīng)網(wǎng)絡(luò)是近年來的熱點(diǎn)研究領(lǐng)域。其應(yīng)用領(lǐng)域包括：建模、時(shí)間序列分析、模式識(shí)別和控制等，并在不斷的拓展。第一個(gè)時(shí)期為啟蒙時(shí)期，開始于 1890 年美國(guó)著名心理學(xué)家 關(guān)于人腦結(jié)構(gòu)與功能的研究，結(jié)束于 1969 年 Minsky 和 Papert 發(fā)表《感知器》一書。第三個(gè)時(shí)期為復(fù)興時(shí)期，開始于 的突破性研究論文。第四個(gè)時(shí)期為高潮時(shí)期，以 1987 年首屆國(guó)際人工神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)會(huì)議為開端，迅速在全世界范圍內(nèi)掀起人工神經(jīng)網(wǎng)絡(luò)的研究應(yīng)用 熱。在這篇文章中，他們?cè)谝阎纳窠?jīng)細(xì)胞生物學(xué)基礎(chǔ)上從信息處理的角度出發(fā)，提出形式神經(jīng)元數(shù)學(xué)模型，稱 MP 模型。啟蒙時(shí)期的另一位重要學(xué)者是 Donala ，他首先建立了人們現(xiàn)在稱為 Hebb 算法的連接權(quán)訓(xùn)練法。啟蒙時(shí)期的最后兩位代表人物是電機(jī)工程師 Bernard Widrow 和 Marcian Hoff 。 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)。由于當(dāng)時(shí)對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力的過高估計(jì)，而隨著神經(jīng)網(wǎng) 絡(luò)研究的深入開展，人們遇到了來自認(rèn)識(shí)方面、應(yīng)用方面和實(shí)現(xiàn)方面的各種困難和迷惑，使得一些人產(chǎn)生了懷疑和失望。但仍有為數(shù)不多的學(xué)者在黑暗時(shí)期致力于神經(jīng)網(wǎng)絡(luò)的研究。 1972 年芬蘭的 教授，提出了自組織映射理論，并稱其神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為“聯(lián)想存儲(chǔ)器”；另一位是美國(guó)的神經(jīng)心理學(xué)家和心理學(xué)家 提出了一個(gè)類似的神經(jīng)網(wǎng)絡(luò)，稱為“交互存儲(chǔ)器”。在他文章發(fā)表的 第三年，美國(guó)電話與電報(bào)公司的貝爾實(shí)驗(yàn)室利用 Hopfiled 理論首先在硅片上制成硬件的神經(jīng)計(jì)算機(jī)網(wǎng)絡(luò)，繼而仿真出耳蝸與視網(wǎng)膜等硬件網(wǎng)絡(luò)。該算法 已成為當(dāng)今最大的一種網(wǎng)絡(luò)